Google 在 I/O 2024 展示 Gemini 先進多模態 AI
Google 在其 I/O 2024 開發者大會上大放異彩，將 Gemini AI 模型置於中心舞臺。這家科技巨頭展示了 Gemini 令人印象深刻的多模態能力，將其定位為新時代 AI 驅動產品和服務的基礎。
多模態理解
本次展示的亮點是 Gemini 能夠同時處理和理解多種型別的輸入，包括文字、影象、音訊和視訊。這種多模態功能使 Gemini 能夠以更自然和直觀的方式與世界互動。
Google CEO Sundar Pichai 將此稱為 Gemini 時代的開端，標誌著公司在其產品線中整合 AI 方式的重大轉變。
Project Astra：未來的一瞥
最引人入勝的演示之一是 Project Astra，Google 將其描述為一個先進的視覺和對話響應代理。在受控演示中，Gemini 展示了以下能力：
- 實時理解和描述物體
- 根據視覺提示進行創意故事講述
- 玩簡單的遊戲，如你畫我猜
- 記憶並回憶它曾見過的物體的資訊
雖然令人印象深刻，但值得注意的是，這些功能仍在開發中，尚未向消費者開放。
跨 Google 產品的 AI 整合
Google 宣佈了 Gemini 將增強現有產品的幾種方式：
- 搜尋：由 Gemini 驅動的全新 Google 搜尋體驗，提供更個性化和上下文感知的結果。
- Circle to Search：這項功能之前僅限於特定裝置，現在將擴充套件到 1 億臺 Android 手機。它現在可以協助解決複雜任務，如解決數學方程。
- AI 概覽：在 Gmail 和 Docs 等 Google 產品中提供簡潔的資訊摘要。
- Google Assistant：雖然沒有明確說明，但似乎 Google Assistant 正在被逐步淘汰，取而代之的是 Gemini 整合。
展望未來
Google 承諾，Gemini 的一些新功能將於今年晚些時候向使用者開放。然而，這些功能在受控演示之外的實際場景中表現如何，還有待觀察。
公司對多模態 AI 的關注及其在生態系統中的整合，標誌著我們與技術互動方式可能在不久的將來發生重大變化。隨著 Google 繼續開發和完善 Gemini，我們可以期待在日常生活中看到越來越複雜的 AI 應用。