本文作者:李笑寅來源:硬 AIOpenAI 搶發重磅新品次日,谷歌也 “放大招” 直接對壘 GPT-4o。當地時間 5 月 24 日週二,年度 Google I/O 開發者大會上,谷歌 CEO Sundar Pichai 發佈了一系列與 AI 有關的新品和新功能,包括:AI Overviews 技術生成摘要功能、Gemini 1.5 Pro 上下文窗口拓寬至 200 萬 Tokens、多模態 Gemini Nano 模型、第六代 TPU 芯片 Trillium 等。圍繞 AI 搜索引擎方面,谷歌帶來了一系列更新。值得一提的是,谷歌發佈了一款多模態 AI 項目 Astra,用來處理音頻、視頻等多模態的輸入內容。演示視頻顯示,Astra 可以通過手機攝像頭辨別物體,還能夠識別所處位置。不論是定位還是功能,谷歌這款 AI 助手的到來顯然對 GPT-4o 產生了威脅。華盛頓大學專門研究在線搜索的教授 Chirag Shah 對此評論道:“最終,你會有一個真正瞭解你的代理,可以為你做很多事情,並執行跨任務和跨領域的命令。”谷歌還在發佈會上表示,今年夏天開始,Gemini 也將支持語音實時交互,並在今年晚些時候上線實時視頻交互。未來幾個月內,谷歌也將推出類似於 GPTs 的自定義 AI 助手功能,叫做 Gems,能夠與整套 “谷歌全家桶” 聯動。第一個 AI“殺手級應用”?從 OpenAI 和谷歌的發佈會來看,GPT-4o 目前只能處理靜止圖像,但 Astra 可以處理視頻,這是一個顯著的優勢。並且,谷歌在發佈會上還對 Gemini 1.5 Pro 大模型進行了諸多更新,使其可以擁有更自然的聲音、更長的對話、對音頻和圖像的更好理解、更多的邏輯推理和規劃能力,以及更好的代碼生成。不過,GPT-4o 背後的技術創新同樣令人深刻。據悉,該原生多模態模型能夠直接接收/生成語音,而無需經過語音 - 文字的轉化過程,大大縮短了運行週期;並且在執行任務所需的參數量也大幅降低,從而提高運行速度、縮減成本。就當前進展而言,很難判斷 OpenAI 和谷歌的 AI 助手中誰更勝一籌,但二者對該領域的重視程度是無疑的。據媒體此前報道,蘋果也在考慮在其手機語音助手 Siri 中引入 GPT 技術,以支持 AI 功能。科技巨頭們相繼發力,是否意味着 AI 助手會成為下一個 AI“殺手級應用”?答案尚不肯定。有分析指出,雖然目前 GPT-4o 和 Astra 展示出的用例都很有趣,但 “幾乎沒有一個” 是幫助人們完成工作的。也就是説,這兩款 AI 助手看似功能強大,但實際效用仍是未知。分析稱,如果 AI 助手後續能夠更理解用户的個人偏好,可能其 “代理” 屬性能夠有所增強,幫助用户真正完成日常工作,比如網購、預訂、填表……AI 手機下一步需要解決什麼?雖然 OpenAI 和谷歌的 AI 助手可以直接通過語音、視頻等形式運行,但有觀點認為,二者仍不能被稱作是一個 AI 助手。原因在於,GPT-4o 和 Astra 雖然都可以回答問題並執行搜索工作,但它們不能真正執行任務。華爾街見聞此前提及,OpenAI 的在發展邊緣 AI 方面的痛點即為:端側應用權限、系統級權限。這可能也是它尋求與蘋果合作的原因之一。就目前而言,只要 AI 助手產品還沒有真正接入到手機系統中去,Siri 之類的語音助手的地位就無法被撼動。有觀點指出,確定性要比 AGI(通用人工智能)更重要,靠譜才是第一的。該觀點認為,即使是目前最好的 AI 系統,也沒有做足準備真正實現個人助手的功能;而手機自帶的語音助手雖然沒那麼 “有趣”,但至少不會出錯。