OpenAI召開(kāi)春季發(fā)布會(huì )第二日，谷歌則以新一屆I/O開(kāi)發(fā)者大會(huì )對陣。

這場(chǎng)活動(dòng)自北京時(shí)間5月15日凌晨1點(diǎn)開(kāi)始便“火藥味”滿(mǎn)滿(mǎn)。谷歌在會(huì )上選擇“宣布一切”：連續發(fā)布、更新了十多款產(chǎn)品，包括AI助手Astra、文生圖模型Imagen3、對標Sora的文生視頻模型Veo，以及備受矚目的旗艦大模型Gemini。

當OpenAI“鴿”掉搜索，轉而推出最新旗艦大模型GPT-4o后，長(cháng)期占據搜索霸主地位的谷歌，不僅重新設計了AI搜索，還同步推出AI識圖助手。

Gemini的新語(yǔ)音對話(huà)功能Live更是直接對標OpenAI的GPT-4o，同樣可通過(guò)手機實(shí)時(shí)詢(xún)問(wèn)周?chē)那闆r，即使中斷對話(huà)也能再及時(shí)跟進(jìn)。

此外，谷歌瀏覽器Chrome將添加Gemini Nano。后者是Gemini系列中的一個(gè)輕量級版本，主要針對移動(dòng)設備設計。

谷歌還表示，另一小模型Gemma2.0即將于今年夏天推出，包括開(kāi)源模型PaliGemma，可用于標記照片以及為圖像添加標題。Gemma模型采用與Gemini模型相同的技術(shù)棧，但規模更小，適合在資源受限的環(huán)境中部署。

很大程度上，人工智能競賽也是一次爭奪智能手機的競賽。谷歌產(chǎn)品管理副總裁Sameer Samat明確表示，谷歌將通過(guò)Gemini進(jìn)一步優(yōu)化安卓操作系統。這種優(yōu)化將首先在谷歌自家手機Pixel上得到體現。

Gemini顯然是此次發(fā)布會(huì )的主角，這當中尤以多模態(tài)和長(cháng)上下文技術(shù)被著(zhù)墨更多。

過(guò)去幾個(gè)月，谷歌已經(jīng)推出了能夠進(jìn)行長(cháng)上下文預覽的Gemini 1.5 Pro，在翻譯、編碼和推理方面進(jìn)行了一系列改進(jìn)。目前，Gemini 1.5 Pro的上下文長(cháng)度由100萬(wàn)token（文本處理的基本單位）刷新到200萬(wàn)token，三個(gè)月即翻了一倍，表明該公司急于借此向外界“秀肌肉”。

此時(shí)距離Gemini問(wèn)世已有一年，這一多模態(tài)大模型已經(jīng)可以跨文本、圖像、視頻、代碼等進(jìn)行推理。據谷歌透露，有20億用戶(hù)以及超150萬(wàn)開(kāi)發(fā)人員都在使用Gemini模型，該模型可被用于調試代碼、獲得新的見(jiàn)解并構建下一代人工智能應用程序。

為了能夠進(jìn)一步展示該模型的多種特性，谷歌針對搜索、照片、安卓系統等不同場(chǎng)景做了更加細致地介紹。

例如在搜索方面，Gemini為其帶來(lái)了全面的AI化改造。用戶(hù)可以提出更新、更長(cháng)、更復雜的問(wèn)題進(jìn)行查詢(xún)，甚至利用照片進(jìn)行搜索。谷歌計劃在本周開(kāi)始向美國地區推出“AI概述”搜索，后續會(huì )在其他國家上線(xiàn)。

谷歌在現場(chǎng)展示了“詢(xún)問(wèn)照片”這一功能。當用戶(hù)在停車(chē)場(chǎng)付費卻忘記了車(chē)牌號碼時(shí)，通常可能會(huì )在手機照片中搜索關(guān)鍵字，瀏覽大批過(guò)往照片來(lái)尋找車(chē)牌。但現在，只需詢(xún)問(wèn)照片，就能準確告知經(jīng)常出現的汽車(chē)，對車(chē)輛進(jìn)行三角測量，并告知車(chē)牌號。

再比如，你可以向照片提問(wèn)自己的孩子是什么時(shí)候學(xué)會(huì )游泳的，甚至于干脆讓照片告訴你孩子的游泳進(jìn)展如何。

Gemini不僅僅是一個(gè)聊天機器人，也是個(gè)人助手，能夠幫助用戶(hù)處理復雜的任務(wù)以及采取行動(dòng)。Gemini 1.5 Pro也被引入谷歌云計算服務(wù)Google Work space。谷歌號稱(chēng)，Gemini可以完成所有工作所需步驟。以退貨為例，AI可在郵件中搜索收據，找到相應的訂單號，自動(dòng)填寫(xiě)退貨表格，并安排取件。

大模型就是一場(chǎng)算力競賽，訓練最先進(jìn)的模型需要大量的算力。過(guò)去六年中，行業(yè)對機器學(xué)習計算的需求增長(cháng)了100萬(wàn)倍，并且每年都會(huì )增加十倍。作為AI時(shí)代的重要參與者，谷歌也在基礎設施方面發(fā)力頗多。

當晚，谷歌即發(fā)布了第六代TPU（谷歌專(zhuān)為加速機器學(xué)習工作負載而設計的一種應用特定集成電路）——“Trillium”，并稱(chēng)Trillium是其迄今為止性能最高、效率最高的TPU，與上一代TPU v5e相比，每個(gè)芯片的計算性能提高了4.7倍，計劃將在今年底向客戶(hù)提供。

Gemini完全在谷歌自研的第四代和第五代TPU上接受訓練和服務(wù)，包括Anthropic在內的其他領(lǐng)先人工智能公司也在TPU上訓練了他們的模型。

但在谷歌為其各種產(chǎn)品“灌注”AI功能的同時(shí)，意味著(zhù)用戶(hù)需要對個(gè)人隱私數據做出更多讓渡。對此，谷歌承諾，不會(huì )使用其平臺上的用戶(hù)文件來(lái)訓練Gemini或其他人工智能模型。

谷歌CEO皮查伊表示，當天的發(fā)布會(huì )提到了121次“AI”，足以表明AI對谷歌的重要性。但除了強調重要之外，這場(chǎng)被外界所期待的針對OpenAI的反擊，并沒(méi)有帶來(lái)更大的驚喜。

轉載來(lái)源：界面新聞 作者：陳振芳