24小时投资世界-首支功能性护肤品股正式诞生：市值700亿；飞利浦家电在高瓴销售；龙珠资本将完成二期融资近50亿元
06-18
昨晚OpenAI发布ChatGPT-4o后，给Google I/O带来了压力，仿佛Google无法摆脱“人工智能世界的汪峰”无论如何。
一个标题。
反观谷歌，一次提及AI，并通过近两个小时的发布会推出了十余款新品和升级。
可以说是“体量大、管理全”，火力全覆盖，但并没有太多惊喜。
我们先来概括一下本次会议的亮点。
更多功能分析请阅读下文。
发布会亮点：Google Search AI: AI Overviews发布，推出增强版AI搜索摘要功能，推出多步推理能力。
Gemini大型号：Gemini 1.5 Flash（万上下文）； Gemini Pro（一万个上下文）。
Gemma大模型：发布开源多模态大模型Pali Gemma和Gemma2。
Google Workspace 中的 AI：利用 Gemini 的能力和 Side Panel 的形式，将 Google 的一系列产品串联起来。
Gemini 应用程序：Gemini 应用程序的移动版本已于最近几周发布，即将支持与 AI 的视频对话。
Project Astra：最新的多模态 AI 项目，包括图像、音乐和视频的生成式 AI，例如 Imagen3、Music AI Sandbox 和 Veo。
做搜索起家，用搜索王引爆Google 搜索是Google最大的投资和创新领域之一，也是他们的创始产品。
25 年前，谷歌推出了搜索，今晚谷歌将再次突破搜索的界限。
简而言之，借助 AIGC 的 Google 搜索，您可以做更多事情：无论您在想什么，无论您需要完成什么，只需询问（它），Google 搜索就会找到它。
Google搜索的所有演变都是基于为其定制的Gemini模型。
谷歌在发布会上介绍，“与众不同”的谷歌搜索具有三大独特优势：谷歌的实时信息包括超过一万亿个有关人物、地点和事物的事实、顶级产品、最好的网络、双子座的力量，一服务，将这三件事结合起来，解锁谷歌在搜索领域的新功能。
第一个新功能是AI Review。
用户可以在搜索结果的顶部获取大型AI模型生成的摘要，从而简化整个搜索过程，使复杂问题的检索过程变得简单。
谷歌表示，到今年年底，将有超过 10 亿人使用谷歌搜索中的 AI 审核功能，谷歌声称这将是其搜索引擎 25 年来最大规模的更新之一。
多步推理是Google搜索的另一个重要功能。
通过新的多步骤推理，我们未来制定一些生活、工作和旅行计划将变得非常简单。
例如，您可以使用搜索栏查找“附近最好的瑜伽馆”，然后关于附近瑜伽馆的所有重要信息，如评价分数、课程推荐、距离等都会被分类为块，并非常清晰地显示在其中搜索结果。
依托谷歌自身庞大的数据库，AI在搜索过程中可以调用最新、最全的优质信息，搜索结果的准确性和可信度更有保障。
目前，谷歌收录了全球超过2.5亿个地点并实时更新，包括评分、评论、营业时间和其他重要信息。
搜索中的规划是另一个可以减轻您负担的更新。
假设您正在重新调整膳食并计划，并且不想在早餐、午餐和晚餐时吃通心粉和奶酪。
只需将您的要求输入搜索框，Google 搜索就会为您提供根据您的要求合理排列的新每周食谱。
而且，您可以随时更改条件和详细信息，搜索结果将根据最新提示实时更新。
如果我们在其他公司的产品中见过甚至使用过以上功能，那么视频提问一定会给你一些惊喜。
生活中有很多物品，都有自己专属的名字。
当一些设备出现小问题时，也有相应的修复方法。
但很多时候只有专业人士才能说清楚，也只有他们才能“对症下药”。
现在，每个人都可以通过 Google 搜索的“视频提问”功能成为专家，这相当于手机上的百科全书。
