Google проведе годишната си конференция за разработчици Google I/O 2024.

Какво направи конференцията Google I/O незабравима: обобщение на всички представени разработки

Гугъл организира годишната си конференция за разработчици Гугъл I/O 2024. На презентацията бяха показани нови софтуерни артикули с изкуствен интелект. Те бяха събрани и систематизирани в една публикация на TechCunch. Разказваме детайлностите.

Вчера, 14 май, вечерта Гугъл организира конференцията за разработчици I/O, на която показа нови артикули. Тази година I/O беше отдаден на AI — за 110 минути от събитието, Гугъл съумя да спомене AI 121 пъти. Не, не сме го броили — изпълнителният шеф Сундар Пичай даде тази цифра в края на презентацията.

Of course Гугъл used Gemini to count AI mentions during today's AI-filled #GoogleIO. And there was even one more after this. pic.twitter.com/ajL7JYPQVE
— TechCrunch (@TechCrunch) May 14, 2024

Firebase Genkit

Допълнение към платформата, което би трябвало да улесни разработчиците при основаването на AI приложения в JavaScript/TypeScript, а също поддръжката на езика Go идва напълно скоро. Това е фреймуърк с отворен код, употребяващ лиценза Apache 2.0, който разрешава на разработчиците бързо да вграждат AI в новите и съществуващи приложения. По-конкретно, Genkit може да се употребява за: генериране и обобщаване на наличие, превод на текст и основаване на изображения.

Генеративен AI за учене

Гугъл показа LearnLM, ново семейство от генеративни AI-модели, усъвършенствани за образование. Това е взаимно изпитание на изследователския отдел Гугъл DeepMind AI и Гугъл Research. Според Гугъл моделите LearnLM са предопределени за разговорно образование на студенти в редица дисциплини. Въпреки че към този момент е разполагаем в няколко платформи на Гугъл, компанията пуска LearnLM като част от пилотната стратегия Гугъл Classroom.

AI викторини

Новата функционалност на YouTube са викторините, основани от изкуствен интелект. Този нов инструмент за всекидневен AI разрешава на потребителите да „ вдигнат ръка “, до момента в който гледат просветителни видеоклипове. Зрителите могат да задават изясняващи въпроси, да получават потребни пояснения или да вземат участие във викторина по дадена тематика.

Предназначен е за тези, които би трябвало да гледат дълги просветителни видеоклипове, като лекции или семинари, а с помощта на опциите на модела Gemini за дълъг подтекст, тези нови функционалности към този момент са налични за определени консуматори на Android в Съединени американски щати.

Gemma 2

Едно от главните претенции, които Гугъл получи от разработчиците, беше по-големия модел Gemma. Затова Гугъл добави новия модел с 27 милиарда параметъра към Gemma 2. Следващото потомство модели Gemma от Гугъл ще бъде пуснато през юни. Този размер е усъвършенстван от Nvidia за работата на графичните процесори от последващо потомство и може да работи на един TPU хост, сподели Гугъл.

Gemini

Gemini 1.5 Pro е вграден в Gmail, Photo, Meet, Chrome и други публични услуги. Контекстният прозорец беше подсилен до 2 милиона токена. Това е 16 пъти повече от GPT-4o — можете да заредите 60 000 реда код едновременно. В Гугъл Meet, AI обобщава вашия разговор и избира главните точки. В Гугъл Photo — намира всевъзможни фотоси посредством глас. В Chrome — ще даде бърз отговор на въпрос с отпратка към източници. Вече е налична и опция за търсене по видео.

Ask Photos

Това е актуализация на Гугъл Photos. Новата функционалност (която ще започва по-късно това лято) ще разреши на потребителите да търсят в сбирката си от фотоси, като употребяват поръчки на натурален език. Ако преди този момент потребителите можеха да търсят съответни хора, места или неща в фотосите си, с помощта на обработката на естествения език, актуализацията на AI ще направи търсенето на мечтаното наличие по-интуитивно и по-малко ръчно.

Борбата със скама

Гугъл показа функционалност, за която сподели, че ще предизвестява потребителите за евентуална машинация по време на диалог. Функцията ще бъде вградена в бъдещата версия на Android и употребява Gemini Nano — най-малката версия на генеративния AI на Гугъл.

Системата слуша за „ шаблонни диалози, нормално свързани с машинация в действително време. Гугъл даде образец с някой, който се показва за представител на банка. Често срещаните тактики на измамниците, като претенции за пароли и карти за дарове, също работят в системата.

Imagen 3

Най-новият модел в фамилията генеративни модели AI Imagen. Главният изпълнителен шеф на DeepMind Демис Хасабис сподели, че Imagen 3 схваща по-точно текстовите подсказки, които трансформира в изображения, спрямо предшественика си Imagen 2 и е по-„ изобретателен и подробен “ в съпоставяне със своите генерации. Освен това, споделя той, моделът основава по-малко разсейващи артефакти и неточности: „ Това е [също] най-хубавият ни модел за обрисуване на текст, което през днешния ден е проблем за моделите, генериращи изображения. “

Project IDX

Project IDX, основаната на браузър среда за разработки от последващо потомство, фокусирана върху AI, към този момент е в отворена бета-версия. Тази актуализация в IDE включва интеграция с Гугъл Maps Platform, която ви разрешава да добавяте функционалности за геолокация към приложенията, както и интеграция с Chrome Dev Tools и Lighthouse за премахване на неточности в приложенията. Скоро Гугъл също ще разреши внедряването на приложения в Cloud Run и безсървърната платформа Гугъл Cloud за осъществяване на фронт и бек-енд услуги.

Конкурент на Sora

Veo — AI модел, който може да основава 1080p видеоклипове с дълготрайност от към минута от текстова подсказка. В разнообразни образни и кинематографични стилове, в това число и пейзажи, разрешава внасяне на редакции и корекции на към този момент генерираните фрагменти.

And you’ll also be able to ask questions with video, right in Search. Coming soon. #GoogleIO pic.twitter.com/zFVu8yOWI1
— Гугъл (@Google) May 14, 2024

Circle to Search

Функцията Circle to Search с AI разрешава на Android-потребителите да получават незабавни отговори. Създаден е да направи взаимоотношението с търсенето в Гугъл по-естествено от всяко място на вашия телефон посредством осъществяване на избрани дейности. Например посредством маркиране, написване или допиране.

Pixel 8a

Най-новото устройство в линията Pixel. Телефонът коства $499, а продажбите стартират във вторник. Сред останалите нововъведения към устройството беше и чипът Tensor G3.