ChatGPT / AI新闻聚合

🌟 2024 年谷歌 I/O 开发者大会重要信息汇总 🌟

📌Gemini 1.5 Pro

- 支持百万级别的上下文信息，显著提升了翻译、编程和推理能力
- 通过 #Gemini Advanced 面向全球开发者和消费者发布，支持 35 种语言
- 内部测试版支持 200 万单位的上下文窗口，即将开放预览

📌Gemini 1.5 Flash

- 推出轻量化的模型，针对低延迟和低成本场景进行优化，可在 AI Studio 和 #Vertex AI 平台使用
- 专为高并发、高频次的应用而设计，例如自动摘要、聊天机器人、图像视频字幕提取、数据挖掘等

📌多模态能力与长上下文处理

- Gemini 拥有强大的多模态处理能力，可以集成并处理各种类型的输入，提供全面而综合的输出结果
- 其应用场景包括处理海量的文本、音频、视频以及代码库等

📌Gemini 高级版的更新与新功能

- Gemini 高级版中的 Gemini 1.5 Pro 可以同时处理高达 100 万个 token，能够并行分析多个大型文档，或对 100 封电子邮件进行总结提炼
- Gemini Live 带来了全新的交互体验，用户可以通过语音与 Gemini 进行自然流畅的对话
- Gemini 高级版可以整合来自 #Gmail、#Google 地图等多个信息源的数据，为用户量身打造个性化的行程和计划
- 用户还可以根据自身的特定需求，定制专属的 Gemini 版本——#Gems，提供诸如健身陪练、编程助手等服务
- 与更多 Google 应用实现无缝连接，包括日历、任务和笔记等，可以显著简化工作流程、提升效率和条理性

📌AI 赋能搜索新体验

- 全新 “AI 搜索摘要” 功能面向美国用户推出，提供更加智能、基于上下文的搜索体验
- 升级后的 #AI 搜索摘要可提供快速解答、规划建议和研究分析等能力
- 用户可按需调整 AI 搜索摘要，获取简明扼要或详尽全面的答复
- 支持对复杂查询进行多步推理分析
- 提供餐饮、旅行等多个领域的智能规划方案
- 依托 AI 生成条理清晰的结果页面，激发灵感、探索新想法
- 视频搜索让视觉查询和故障排查变得更加简单

📌Gemini 强化 Google #Workspace 办公套件

- Gemini 1.5 Pro 现已集成到 Gmail、文档、云端硬盘、幻灯片和表格，提供强大的推理和摘要功能
- Gmail 移动应用新增电子邮件摘要、智能回复、问答助手等实用功能，随时随地高效处理邮件
- 进一步拓展了 Gmail 和文档对西班牙语、葡萄牙语的支持
- #NotebookLM 新增从源材料生成个性化音频摘要的强大功能

📌AI Agents

- 研发 AI Agents，赋予其处理购物退货、整理个人信息等复杂任务的能力
- 这些 #Agents 能够在用户的监管下自主分析、规划并执行任务

📌Astra 计划

- 着眼打造一款通用型 AI 智能助理，实现实时对话交互，并能理解多模态信息

📌VideoFX、ImageFX 和 MusicFX

- #VideoFX：内置 Veo 模型，让用户可根据文字描述一键生成视频，目前面向美国用户提供私人预览
- #Veo 是一款先进的视频生成模型，能够根据详尽的文字描述，生成 1080p 高清视频，支持多种风格。VideoFX 已面向特定创作者开放 Veo 私人预览
- #ImageFX：新版新增多项图像编辑功能，并集成 Imagen 3 模型，可输出更高质量图像，现已支持全球 110 个国家/地区，覆盖 37 种语言
- #Imagen 3 是一款高质量文本转图像模型，可生成逼真、细节丰富的图像，大幅减少伪影。ImageFX 已面向特定创作者提供 Imagen 3 私人预览，该模型也将很快登陆 Vertex AI 平台
- #MusicFX 新增 DJ 模式，用户可轻松融合不同音乐风格和乐器，打造个性化混音
- Music AI Sandbox 由 Wyclef Jean、Justin Tranter、Marc Rebillet 等艺术家参与开发，可用于创作原创乐器音轨，并实现声音变换
- 以上工具生成的所有内容均已添加 #SynthID 数字水印

📌“询问照片”，让照片搜索更智能

- Google 相册推出 “询问照片” 新功能，由 Gemini 模型提供支持，用户可使用自然语言搜索个人照片库
- 帮助用户快速创建照片精选和个性化标题，轻松在社交媒体上分享
- Google 严格保护 Google 相册用户的数据隐私，承诺绝不将个人数据用于广告投放或外部 AI 训练，并采用业界领先的安全措施

📌LearnLM - 专为学习优化的全新模型

- #LearnLM 是一个全新的模型系列，在 Gemini 的基础上经过微调，专为学习而优化，同时融合了教育研究的最新成果
- 新工具 #Illuminate 可将研究论文转化为简短的音频对话，配以 AI 生成的语音
- Learn About 整合了优质内容、学习科学和聊天体验，为用户提供个性化的学习指导服务

📌Gemini 强势登陆 Android 平台

- Gemini 模型已整合到 #Android 系统，其中就包括设备端的轻量版 Gemini Nano，具备多模态能力，可显著提升用户体验
- Circle to Search 等功能为学生完成家庭作业提供了清晰的分步指导
- Gemini 叠加层支持跨应用拖放 AI 生成的内容，并能更深入地理解上下文
- 改进了诈骗检测警报和 #TalkBack，提供更清晰的描述信息
- 完整的多模态 Gemini Nano 即将登陆 Android，首批适配设备为 #Pixel 系列

📌#Trillium 处理器迎来重大升级

- 宣布推出第六代 #TPU，将在 AI 模型的训练和部署上带来显著的性能提升

📌Gemini API 和开发者工具更新

- Gemini API 新增视频帧提取和并行函数调用，6 月还将支持上下文缓存
- 发布 #PaliGemma，可用于图像字幕和视觉问答；同时推出采用 27B 参数模型的 #Gemma 2，可在 GPU 或单个 TPU 上实现高效运行

📌负责任地发展人工智能

- 利用人工智能辅助红队测试，以改进模型性能
- 扩展 SynthID 技术，支持对文本和视频内容进行水印
- 恪守人工智能开发原则，致力于相关研究，与专家和用户紧密合作，确保人工智能技术的安全、有益应用
- 携手教育机构和相关组织，共同开发负责任的人工智能应用

📌SynthID 水印技术全面升级

- SynthID 现已支持为 Gemini 应用和网页中的文本添加水印，同时可为 Veo 视频添加水印
- 巧妙地将水印无缝嵌入文本生成过程，既不影响生成内容的质量，也不会降低生成速度
- 计划开源 SynthID 文本水印技术，助力开发者将其集成到自有模型中

📌人工智能助力攻克现实世界难题

- 人工智能的日新月异，正在助力解决现实世界的难题，推动科学领域取得重大突破，如实现人类大脑皮层的突触级分辨率 3D 重建、利用 #AlphaFold 3 精准预测生物结构，还有 Med-Gemini 在医学领域的广泛应用
- 人工智能技术还成功应用于洪水预报，以及支持联合国可持续发展目标的数据共享平台建设

https://blog.google/technology/developers/google-io-2024-collection/

📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io

blog.google

I/O 2024

Here’s a look at everything we announced at Google I/O 2024.