谷歌推出了多模态(复合信息处理)能力提升的下一代人工智能(AI)模型“Gemini 2.0”。谷歌还公布了以Gemini 2.0为基础、可提高工作效率的AI智能体(助理)服务。随着全球科技巨头争相推出高度成熟的AI助理服务并着手变现,有观点指出韩国企业需要迅速应对。
谷歌11日(当地时间)宣布推出Gemini 2.0。这是谷歌继今年2月推出“Gemini 1.5”约10个月后再次发布新AI模型。
谷歌从当天起在面向开发者的平台“Google AI Studio”和企业平台“Vertex AI”上以实验模型形式提供Gemini 2.0 Flash。Gemini 2.0 Flash在主要基准测试中的速度比“Gemini 1.5 Pro”快两倍。除图像、视频、音频等多模态输入外,还可实现多模态输出。
谷歌还接连推出基于Gemini 2.0的新AI助理。“Project Mariner”支持理解和推理浏览器画面等复杂任务。谷歌DeepMind首席执行官(CEO)戴米斯·哈萨比斯表示:“我们从浏览器开始,探索人类与智能体互动的未来”,“目前尚不总是准确,完成任务的速度也较慢,但随着时间推移将迅速改善。”
此外,像人一样看、听并以语音对话的助理“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可以多语言对话,并可利用谷歌搜索、Google Lens、Google Maps等多种功能。记忆力也得到强化,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应用程序中,还将在眼镜形态的硬件形式上实现Project Astra。
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。谷歌还公布了在开发者指示和监督下执行命令的“Jules”。Deep Research从当天起可在付费订阅制的Gemini Advanced中使用。谷歌首席执行官(CEO)桑达尔·皮查伊强调:“随着Gemini 2.0的推出,通过多模态的新进展,我们得以更接近谷歌‘通用助理’的愿景。”
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 Overviews”,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推出为契机,预计科技巨头之间争夺AI助理市场先机的竞争将日趋激烈。ChatGPT开发商OpenAI前一天正式推出了与AI互动的协作工具“Canvas”。Canvas是在ChatGPT内帮助用户更顺畅地利用AI进行写作和编程项目的界面。与现有的聊天界面不同,它会为写作和编程工作单独打开窗口,用户可进行实时编辑和细节修改。今年10月首次亮相的Canvas此前以测试版形式提供给ChatGPT Plus等部分付费用户,但从当天起向所有ChatGPT用户提供。亚马逊近期公布了新的大型语言模型(LLM)“Nova”,并计划明年推出“Nova Speech to Speech模型”和“Any to Any模型”等多模态模型。
数十年来以操作系统(OS)Windows为中心引领创新的微软(MS)上月公布了在视频会议中实时学习用户声音并翻译成9种语言的“口译智能体”等。此外还介绍了可轻松找到特定网站或文件、文件夹所在位置的“SharePoint智能体”,以及代替员工申请休假、查询薪酬与福利信息的“员工自助服务智能体”。
随着科技巨头接连推出高度成熟的AI助理服务,有人担忧韩国企业的立足空间可能缩小。SK电讯(017670)、LG U+(032640)、KT(030200)等移动通信公司推出的AI助理服务目前仍停留在面向用户的附加服务水平,NAVER集团与Kakao集团(035720)也尚未推出正式的AI助理。业界一位相关人士指出:“科技巨头以自有LLM为基础推出各种AI服务并着手变现”,“按目前趋势,AI助理市场也可能成为科技巨头的游乐场。”






