5月無疑是名副其實(shí)的“AI月”，從OpenAI直播演示ChatGPT更新內(nèi)容，到谷歌的I/O開發(fā)者大會2024，再到微軟的Build年度開發(fā)者大會。這些活動(dòng)向世界進(jìn)一步展示了AI生產(chǎn)力的無限可能。今天，我們?yōu)榇蠹揖恼砹诉@三場重磅發(fā)布會的亮點(diǎn)，幫助您迅速把握即將問世的新技術(shù)以及正在迅速崛起的行業(yè)趨勢。
Open AI春季更新發(fā)布會
圖源：現(xiàn)場截圖
此次Open AI僅是在線上舉辦了“春季更新”活動(dòng)。雖然活動(dòng)沒有精美的ppt，也沒有震撼的demo，連Sam Altman都沒有露面，但是它推出的新旗艦?zāi)Ｐ?ldquo;GPT-4o”真實(shí)地震撼了大家。
1. 推出多模態(tài)大模型GPT-4o。它可以接受文本、音頻和圖像任意組合的輸入，可以實(shí)時(shí)對音頻、視覺和文本進(jìn)行推理，并生成這些格式的相應(yīng)輸出。
2. 新模型使ChatGPT能夠處理50種不同的語言，速度和質(zhì)量同時(shí)得到提高。它可以在短短232毫秒內(nèi)處理音頻輸入，平均耗時(shí)320毫秒，與人類對話中的反應(yīng)時(shí)間相當(dāng)。
3. GPT-4o允許ChatGPT以更加逼真的方式與用戶交流。它不僅能檢測用戶聲音中的情緒，分析面部表情，還能根據(jù)用戶需求改變語調(diào)和節(jié)奏。如果想聽睡前故事，它可以用耳語說話。如果需要來一段帶“酸味兒”的對話，它就能以輕松、諷刺的語氣與人交談。它甚至還可以按要求唱歌，一會兒是高亢的女高音，一會兒又能變成迷人的女低音；甚至還能表達(dá)自我，例如對示愛表現(xiàn)出害羞的樣子。
4. 擁有了新能力后的GPT-4o，也擁有了與硬件結(jié)合的更多可能性。例如，以穿戴設(shè)備為載體，借助攝像頭來幫助視障人士；通過智能眼鏡、智能耳機(jī)等，成為人們的生活助理。
5. 除了推出新模型，在產(chǎn)品上Open AI也做出了諸多更新。首先，未來ChatGPT免費(fèi)用戶的默認(rèn)模型將升級成GPT-4o，不過使用額度是有限的；此外，大量的付費(fèi)功能開放給免費(fèi)用戶；最后，Open AI推出了macOS的客戶端，并表示W(wǎng)indows客戶端有望在下半年推出。
Google I/O 2024
圖源：現(xiàn)場截圖
在Open AI發(fā)布會的24小時(shí)后，2024年Google I/O全球開發(fā)者大會如期召開。在長達(dá)兩個(gè)小時(shí)的開幕主題演講中，谷歌展示的Project Astra和Veo，直接對標(biāo)了目前Open AI領(lǐng)先的GPT-4o與Sora。此外，谷歌還展示了最新版Gemini加持的搜索能力，AI Overviews工具更是顛覆了搜索的邏輯。
1. 發(fā)布了GPT-4o同類產(chǎn)品Project Astra——基于Gemini模型開發(fā)，它可以通過攝像頭“看到”周圍環(huán)境并做出解說，能幾乎沒有延遲地與人互動(dòng)，也能通過攝像頭解讀代碼和做數(shù)學(xué)題。除了語音交互外，它借助Gemini和谷歌豐富的應(yīng)用生態(tài)，鏈接更多谷歌應(yīng)用，讓用戶“只用一句簡單的prompt”，就能把信息鏈接起來，實(shí)現(xiàn)規(guī)劃；另外還有記憶功能——對攝像頭掃描過的地方形成記憶，即便當(dāng)下視野不同，也能“根據(jù)記憶”告訴你想要找的東西。
2. 推出Gemini 1.5 Flash輕量級模型，速度更快，效率更高，從而能覆蓋更多的用戶。它擅長總結(jié)、聊天、凝練圖像和視頻，從長文檔和表格中提取信息。Gemini 1.5 Flash通過Gemini 1.5 Pro“蒸餾”得來——“知識蒸餾”是一種模型壓縮技術(shù)，讓小模型學(xué)習(xí)大模型，將重要的知識和技能遷移過來。
