谷歌
谷歌 2 小时复仇硬刚 GPT-4o：Gemini 颠覆搜索，视频 AI 对抗 Sora
【新智元导读】被 OpenAI 提前截胡的谷歌，昨天不甘示弱地开启反击！大杀器 Project Astra 效果不输 GPT-4o，文生视频模型 Veo 硬刚 Sora，用 AI 彻底颠覆谷歌搜索，Gemini 1.5 Pro 达到 200 万 token 上下文…… 谷歌轰出一连串武器，对 OpenAI 贴脸开大。谷歌 I / O 2024 如期来了，眼花缭乱地发布了一堆更新。跟 OpenAI 半小时的「小而美」发布会相比，谷歌显然准备得更加充分，当然，时间也相当之长……▲ 2 个多小时的发布会也是挑战着观众们的
5/16/2024 1:24:48 PM
汪淼
谷歌 AI 视频搜索功能演示又翻车，Gemini 给出错误维修建议
在今天的谷歌 I / O 大会上，谷歌大肆宣传其名为 Gemini 的人工智能将接管搜索引擎领域。然而，在其炫酷的演示环节中，Gemini 却再次暴露了所有大型语言模型至今为止都存在的致命缺陷：自信满满地给出错误答案。在 “Gemini 时代下的搜索” 演示片段中，谷歌展示了其视频搜索功能，用户可以通过拍摄短视频并用语音提问进行搜索。演示的例子是一个卡住的胶片相机过片杆，用户询问“为什么扳杆无法移动到底”，Gemini 则识别出问题并提供了维修建议。 然而问题在于，Gemini 给出的答案整体而言令人啼笑皆非。谷歌
5/15/2024 4:28:24 PM
远洋
谷歌 Calendar、Tasks 和 Keep 等服务将集成 Gemini
谷歌公司在今天召开的 I / O 2024 开发者大会上，宣布在 Google Calendar、Tasks 和 Keep 应用中整合 Gemini 模型，为用户带来更丰富的 AI 功能。谷歌在开发者大会上表示，Gemini 聊天机器人支持网页或者移动 App 中上传图片操作，IT之家附上谷歌官方例子如下，拍一张学校活动列表的照片，然后让 Gemini 把它们添加到你的个人 Google Calendar 中。谷歌提供的另一个例子是让 Gemini 将食谱中的项目添加到谷歌 Keep 购物清单中。Gemini 负责
5/15/2024 4:06:11 AM
故渊
谷歌 Workspace 办公套件整合 Gemini：可总结邮件内容、梳理会议要点等
谷歌公司在今天召开的 I / O 2024 开发者大会上，宣布 Google Workspace 将进一步整合 Gemini，在侧面板中将推出基于 Gemini 1.5 Pro 的诸多技能。谷歌表示 Workspace 整合 Gemini 的作用，是为用户节省从多个应用程序中挖掘文件、电子邮件和其他数据的时间和精力。谷歌 Workspace 副总裁阿帕纳・帕普（Aparna Pappu）在会上说：“Gemini 时代的 Workspace 将开启完成工作的新方式”。IT之家注：谷歌 Workspace 的 Gmai
5/15/2024 3:45:19 AM
故渊
谷歌 Gemini 解锁旅行规划技能，几秒内帮你妥当安排行程
谷歌公司在今天召开的 I / O 2024 开发者大会上，宣布为 Gemini 引入旅行规划功能，结合个人信息和公共出行信息，帮用户规划预订航班、酒店等等。谷歌表示 Gemini 可以基于用户的提示，挖掘航班时间和酒店预订等具体细节，在几秒钟内制定出合适的度假行程。谷歌副总裁兼 Gemini 总经理 Sissie Hsiao 表示，用户手动规划一次旅行可能需要数小时、数天甚至数周的时间，而 Gemini 几乎可以瞬间完成。Hsiao 表示 Gemini 的规划是动态的，用户可以根据后期提示和其它要求进一步调整规划。
5/15/2024 3:28:56 AM
故渊
你的助手你决定，谷歌推出 Gems 功能：由用户定制 Gemini 角色
谷歌公司在今天召开的 I / O 2024 开发者大会上，宣布为 Gemini 推出名为“Gems”的个性化选项，可以让用户定制 Gemini 助手角色。Gems 功能可以让用户迭代的聊天机器人，在保留指定特征的情况下帮助你完成某些任务。Gems 感觉类似于 OpenAI 的 GPT Store，可以让你制作定制的 ChatGPT 聊天机器人。该功能也有点像在 Character.AI 中创建自己的机器人，Character.AI 可以让你与虚拟的流行人物和名人甚至假冒的心理医生交谈。谷歌表示，用户通过 Gems
5/15/2024 3:12:28 AM
故渊
哪里不会圈哪里，谷歌赋予“圈选即搜”新技能：帮你解数学题
