AI搜索引擎来了!谷歌放大招,发布最强AI模型,语音功能正面刚OpenAI
来源:硬AI
虽然被OpenAI抢在前面发布了重磅新品演示,但谷歌后发制人,做到了OpenAI还没能做到的事,率先发布人工智能(AI)搜索引擎,捍卫搜索领域的王者地位,同时对垒OpenAI新发布的旗舰模型GPT-4o,以升级版的最强大AI模型Gemini迎战。
美东时间5月24日周二举行的年度GoogleI/O开发者大会上,谷歌CEO SundarPichai表示,谷歌所有的工作都围绕生成式AI模型Gemini来做,“我们希望每个人都能从Gemini所做的事中受益。”AI搜索正是Pichai提到的Gemini融入谷歌多种服务之一。
Pichai宣布,本周,AI技术生成摘要的功能将上线美国的谷歌搜索,它名为AIOverviews,并很快会在更多国家地区推出。
通过多步推理,Gemini可以代替用户研究,找到更好的搜索结果。比如谷歌搜索中的Gemini可以通过汇总一天中的所有膳食以及所有菜肴的食谱,为用户规划膳食。如果用户觉得做饭太麻烦,谷歌搜索还可以在Gemini的帮助下,为用户找到可以购买用户所需餐食的地方。
在Gemini的帮助下,用户的搜索结果页面也会发生变化,比如寻找有现场音乐的餐厅,它甚至可以根据不同的季节做推荐,比如显示有屋顶的餐厅。
Pichai现场演示,借助Gemini的强大功能,在谷歌相册GooglePhotos可以进行更多的相关搜索,比如通过名为AskPhotoswithGemini的新功能让Gemini找到用户想要的车牌照号,Gemini将根据上下文响应在相册中搜索,并选出用户想要的照片,得到照片中拍到的车牌照号。
谷歌云计算生产力和协作平台GoogleWorkspace的许多服务将结合Gemini,例如用Gemini在Gmail中搜索特定发件人发出的电邮,在线上网络和视频会议GoogleMeeting中找到亮点。
Gemini可用于搜索用户的手机,帮用户查找收据、安排取货窗口。如果用户计划旅行,Gemini可以用来搜索有趣的活动。Pichai表示,谷歌正在“让AI对每个人都有帮助”。
谷歌称,用户将可以直接在搜索中通过视频提问。谷歌高管演示了,如何借助视频搜索修复损坏的电唱机。具体做法是,先录制视频展示损坏的问题,然后询问,为什么电唱机无法正常工作。谷歌搜索就能够进行逐帧搜索,回答高管的问题。
Gemini1.5Pro上下文窗口200万token 全球最长
谷歌称,推出号称有史以来最强大AI模型GeminiAdvanced三个月内,已有超过100用户注册。
从本周二起,谷歌在GeminiAdvanced中加入新模型成员Gemini1.5Pro,称它拥有的上下文窗口在全球消费类聊天机器人中最长,窗口起始就有100万个token。Gemini1.5Pro将向150多个国家地区的GeminiAdvanced订阅者提供,支持超过35种语言。
Pichai称,Gemini1.5Pro“提供了迄今为止所有基础模型中最长的上下文窗口。”他介绍,Gemini1.5Pro将拥有200万个token的上下文窗口,是当前模型100万个token窗口的两倍。
Gemini新语音对话功能Live定制版Gemini
谷歌称,今年夏季将扩展Gemini的多模态功能,包括增加用语音进行深入双向对话的能力,该功能被称为Live。通过GeminiLive,用户可以与Gemini交谈,并可以从各种自然的声音中选择它回应的声音。用户甚至可以按照自己的节奏说话,或者在回答过程中打断并澄清问题,就像在任何人类对话中一样。
有网友评论称,想知道相比OpenAI周一发布的最新旗舰模型GPT-4o,Gemini的对话功能会有多好。
谷歌称,今年夏季,将在GeminiAdvanced中添加新的旅行规划功能。借助考虑时间和空间方面物流的先进推理,Gemini将能够创建个性化的行程,节省用户的工作时间。
未来几周,谷歌将在GeminiAdvanced中添加新的数据分析功能。用户只需上传电子表格,Gemini就可以分析数据、制作图表,并更快地发掘见解。
谷歌将推出被称为Gem的Gemini的定制版本。GeminiAdvanced订阅者将很快可以获得更个性化的体验,根据自己的需要创建Gemini,只需描述用户希望Gem做什么以及希望它如何响应,就可以让它化身健身伙伴、主厨帮手、编代码的拍档或者创意写作指南。
例如,用户可以要求Gemini:做我的跑步教练,给我一个每天跑步的计划,而且保持积极、乐观、激励我。Gemini将接收这些说明,用户只需单击一下,即可强化这方面的特质,创建一个满足特定需求的Gem。
ProjectAstra回答手机所拍物问题安卓端侧Gemini增加多模态功能
谷歌官宣推出新的多模态AI项目ProjectAstra,它可以为用户解释智能手机拍到的东西。在谷歌展示的视频中,只要将手机摄像头对准某个物体,Gemini就可以识别它,比如一个红苹果,还可以回答诸如镜头中什么东西是可以发声的这种问题。
谷歌称,将很快为模型GeminiNano添加多模式功能。这意味着,用户的手机可以通过文本、图像、声音和口语,按照用户理解的方式理解世界。
谷歌称,端侧安卓系统手机版的GeminiNano将更有帮助,更有上下文的意识。今年,安卓手机的用户将可以将生成的图像拖放到GoogleMessages和Gmail中,并可以直接在手机上提出有关YouTube视频和PDF文件的问题,得到解答。
谷歌称,今年晚些时候,GeminiNano的辅助功能TalkBack将增强。图像描述将更加清晰和丰富,帮助弱视用户和盲人用户通过语音反馈,更好地指示他们的手机。