谷歌 I/O 2024：面向新一代的 I/O
内容提要
谷歌首席执行官桑达尔·皮查伊在I/O 2024大会上宣布了人工智能的进展，重点介绍了双子座时代和多模态人工智能模型。双子座模型已经取得成功，超过150万开发者使用，并集成到谷歌产品中。皮查伊讨论了长上下文能力的扩展以及谷歌在人工智能开发中的负责任方法。
延伸解读
双子座模型的长上下文能力意味着什么
文章提到双子座1.5 Pro能在生产中稳定运行100万个标记，并计划扩展到200万个标记。这意味着模型可以一次性处理数百页文本、数小时音频或视频，甚至整个代码库。对于开发者，这能支持更复杂的任务，如分析长文档或构建需要大量背景信息的应用；对于普通用户，在Gemini Advanced中上传密集文件进行分析也将成为可能。长上下文是迈向无限上下文目标的重要一步。
AI代理：从聊天机器人到任务执行者
文章强调双子座不仅是聊天机器人，更是能推理、规划和记忆的智能系统，可在用户监督下跨软件和系统完成任务。例如，代理可以自动处理退货流程：搜索收据、填写表格、安排取件。这显示了AI从被动应答向主动协助的转变。但文章也指出，这些体验仍处于早期阶段，谷歌正在考虑隐私和安全问题。读者可以关注代理在购物、搬家等场景中的实际应用进展。
基础设施与TPU Trillium的突破
为了训练先进模型，谷歌发布了第六代TPU Trillium，其每芯片计算性能比上一代TPU v5e提升4.7倍，计划于2024年晚些时候向云客户提供。文章还提到，谷歌的液冷系统总容量接近1吉瓦，网络光纤超过200万英里。这些投资支撑了AI创新，也解释了为何谷歌能快速推出新模型。对于企业用户，这意味着未来在云上运行AI工作负载可能更高效、更经济。
负责任AI：红队技术与SynthID水印
文章介绍了谷歌在AI安全方面的努力，包括AI辅助红队技术，借鉴AlphaGo等游戏突破来改进模型，以及扩展SynthID水印工具到文本和视频模态，使AI生成内容更易识别。这反映了谷歌在推进AI能力的同时，试图平衡创新与责任。对于开发者和用户，这些工具可能有助于建立对AI内容的信任，但文章未提及具体效果或限制，实际影响仍需观察。
Q&A
谷歌在I/O 2024大会上介绍了哪些人工智能的进展？
谷歌介绍了双子座时代和多模态人工智能模型，强调了长上下文能力的扩展和负责任的AI开发方法。
双子座模型的主要特点是什么？
双子座模型具备长上下文能力，能够在生产中运行100万个标记，并且支持多模态输入，如文本、图像和视频。
谷歌如何利用双子座模型改善搜索体验？
谷歌通过双子座模型推出了搜索生成体验，允许用户进行更复杂的查询，包括使用照片进行搜索。
Ask Photos功能是如何工作的？
Ask Photos功能允许用户通过自然语言查询照片，能够识别常见的汽车并提供相关信息，如车牌号码。
谷歌在AI开发中采取了哪些负责任的方法？
谷歌推出了AI辅助红队技术和内容水印工具SynthID，以确保AI生成内容的可识别性和安全性。
Gemini 1.5 Pro与Gemini 1.5 Flash有什么区别？
Gemini 1.5 Pro支持100万个标记的上下文窗口，而Gemini 1.5 Flash是一个轻量级模型，旨在提高速度和成本效益。