当某个记录部分不起作用而你不知道从哪里开始时，或者当你的相机快门突然失灵时，你可能不得不返回制造商并将其寄回制造商进行售后服务。
但现在您可以使用 Google 设备的镜头拍摄问题的照片，Google 搜索可以根据您要查找的内容帮助您找到问题。
对遇到的问题进行初步诊断，并对一些小故障可以当场提供解决方案。
在发布会的实时演示中，AI也一一列出了整个修复步骤。
按照屏幕上的说明，演示者很快就解决了小麻烦。
该功能利用AI对视频进行逐帧分解，将每一帧的关键信息导入双子座的长联系窗口中进行一一分析，并通过互联网上的相关文章、论坛、视频等进行梳理，寻找见解，从而实现“视频提问”的智能建议。
与传统的文字输入相比，视频最大的优势就是我们和AI的交互过程变得更加直观。
使用诸如“这里”和“这个”之类的模糊词语也可以让大模型知道我们所指的是什么。
谷歌表示，这些最新的AI功能将在未来几周内在实验室功能中推出，这也意味着更强大的谷歌搜索距离落地已经不远了。
在后续版本中，它甚至可以根据页面上视频的自动字幕来查找答案。
不知道会不会抢走那些“一分钟看完XX电影”的博主的饭碗。
图片、歌曲、电影，瞄准OpenAI。
如果说这两天的GPT-4o是AI再次给世界带来了一点震撼，那么今晚谷歌正式宣布的Project Astra则是震撼的延续。
Project Astra 是通用人工智能助手 GoogleMind 的原型。
与GPT-4o类似，用户可以使用它与AI进行实时对话和视频聊天。
发布会上的演示可以很好地展示这一新功能。
在演示视频中，工作人员将手机镜头对准周围的物体，向Project Astra提出一些问题，它能够以几乎零延迟的方式准确回答。
例如，Project Astra 可以看出扬声器的上半部分是高音扬声器，并且可以从计算机屏幕上显示的代码轻松识别其具体功能。
谷歌表示：我们的新项目专注于打造一个未来的人工智能助手，能够真正为日常生活提供帮助。
基于更强大的AI性能，谷歌还在I/O上公布了另外三项实用功能。
它们分别位于“图像”、“音乐”和“视频”领域，体现了先进技术的“未来感”。
Imagen 3是Google发布的最新图像生成模型。
它可以更好地理解我们的提示词并利用它们来创建更真实的图像。
发布会上展示的《狼》的生成图片是Imagen 3准确提取了一个叙述中的8个详细信息，并全部体现在图片中。
不难发现，生成的图片不仅细节准确，而且非常真实。
Imagen 3还可以处理一些比较抽象的图片创作，比如根据“彩虹色”、“羽毛光”、“黑色背景”的提示生成的创意图片。
就像它确切地知道你想要什么一样。
发言人甚至在发布会上开玩笑炫耀“你可以用它来数别人脸上的胡子”。
谷歌在音乐生成方面也取得了新的突破。
音乐AI沙盒是最新推出的音乐生成模型。
谷歌此次还邀请了 Marc Rebillet 在 I/O 现场进行分享。
基于艺术家创作的一个简短的音乐演示，Music AI Sandbox 可以在此基础上进行扩展和扩展。
它还可以根据用户输入的提示，例如音乐风格和类型等进一步创建第二首音乐。
谷歌表示，它与 YouTube 合作构建了 Music AI Sandbox：一套专业的 AI 音乐工具，可以创建从头开始新的乐器部件、在曲目之间转换风格等等，以帮助我们设计和测试它们。
另一种实用模型称为 Veo，专注于生成视频。
用户只需输入相关文本、图像或视频提示，Veo 就会创建长达 60 秒的高质量 p 格式视频。
它以不同的视觉和电影风格捕捉说明中的细节。
例如，我们可以在提示中输入事物、风景或延时航拍照片，并使用其他提示来进一步编辑视频。
长期以来，视频生成AI“仅在理论上成立”。
事实上，也遇到了很多障碍。
