Google年度開發者大會｜推AI搜尋 可拍片發問 美國下周先使用 年底全球開放
原文刊於信報財經新聞「EJ Tech 創科鬥室」
谷歌（Google）昨日召開年度開發者大會I/O，示範人工智能（AI）模型Gemini，如何以多模態形式結合搜尋引擎。Alphabet行政總裁皮采（Sundar Pichai）笑言，整場大會的演講至少122次提到AI字眼，足見其份量。至於下周在美國市場推出的AI Overview，利用生成式AI驅動Google搜尋，結果頁頂將顯示AI生成的延伸內容，簡單或深入的答案任君選擇，年底前會向全球逾10億用戶開放。
大會花了大量時間講解AI搜尋工具，以新增的Ask with Video影片搜尋為例，方法是用戶以手機拍片，輔以語音或文字詢問，搜尋引擎會自動分析畫面，例如看到黑膠唱片機唱針晃動，便回覆相應的維修辦法。此外，Google相簿將於數月內推出實驗功能Ask Photos，以AI分析相片庫的不同景物，分類後再貼上關鍵字標籤，並強調相簿的個人資料絕不會用於廣告。
Google DeepMind主管哈薩比斯（Demis Hassabis）在台上介紹多模式AI助手Project Astra，透過手機鏡頭對準各種物品，便可識別出來，例如喇叭某一指定部分的功能，又或解釋熒幕上的程式碼等，反應快速並有一定記憶力，在展示中更幫手尋回眼鏡。谷歌又宣布即將在Android手機推出以Gemini Nano為本的全新詐騙檢測工具，系統一旦偵測到可疑對話，手機會即時發出警報，提醒用戶小心。
Gemini家族又添成員
大型語言模型方面，谷歌發表家族新成員Gemini 1.5 Flash，其定位介乎1.5 Pro及1.5 Nano之間，上下文視窗支援100萬Tokens，可以分析1500頁文件或3萬行程式碼。今年2月亮相的Gemini 1.5 Pro，上下文視窗倍增至200萬Tokens，足以處理2小時影片、22小時音檔、6萬行程式碼或140萬字內容。以上兩款模型可在谷歌AI Studio及Vertex AI平台，作為公開預覽版本使用。
輸入及輸出收費方面，以每100萬Tokens為單位，Gemini 1.5 Flash價格低至0.35美元及0.53美元；Gemini 1.5 Pro，價格為3.5美元及10.5美元起。下一代開放模型Gemma 2將具備270億個參數，計劃今年6月推出。另一方面，為提供更個人化體驗，谷歌同時發布Gemini客製化版本Gems，讓用戶為聊天機械人自訂角色，例如健身拍檔、副主廚、編碼夥伴或創意寫作指南，近似OpenAI旗下的GPT商店。
生成一分鐘以上高清片
除了教育研究模式LearnLM及音樂AI沙盒，谷歌亦推出文字轉圖像模型Imagen 3，產出栩栩如生的圖像，視覺偽影相對較少；影像生成模型Veo方面，可以生成長度超過一分鐘、1080p解像度的高清影片，融入縮時拍攝手法之餘，更懂得電影及視覺藝術的術語。谷歌提到，由AI生成的媒體檔案，例如影像、聲音、文字及影片，已支援開源數碼水印SynthID。未來將與「內容出處和真實性聯盟」（C2PA）合作，與Adobe、微軟、英特爾、OpenAI、索尼等科企建立標準。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