谷歌在今天召开的 I / O 2024 开发者大会上，宣布进一步增强安卓手机端的“圈选即搜”（Circle to Search）技能，可以用于解答数学、物理等问题。谷歌表示学生可以使用安卓手机或平板电脑，通过“圈选即搜”功能解决家庭作业中的数学、物理问题。该功能将帮助解题，并列出学生需要做什么才能得到正确答案。根据谷歌的说法，它不会真的帮你做作业，只会帮助你解决问题。IT之家从报道中获悉，谷歌还表示将会继续升级“圈选即搜”技能，后续将支持公式、图表、图形等复杂数学方程式，谷歌正在使用经过学习微调的新人工智能模型 L
5/15/2024 3:04:01 AM
故渊
文生图技能再进化，谷歌推出 Imagen 3：更准确、更具创造性
谷歌公司在今天召开的 I / O 2024 开发者大会上，宣布推出了 Imagen 3，进一步增强了文本生成图片的技术能力。谷歌人工智能研究部门 DeepMind 负责人德米斯-哈萨比斯（Demis Hassabis）说，与前代产品 Imagen 2 相比，Imagen 3 能更准确地理解文字提示，并将其转化为图像，而且其生成的图像更具“创造性和细节”，且模型产生的干扰元素和错误也更少。为了打消人们对 Deepfake 可能性的担忧，谷歌表示，Imagen 3 将使用 DeepMind 开发的 SynthID 方法
5/15/2024 2:36:36 AM
故渊
剑指 Sora，谷歌推出 Veo 文生视频模型：时长超 1 分钟、最高 1080P，支持电影手法
感谢OpenAI 三个月前推出文本转视频 Sora，引发了网友、媒体以及圈内人士的广泛讨论。谷歌在今天召开的 2024 I / O 开发者大会上，也推出了对标产品-- Veo，可以生成长度超过 1 分钟，分辨率最高 1080P 的“高质量”视频，并具有多种视觉和电影风格。根据谷歌官方新闻稿，Veo 具备对自然语言有先进的理解能力，能够理解“延时摄影”、“航拍风景”等电影术语。用户可以使用文本、图像或视频提示来指导他们所需的输出，谷歌表示，这样产生的视频“更加连贯一致”，在整个镜头中人物、动物和物体的动作也更加逼真。
5/15/2024 2:27:03 AM
故渊
对轰 GPT-4o，谷歌推出 Astra 项目：手机镜头内低延迟聊天交互
谷歌公司在今天召开的 2024 年 I / O 开发者大会上，推出了全新的 Project Astra 项目，基于 Gemini，可以本地运行在 Pixel 手机上，可以说是对标 OpenAI GPT-4o 的最新模型。谷歌表示 Project Astra 是最新的多模态 AI 项目，用户打开摄像头，该多模态项目可以直接解释用户画面中物品。该公司刚刚用一段令人印象深刻的视频演示了它的功能，在一个不间断的镜头中，它能正确识别几件物品，回忆起它在哪里看到了主人的眼镜（靠近桌子上的一个红苹果），还能解释屏幕上的代码。IT
5/15/2024 2:13:49 AM
故渊
谷歌今夏推“Ask Photos”功能，聊天方式更快找到照片和视频
谷歌公司在今天召开的 2024 年 I / O 开发者大会上，宣布今年夏季将为 Google Photos 推出“Ask Photos”辅助服务，带来更贴心的搜索体验。谷歌首席执行官桑达尔・皮查伊现场演示，询问 Google Photos 应用：“我的车牌号是多少来着？”此前用户搜索车牌需要滚动浏览许多不同汽车的照片，而在演示中 Google Photos 能根据位置、多年来在照片中出现的次数和其他数据，找出哪辆车才是要找的车牌号，并以文字回复的形式提供了实际车牌号，同时还提供了一张验证车牌号的图片。皮查伊表示 A
5/15/2024 2:05:48 AM
故渊
谷歌 Gemini 家族添 Flash 新成员：平衡规模和能力、支持多模态，单次可分析 3 万行代码
谷歌公司今天扩充 Gemini 家族成员，推出了全新的 Gemini 1.5 Flash 模型，重点优化了该模型的速度和效率。谷歌 DeepMind 首席执行官德米斯・哈萨比斯（Demis Hassabis）在一篇博客文章中写道：Gemini 1.5 Flash 擅长摘要、聊天应用、图像和视频字幕、从长文档和表格中提取数据等。哈萨比斯补充说，谷歌之所以创建 Gemini 1.5 Flash，是因为开发人员需要一个比谷歌今年 2 月发布的 Gemini 1.5 Pro 更轻便、更便宜的模型。IT之家注：Gemini
5/15/2024 1:47:17 AM
故渊
AI 聊天机器人大战升温：谷歌 Gemini 预告片展示惊艳语音视频交互能力
人工智能聊天机器人领域烽烟再起，谷歌和 OpenAI 之间激烈的竞争态势愈演愈烈。就在谷歌一年一度的 I / O 开发者大会召开前夕，这家科技巨头发布了一段视频，展示了疑似经过升级的 Gemini 聊天机器人。视频中，Gemini 可以同时实时处理来自视频和语音的输入。这段视频貌似是在 I / O 大会搭建现场拍摄的，视频展示了 Gemini 在一台 Pixel 手机上流畅地处理实时视频和语音提问，并准确地提供信息。当被问到正在进行的布置工作时，Gemini 正确识别出这是为一个重要活动做的准备。 整个对话过程自然
