谷歌CEO Sundar Pichai宣布推出Gemini 2.0模型,这代表了谷歌革新AI的下一步。
在推出Gemini 1.0模型一年后,这一重大升级包含了增强的多模态功能、代理功能和创新的用户工具,旨在推动AI驱动技术的发展。
迈向变革性AI
回顾谷歌26年来组织和使世界信息可访问的使命,Pichai表示,"如果Gemini 1.0是关于组织和理解信息,那么Gemini 2.0就是关于使其更加有用。"
2022年12月发布的Gemini 1.0是谷歌首个原生多模态AI模型。这一版本擅长理解和处理文本、视频、图像、音频和代码。其增强版1.5被开发者广泛采用,因其长上下文理解能力,可用于生产力为重点的NotebookLM等应用。
现在,通过Gemini 2.0,谷歌旨在加速AI作为通用助手的角色,它具有原生图像和音频生成、更好的推理和规划以及现实世界决策能力。正如Pichai所说,这一发展代表了"代理时代"的曙光。
Gemini 2.0:核心功能和可用性
本次公告的核心是Gemini 2.0 Flash的实验性发布,这是Gemini第二代的旗舰模型。它在前代基础上提供了更快的响应时间和更出色的性能。
Gemini 2.0 Flash支持多模态输入和输出,包括能够与文本一起生成原生图像,以及产生可控的多语言文本到语音音频。此外,用户还可以享受到与Google Search等原生工具以及第三方用户定义函数的集成。
开发者和企业将通过Gemini API在Google AI Studio和Vertex AI获得Gemini 2.0 Flash,而更大的模型尺寸计划于2024年1月更广泛发布。
为了实现全球可访问性,Gemini应用程序现在提供了2.0 Flash实验模型的聊天优化版本。早期采用者可以在桌面和移动设备上体验这个更新的助手,移动应用程序即将推出。
全面的AI创新套件
Gemini 2.0的推出伴随着一些令人兴奋的新工具,展示了其功能。
其中一个名为Deep Research的功能,可以作为AI研究助手,简化复杂主题的调研过程,并将信息编译成全面的报告。另一个升级则是使用Gemini支持的AI概述来处理复杂的多步用户查询。
该模型是使用谷歌第六代张量处理单元(TPU)Trillium进行训练的,Pichai指出"Trillium支持了100%的Gemini 2.0训练和推理"。
开创代理体验
随Gemini 2.0推出的还有一些实验性的"代理"原型,旨在探索人机协作的未来,包括:
- Project Astra:通用AI助手
Project Astra利用Gemini 2.0的多模态理解来改善现实世界的AI交互。经过可信测试者在Android上的试用,有助于完善其多语言对话、记忆保持和与Google Search、Lens和Maps等工具的集成。Astra还展示了接近人类的对话延迟,正在进一步研究将其应用于可穿戴技术,如原型AI眼镜。
- Project Mariner:重新定义网络自动化
Project Mariner是一个实验性的网络浏览助手,利用Gemini 2.0在文本、图像和表单等交互元素之间进行推理的能力。在初步测试中,它在WebVoyager基准测试中实现了83.5%的成功率。早期使用Chrome扩展程序的测试者正在帮助完善Mariner的功能,同时谷歌正在评估确保该技术保持用户友好和安全的措施。
- Jules:面向开发者的编码代理
Jules是一个集成到GitHub工作流程中的AI驱动助手,可以自主提出解决方案、生成计划并执行基于代码的任务,全程在人类监督下进行。这一实验性尝试是谷歌长期目标的一部分,即在各个领域创造多功能AI代理。
应对AI发展中的责任
随着AI能力的扩展,谷歌强调优先考虑安全和道德因素的重要性。
谷歌声称Gemini 2.0经过了广泛的风险评估,并得到了责任和安全委员会的监督,以减轻潜在风险。此外,它内置的推理能力还允许进行高级"红队测试",使开发者能够评估安全场景并优化安全措施。
谷歌还在探索应对用户隐私、防止滥用和确保AI代理可靠性的保障措施。例如,Project Mariner被设计为优先执行用户指令,同时抵御恶意提示注入,防范诸如网络钓鱼或欺诈交易等威胁。而Project Astra中的隐私控制使用户可以轻松管理会话数据和删除偏好。
Pichai重申了公司对负责任发展的承诺,"我们坚信,建立AI的唯一方式就是从一开始就负责任地进行。"
通过Gemini 2.0 Flash的发布,谷歌正朝着构建一个能够改变各领域互动的通用助手的愿景迈进。
