OpenAI召開春季發(fā)布會第二日，谷歌則以新一屆I/O開發(fā)者大會對陣。

這場活動自北京時間5月15日凌晨1點開始便“火藥味”滿滿。谷歌在會上選擇“宣布一切”：連續(xù)發(fā)布、更新了十多款產品，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的新語音對話功能Live更是直接對標OpenAI的GPT-4o，同樣可通過手機實時詢問周圍的情況，即使中斷對話也能再及時跟進。

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

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模型相同的技術棧，但規(guī)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。谷歌產品管理副總裁Sameer Samat明確表示，谷歌將通過Gemini進一步優(yōu)化安卓操作系統(tǒng)。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)布會的主角，這當中尤以多模態(tài)和長上下文技術被著墨更多。

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

此時距離Gemini問世已有一年，這一多模態(tài)大模型已經可以跨文本、圖像、視頻、代碼等進行推理。據谷歌透露，有20億用戶以及超150萬開發(fā)人員都在使用Gemini模型，該模型可被用于調試代碼、獲得新的見解并構建下一代人工智能應用程序。

為了能夠進一步展示該模型的多種特性，谷歌針對搜索、照片、安卓系統(tǒng)等不同場景做了更加細致地介紹。

例如在搜索方面，Gemini為其帶來了全面的AI化改造。用戶可以提出更新、更長、更復雜的問題進行查詢，甚至利用照片進行搜索。谷歌計劃在本周開始向美國地區(qū)推出“AI概述”搜索，后續(xù)會在其他國家上線。

谷歌在現場展示了“詢問照片”這一功能。當用戶在停車場付費卻忘記了車牌號碼時，通?？赡軙谑謾C照片中搜索關鍵字，瀏覽大批過往照片來尋找車牌。但現在，只需詢問照片，就能準確告知經常出現的汽車，對車輛進行三角測量，并告知車牌號。

再比如，你可以向照片提問自己的孩子是什么時候學會游泳的，甚至于干脆讓照片告訴你孩子的游泳進展如何。

Gemini不僅僅是一個聊天機器人，也是個人助手，能夠幫助用戶處理復雜的任務以及采取行動。Gemini 1.5 Pro也被引入谷歌云計算服務Google Work space。谷歌號稱，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，自動填寫退貨表格，并安排取件。

大模型就是一場算力競賽，訓練最先進的模型需要大量的算力。過去六年中，行業(yè)對機器學習計算的需求增長了100萬倍，并且每年都會增加十倍。作為AI時代的重要參與者，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（谷歌專為加速機器學習工作負載而設計的一種應用特定集成電路）——“Trillium”，并稱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，每個芯片的計算性能提高了4.7倍，計劃將在今年底向客戶提供。

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，包括Anthropic在內的其他領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品“灌注”AI功能的同時，意味著用戶需要對個人隱私數據做出更多讓渡。對此，谷歌承諾，不會使用其平臺上的用戶文件來訓練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，這場被外界所期待的針對OpenAI的反擊，并沒有帶來更大的驚喜。

轉載來源：界面新聞 作者：陳振芳