5/14/2024 6:06:23 PM
远洋
“面对面通话”指日可待，谷歌、惠普明年将推动全息视频聊天技术商业化
谷歌今日通过新闻稿宣布，将与惠普于 2025 年开始推动全息视频聊天技术 Project Starline 的商业化。谷歌表示，Project Starline 是一个突破性的技术项目，可以让朋友、家人和同事在任何距离都感觉对方近在咫尺。该项目利用先进的 AI、三维成像和其他技术，可以使用户在通话时就像与对方“同处一室”一样。 未来，这项技术将会走出实验室，将从明年开始在 Google Meet 或 Zoom 等视频会议服务中启用这种体验。惠普个人系统总裁 Alex Cho 表示，“一半以上的意义和意图是通过肢体语
5/13/2024 10:56:53 PM
清源
多模态AI是医学的未来，谷歌推出三个新模型，Med-Gemini迎来大升级
编辑 | 白菜叶许多临床任务需要了解专业数据，例如医学图像、基因组学，这类专业知识信息在通用多模态大模型的训练中通常不存在。在上一篇论文的描述中，Med-Gemini 在各种医学成像任务上超越 GPT-4 系列模型实现了 SOTA！在这里，Google DeepMind 撰写了第二篇关于 Med-Gemini 的论文。在 Gemini 的多模态模型的基础上，该团队为 Med-Gemini 系列开发了多个模型。这些模型继承了 Gemini 的核心功能，并通过 2D 和 3D 放射学、组织病理学、眼科、皮肤病学和基因组
5/13/2024 3:58:00 PM
ScienceAI
知情人士称 OpenAI 人工智能搜索产品有望于下周一推出
感谢路透社援引两位知情人士的话称，OpenAI 计划于下周一（5 月 13 日）正式公布其人工智能搜索产品，不过报道中强调具体公告日期可能发生变化。OpenAI 拒绝对路透社的报道置评。外媒 The Information 在今年 2 月的报道中指出，OpenAI 一直在秘密开发其自家网络搜索服务，并将获得来自微软 Bing（必应）搜索引擎的支持。微软在去年就已在 Bing 中集成了来自 OpenAI 的技术。5 月 13 日的时间点正好早于谷歌本年度的 I / O 开发者大会。谷歌预计将在开发者大会上宣布一系列人
5/10/2024 9:06:10 AM
溯波（实习）
硅谷 AI 工程师内卷崩溃记：996 写代码项目被砍，连续熬夜只为讨好投资人
【新智元导读】亚马逊工程师一个周末辛苦写出的代码，因为项目最终被降级而白白浪费了。AI 爆火的背面，是一众硅谷大厂员工的疯狂内耗。越来越密集的活动日程表，越来越不可思议的 deadline，为董事会准备毫无用途的 AI 产品展示…… 被迫「内卷」的大厂 AI 工程师们，已经感到窒息。AI 爆火之后，硅谷的工程师们已经被「内卷」搞得精疲力竭，苦不堪言！放弃整个周末休息辛苦写出的代码，因为项目降低优先级全部白费。大家你追我赶，争取比竞家更快发布产品，一切都向速度看齐。领导疯狂发号施令，但对项目的实际影响漠不关心。为了赶
5/5/2024 4:02:17 PM
清源
挑战谷歌巨头地位？消息称 OpenAI 于 5 月 9 日发布 ChatGPT 版搜索引擎
谷歌 Gemini 和微软 Copilot 之间的 AI 大战继续升级，最新消息称 OpenAI 有望今年 5 月 9 日推出基于 ChatGPT 的全新搜索产品，进一步挑战谷歌的传统搜索巨头地位。Reddit 网友近日发帖，表示 search.chatgpt.com 域名和相关的 SSL 证书已经被创建，网友 @nonmayorpete 发布推文称该域名将于 5 月 9 日上线。IT之家现在访问该域名，跳出的结果是“Not found”信息，而不是 404 或者域名错误，进一步间接证明了上述猜测。OpenAI 首
5/3/2024 8:39:35 AM
故渊
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
机器人
数据
AI新词
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
马斯克
英伟达
Anthropic
图像
AI创作
训练
LLM
论文
代码
算法
苹果
AI for Science
腾讯
Agent
Claude
芯片
Stable Diffusion
具身智能
蛋白质
xAI
开发者
人形机器人
生成式
神经网络
机器学习
3D
AI视频
RAG
大语言模型
Sora
研究
百度
GPU
生成
字节跳动
工具
华为
AGI
计算
大型语言模型
AI设计
搜索
生成式AI
视频生成
亚马逊
DeepMind
AI模型
特斯拉
场景
深度学习
Transformer
架构
MCP
Copilot
编程
视觉