谷歌
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
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。
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
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
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
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
“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
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
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
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
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
Python团队还没解散完，谷歌又对Flutter、Dart动手了
谷歌在开发者大会前，对多个关键技术团队进行裁员。上周，「谷歌解雇 Python 基础团队」的消息引发热议。谷歌 Python 指导委员会成员 Thomas Wouters 的一条动态让所有人感到惊讶：「当与你直接共事的每个人，包括你的主管，都被裁员 —— 哦，是职位被削减，而你被要求安排他们的替代者入职，这些人被告知在不同的国家担任同样的职位，但他们并不为此感到高兴，这是很艰难的一天。」就在人们讨论谷歌裁撤 Python 团队的原因时，谷歌再度传来「解雇 Flutter、Dart、Python 等关键团队的员工」的
谷歌员工爆料Python基础团队原地解散
什么？谷歌解雇了整个 Python 基础团队？「当与你直接共事的每个人，包括你的主管，都被裁员 —— 哦，是职位被削减，而你被要求安排他们的替代者入职，这些人被告知在不同的国家担任同样的职位，但他们并不为此感到高兴，这是很艰难的一天。」发布这一动态的 Thomas Wouters，简介是「Google 员工、Python 指导委员会、Python 3.12 和 3.13 的发布主管」。这个消息惊动了领域内的很多开发者，包括 PyTorch 创始人、Meta 杰出工程师 Soumith Chintala：被讨论最多的
谷歌正测试全新 AI 功能，陪你练英语口语
如何提高英语口语呢？或许很多人都没有条件和外国人面对面互动，谷歌近日测试的“Speaking practice”功能有望缓解这个问题，增强学习者的口语能力。谷歌 Search Labs 目前已经在阿根廷、哥伦比亚、印度、印度尼西亚、墨西哥和委内瑞拉进行测试该功能，后续可能会扩展到全球更多国家和地区。根据网友 @howfxr 分享的截图，该功能通过生成式 AI 增强英语口语练习，并通过示例帮助学习者提高口语。IT之家附上图片如下：
无向图最小割问题取得新突破，谷歌研究获SODA 2024最佳论文奖
谷歌博客放出新研究，求解无向图的最小割问题。1996 年， 美国计算机科学家 David R Karger 连同其他研究者在论文《 A new approach to the minimum cut problem》中提出了一个令人惊讶的随机算法 Karger 算法，其在理论计算机科学中非常重要，尤其适用于大规模图的近似最小割问题。Karger 算法可以在时间为 O (m log^3n) 的图中找到一个最小割点，他们将这个时间称之为近线性时间，意思是线性乘以一个多对数因子。在谷歌刚刚更新的一篇博客中，他们介绍了之前
DeepMind CEO 称谷歌计算能力优于微软，在 AI 领域的投入将超过千亿美元
DeepMind 首席执行官德米斯-哈萨比斯（Demis Hassabis）周一在温哥华举行的 TED 大会上被问及微软公司和 OpenAI 正在计划建造价值 1000 亿美元（当前约 7250 亿元人民币）的超级计算机 “星际之门”（Stargate），他表示谷歌在人工智能领域的投入未来将超过 1000 亿美元。哈萨比斯回答说：“我们不谈论具体数字，但我认为随着时间的推移，我们的投资会超过这个数字。”他没有透露具体的支出细节。他还表示 Alphabet 公司（IT之家备注：谷歌母公司）的计算能力优于包括微软在内的
直接扩展到无限长，谷歌Infini-Transformer终结上下文长度之争
不知 Gemini 1.5 Pro 是否用到了这项技术。谷歌又放大招了，发布下一代 Transformer 模型 Infini-Transformer。Infini-Transformer 引入了一种有效的方法，可以将基于 Transformer 的大型语言模型 (LLM) 扩展到无限长输入，而不增加内存和计算需求。使用该技术，研究者成功将一个 1B 的模型上下文长度提高到 100 万；应用到 8B 模型上，模型能处理 500K 的书籍摘要任务。自 2017 年开创性研究论文《Attention is All Yo
谷歌 Gemini 流量已是 ChatGPT 的四分之一
Github 前首席执行官 Nat Friedman 在 X（推特）上发帖，称谷歌 Gemini 流量已经到达 ChatGPT 的 25% 左右，这一成绩是在谷歌并没有通过庞大分销渠道（Android、Google 搜索、GSuite 等）大力推广的情况下完成的。此外他还提到，在 X 上比较火爆的 Claude 使用率仍然很低，微软的 Copilot 使用率也并不高，而最知名的 ChatGPT 流量则与去年相对持平，没有明显的增长。他认为 Claude、ChatGPT 和 Gemini 的付费与未付费比率差异很大。