在稍早舉行的 Google I/O 開發者大會 Day1 上，這家科技大廠一個硬體都沒發表，而是聚焦人工智慧，大力宣揚自家 AI 模型 Gemini 在搜尋上、生成式創作領域的應用，作為對 OpenAI 的回應，而作為 Google 老本行的搜尋引擎，在整合最新的 Gemini 後將以 AI Overview (AI 總覽)帶來更精準的搜尋結果，甚至還能夠進行多步驟推理、規劃等過去要拆分很多步驟進行的動作。而隨著自然語言理解和電腦視覺的進步，Google 也將帶來全新的搜尋方式如透過影片+語音，跳脫過去以文字和圖像為主的手段，為廣大使用者展示「Gemini 時代」搜尋將到來的全新高度。
Google 在 I/O 開發者大會上除了講超過 120 次「AI」，更多次以「Gemini era」強調搜尋將邁入新時代，首先是導入「AI Overview」(AI 總覽)為更長更複雜的提問帶來解答，簡單來說，Google 搜尋下方在搜尋結果之前會優先跳出 AI 彙整的答案，這邊提供原始、簡化，以及詳細 (Break it down) 三種回答風格，靠的是背後 Gemini 模型拆解關鍵字的能耐。不易外地...AI Overview 本周起將在美國率先推出，目前各位還玩不到就是，但預計年底前會登陸更多地區。
整合 Gemini 的 Google 搜尋現在也能夠為你的問題提供規劃，Google 將之成為「Planing in Search」，影片中的輸入搜尋欄的指令是「提供住宿大學生一個低預算、為期 7 天的微波食品飲食計畫」，AI Overview 便會在搜尋結果之前列出第 1~7 天的飲食計畫，每個食譜圖磚上都有對應的圖片與烹飪時間，它也提供客製化選項，點擊圖磚上的「取代」、在放大鏡圖案輸入要更改的內容如健康蔬食餐，Gemini 馬上就會更改推薦內容。
- 影片搜尋
- AI Overview
畢竟是以逐幀方式分析內容。
話說在付費版 Gemini Advanced 裡的「Gemini 1.5 Pro」版本，能展現更強大的分析與總結能力，使用者可以將 1500 頁的 PDF、三萬行的程式語言，又或是一小時的影片「餵」給 Gemini 進行資訊彙整，可以省下大量的時間，對於論文寫作這樣的高難度任務十分有幫助。Android 手機端除了各位熟悉的畫圈搜尋，Gemini 也有新花招，舉例來說在觀看 YouTube 的網球影片時詢問特定的網球規則，就能在不跳出應用程式的情況下得到 Gemini 的總結。
- Gemini 側邊欄
- 幫助我彙整與追蹤
- 整理成表單
- 長條圖
在執行長皮采帶來精彩的開場後，Google 人工智慧研究部門 DeepMind 負責人 Demis Hassabis 也隨之登場揭露對 AI 助理的發展願景「Project Astra」，這個以 Gemini 多模態模型為基礎的概念可以視為針對前天 OpenAI 發表的升級版 ChatGPT 所做的回應。
從上方的概念影片可以看到，打開 Android 手機的相機應用，對準畫面並向 Gemini 提問，這個 AI 助理就會給予相應回應，像是詢問桌上喇叭部件的具體名稱、協助解決程式語言問題、提供生活中的靈感等，將相機對準窗外景色就能辨別所在位置，甚至還能幫助使用者找到遺忘在桌上的眼鏡，可怕的是，這個概念也將在不久後的未來成為現實...
而在生成式 AI 的發展上，Google 則針對影像、音樂、影片三個領域帶來更新，首先是「Imagen 3」圖像生成模型，它能更精準地理解使用者下的指令，將文字轉換成更具創造型與細節的影像，同時，模型產生的干擾元素和錯誤也將更少，它目前已可在 ImageFX 上註冊私人預覽版，而為防止生成式圖像被濫用，Imagen 3 也將利用 DeepMind 開發的 SynthID 在生成內容用上隱形的加密浮水印。第二個「Music AI Sandbox」則是與藝術家合作打造更強的 AI 音樂生成模型，這部分的亮點我個人覺得不大
而在「影片生成」領域，Google 則是發表了「Veo」以和 OpenAI 三個月前推出的 Sora 抗衡，以 DeepMind 技術開發的 Veo 可以生成長度超過 1 分鐘、最高 1080p 解析度的高品質影片，除了能夠選擇不同的視覺風格、逼真度與連貫性更強之外，該模型還能理解「縮時」、「空拍」等電影術語，藉以實現更高的創意控制，Veo 從即日起將在 VideoFX 提供私人預覽，未來也將把它的功能導入 YouTube Shorts 和其它產品之中。
圖片來源：Google、YouTube
到處都是AI，千萬不要出現天網啊
