2024-12-12 | 김성태 기자

Gemini 2.0揭开面纱…谷歌:“完美的AI助理”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

谷歌公开了多模态(复合信息处理)能力提升的新型人工智能(AI)模型“Gemini 2.0”,加速进军AI智能体(助手)市场。

谷歌11日(当地时间)宣布推出Gemini 2.0。这距其今年2月推出“Gemini 1.5”约10个月。

谷歌自当日起,在面向开发者的平台“Google AI Studio”和企业级平台“Vertex AI”上以实验模型形式提供Gemini 2.0 Flash。Gemini 2.0 Flash在主要基准测试中速度较“Gemini 1.5 Pro”快两倍。它不仅可以接受图像、视频、音频等多模态输入,还能生成结合文本与图像的图像。谷歌DeepMind首席执行官(CEO)戴米斯·哈萨比斯介绍称:“以低延迟和更强性能为特点的Gemini 2.0 Flash,是谷歌大规模落地最前沿技术的最新主力模型。”

谷歌还展示了基于Gemini 2.0、支持复杂任务的新AI助手“Project Mariner”。Project Mariner能够理解并推理浏览器画面。此外,像人一样看、听并以语音对话的助手“Project Astra”的开发也借搭载Gemini 2.0之机加快速度。搭载Gemini 2.0的Project Astra可进行多语言对话,并可使用谷歌搜索、谷歌Lens、谷歌地图等多种功能。记忆能力也得到强化,可记住最长10分钟的对话内容,并基于过去的对话提供个性化体验。谷歌计划不仅在Gemini应用中,也在眼镜形态的硬件上实现Project Astra。谷歌CEO桑达尔·皮查伊强调:“通过多模态的新进展,我们得以更接近谷歌‘通用助手’的愿景。”

谷歌还介绍了帮助撰写复杂研究报告的“Deep Research”。基于AI的Deep Research会在探究复杂主题后,以易于理解的报告形式提供结果。谷歌还公开了在开发者指示与监督下执行命令的“Jules”。Deep Research自当日起可在付费订阅服务Gemini Advanced中使用。

谷歌还计划将Gemini 2.0的高级推理功能应用于拥有10亿用户的AI搜索服务“AI Overview”,使其能够处理数学方程式、多模态提问及编程等更复杂的问题。

以Gemini 2.0发布为契机,大型科技企业间争夺AI助手市场先机的竞争预计将更加激烈。ChatGPT开发商OpenAI前一天正式推出了与AI互动的协作工具“Canvas”。Canvas是一个界面,帮助用户在ChatGPT内更顺畅地借助AI进行写作和编程项目。与既有聊天界面不同,它会为写作和编程任务打开单独窗口,用户可进行实时编辑和细节修改。今年10月首次亮相的Canvas此前仅以测试版形式向ChatGPT Plus等部分付费用户提供,自当日起向所有ChatGPT用户开放。亚马逊近期公开了新的大语言模型“Nova”,并计划明年推出“Nova语音到语音模型”和“任意到任意模型”等多模态模型。

阅读韩文原文