其中，“可用性”的最大门槛是：视频生成时间只有几秒，一般只能重复跳跃一两个动作。
。
这也是为什么《Sora》一推出就引起了很多讨论。
从今晚开始，谷歌的Veo也成为了大家关注的焦点。
从照片写实主义到超现实主义和动画，它可以涵盖大多数影视风格。
处理。
除了Project Astra之外，Google还为我们提供了一个可定制的Gemini——Gems。
谷歌表示，它可以在保留特定特征的同时完成任务，成为数千人的私人助理。
用户可以调整其定位，成为瑜伽好友、虚拟人气角色、健身伙伴、创意写作教练甚至微博主。
积分导师等等都是问题。
双子座痴迷长文，双子座家族又添新成员了。
Gemini项目自曝光以来一直备受关注。
起初还存在一些争议，但后来依靠自己的实力恢复了声誉，现在也越来越成熟。
据 Pichai 介绍，目前有超过 10000 名开发者使用 Gemini 模式，用户数量已达到 20 亿。
现在皮查伊再次提及“双子座时代”，目标是将其融入到所有产品中，为用户带来全新体验。
，并为创作者、开发者和初创公司创造新的机会。
最新的Gemini 1.5 Pro目前支持10,000个文本标记，据说今年晚些时候这个数字将达到10,000个。
它可以同时处理2小时的视频、22小时的音频、60多行代码或10000多个单词。
此外，大会还公布了基于 Gemini 1.5 Pro 的 Gemini Advanced，据说能够处理“多个大型文档、合计多达页数、或汇总电子邮件”，并且还支持 35 种语言和多个国家/地区。
不得不说，就文本量而言，Gemini 确实非常大，“朝着将任何输入转换为任何输出的目标迈出了一大步”。
安全始终是重中之重 自人工智能诞生之初，关于如何识别人工智能生成的内容的争论就一直在持续。
谷歌的对策是通过SynthID为AI生成的图像和音频添加隐形水印，使其更容易区分。
未来，谷歌将把这一范围扩展到文本和视频，并在未来几个月内，通过更新生成式 AI 工具包的开源 SynthID 文本水印，帮助更多开发者更轻松地负责任地构建 AI。
Gemini 集成后，当通话过程中检测到可疑活动时，Android 会发出警告，例如被要求提供您的社会安全号码和银行信息。
这就像直接在手机上安装“反欺诈中心”一样。
辅助功能 TalkBack 也将通过 Gemini Nano 得到增强。
图像描述将更加清晰、丰富，通过语音反馈帮助视力不佳的用户更好地操作手机，体现谷歌一贯的人文关怀。
对于谷歌今晚的表现，NVIDIA研究经理Jim Fan的评价非常中肯。
谷歌新发布的模型看似是多模态输入，但不是多模态输出 Imagen3 和 Music AI Sandbox 仍然与 Gemini 分离，作为独立组件。
所有模式 I/O 的本机合并是不可避免的未来。
它可以执行诸如“使用更机器人的声音”“编辑此图像”“生成一致的漫画”等任务。
在不丢失模态边界信息（例如情绪和背景声音）的情况下，新模型开辟了新的上下文功能，用户可以通过一些示例来教授模型，并以新颖的方式组合不同的含义。
GPT-4o 并不完美，但它的外形尺寸是正确的，套用 Andre 的 LLM-as-OS 比喻：我们需要模型本身支持尽可能多的文件扩展名。
谷歌正在做正确的一件事：他们终于做出了认真的努力，将人工智能集成到搜索框中。
Gemini 不一定是最好的，但它可以是使用最广泛的。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-18
06-08
06-17
06-17
06-18
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态