谷歌CEO Sundar Pichai宣佈推出Gemini 2.0模型,這代表了谷歌革新AI的下一步。
在推出Gemini 1.0模型一年後,這一重大升級包含了增強的多模態功能、代理功能和創新的使用者工具,旨在推動AI驅動技術的發展。
邁向變革性AI
回顧谷歌26年來組織和使世界資訊可訪問的使命,Pichai表示,"如果Gemini 1.0是關於組織和理解資訊,那麼Gemini 2.0就是關於使其更加有用。"
2022年12月釋出的Gemini 1.0是谷歌首個原生多模態AI模型。這一版本擅長理解和處理文字、影片、影象、音訊和程式碼。其增強版1.5被開發者廣泛採用,因其長上下文理解能力,可用於生產力為重點的NotebookLM等應用。
現在,透過Gemini 2.0,谷歌旨在加速AI作為通用助手的角色,它具有原生影象和音訊生成、更好的推理和規劃以及現實世界決策能力。正如Pichai所說,這一發展代表了"代理時代"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的實驗性發布,這是Gemini第二代的旗艦模型。它在前代基礎上提供了更快的響應時間和更出色的效能。
Gemini 2.0 Flash支援多模態輸入和輸出,包括能夠與文字一起生成原生影象,以及產生可控的多語言文字到語音音訊。此外,使用者還可以享受到與Google Search等原生工具以及第三方使用者定義函式的整合。
開發者和企業將透過Gemini API在Google AI Studio和Vertex AI獲得Gemini 2.0 Flash,而更大的模型尺寸計劃於2024年1月更廣泛釋出。
為了實現全球可訪問性,Gemini應用程式現在提供了2.0 Flash實驗模型的聊天最佳化版本。早期採用者可以在桌面和移動裝置上體驗這個更新的助手,移動應用程式即將推出。
全面的AI創新套件
Gemini 2.0的推出伴隨著一些令人興奮的新工具,展示了其功能。
其中一個名為Deep Research的功能,可以作為AI研究助手,簡化複雜主題的調研過程,並將資訊編譯成全面的報告。另一個升級則是使用Gemini支援的AI概述來處理複雜的多步使用者查詢。
該模型是使用谷歌第六代張量處理單元(TPU)Trillium進行訓練的,Pichai指出"Trillium支援了100%的Gemini 2.0訓練和推理"。
開創代理體驗
隨Gemini 2.0推出的還有一些實驗性的"代理"原型,旨在探索人機協作的未來,包括:
- Project Astra:通用AI助手
Project Astra利用Gemini 2.0的多模態理解來改善現實世界的AI互動。經過可信測試者在Android上的試用,有助於完善其多語言對話、記憶保持和與Google Search、Lens和Maps等工具的整合。Astra還展示了接近人類的對話延遲,正在進一步研究將其應用於可穿戴技術,如原型AI眼鏡。
- Project Mariner:重新定義網路自動化
Project Mariner是一個實驗性的網路瀏覽助手,利用Gemini 2.0在文字、影象和表單等互動元素之間進行推理的能力。在初步測試中,它在WebVoyager基準測試中實現了83.5%的成功率。早期使用Chrome擴充套件程式的測試者正在幫助完善Mariner的功能,同時谷歌正在評估確保該技術保持使用者友好和安全的措施。
- Jules:面向開發者的編碼代理
Jules是一個整合到GitHub工作流程中的AI驅動助手,可以自主提出解決方案、生成計劃並執行基於程式碼的任務,全程在人類監督下進行。這一實驗性嘗試是谷歌長期目標的一部分,即在各個領域創造多功能AI代理。
應對AI發展中的責任
隨著AI能力的擴充套件,谷歌強調優先考慮安全和道德因素的重要性。
谷歌聲稱Gemini 2.0經過了廣泛的風險評估,並得到了責任和安全委員會的監督,以減輕潛在風險。此外,它內建的推理能力還允許進行高階"紅隊測試",使開發者能夠評估安全場景並最佳化安全措施。
谷歌還在探索應對使用者隱私、防止濫用和確保AI代理可靠性的保障措施。例如,Project Mariner被設計為優先執行使用者指令,同時抵禦惡意提示注入,防範諸如網路釣魚或欺詐交易等威脅。而Project Astra中的隱私控制使使用者可以輕鬆管理會話資料和刪除偏好。
Pichai重申了公司對負責任發展的承諾,"我們堅信,建立AI的唯一方式就是從一開始就負責任地進行。"
透過Gemini 2.0 Flash的釋出,谷歌正朝著構建一個能夠改變各領域互動的通用助手的願景邁進。