3. Gemini 1.5 Pro（和1.5 Flash）支持100萬tokens理解（年底，這個(gè)數(shù)字將直接翻番增至200萬），是目前大模型服務(wù)中所能支持的最長上下文輸入——它能充當(dāng)“數(shù)據(jù)分析師”，從你上傳的表格中“及時(shí)”發(fā)現(xiàn)洞察，構(gòu)建自定義的可視化圖表。全面接入Gemini的“谷歌辦公全家桶”，也將在未來幾個(gè)月內(nèi)陸續(xù)上線“智能問答”“智能郵件回復(fù)”“表格圖像化總結(jié)”等新功能。模型的推理更進(jìn)一步，改進(jìn)了對模型對具體用例響應(yīng)的控制，遵循用戶復(fù)雜和微妙的執(zhí)行。
4. 發(fā)布了讓用戶自定義模型的Gems，對標(biāo)Open AI的GPTs。
5. AI搜索現(xiàn)身，被命名為AI Overviews。這個(gè)功能可以“簡化”用戶提問，擁有更強(qiáng)大的多步推理能力。面對一個(gè)復(fù)雜問題，它會先將其拆解成多個(gè)簡單問題，再將簡單問題拆解成多個(gè)關(guān)鍵詞——反饋給用戶的頁面中，將是高度格式化的解釋、簡潔實(shí)用的行動(dòng)指引、直接引導(dǎo)后續(xù)行為的鏈接等。未來的搜索產(chǎn)品邏輯可能會被徹底顛覆，人們不需要一個(gè)單獨(dú)的“搜索引擎”。
6. 更新了圖像模型——Imagen 3，團(tuán)隊(duì)表示它生成的圖片細(xì)節(jié)更好，錯(cuò)誤更少；推出了新的音樂模型，但并沒有透露模型名稱，只提到正在和一些音樂人合作試用。
7. 對標(biāo)OpenAI Sora的模型推出了文生視頻模型Veo。官方稱，Veo模型可以生成超過一分鐘的1080p分辨率視頻，并具有多種電影和視覺風(fēng)格。
8. 此外，Android有了更多系統(tǒng)級AI功能。除了年初發(fā)布的畫圈搜索功能外，新添加了TalkBack與詐騙電話實(shí)時(shí)監(jiān)測兩個(gè)功能：前者主要針對視力障礙人群，你可以讓AI助手讀取你手機(jī)屏幕的內(nèi)容，并且用語音描述給你；后者用AI分析電話內(nèi)容，當(dāng)存在詐騙等風(fēng)險(xiǎn)時(shí)會彈窗提醒用戶。
微軟Build 2024開發(fā)者大會
圖源：現(xiàn)場截圖
“三十多年來，微軟對于計(jì)算機(jī)一直有兩個(gè)夢想——一是讓計(jì)算機(jī)理解我們，而不是我們?nèi)ダ斫庥?jì)算機(jī)；二是在信息不斷增加的世界中，讓計(jì)算機(jī)幫助我們根據(jù)信息有效地進(jìn)行推理、計(jì)劃和行動(dòng)。人工智能浪潮已經(jīng)為我們的夢想找到了答案。”微軟CEO薩蒂亞?納德拉在發(fā)布會上說道。
在發(fā)布會上，微軟一口氣宣布了50多項(xiàng)AI能力更新，從推出新的Windows機(jī)器“Copilot+PC”，到Recall等AI驅(qū)動(dòng)的生成式AI功能，每一項(xiàng)都在告訴我們“AI 將如何重塑你的未來”。
1. 推出內(nèi)置AI的新電腦——Copilot+PC。新設(shè)備配備了一個(gè)名為Prism的模擬層，承諾與Windows的x86應(yīng)用程序無縫兼容。最直觀的變化是，新的鍵盤上會有一個(gè)Copilot鍵——用戶只要按下按鈕就能召喚Copilot，開啟人工智能輔助功能。而這也是微軟近三十年來首次調(diào)整鍵盤布局，上一次他們在鍵盤上加入的按鈕是Windows鍵。
2. Microsoft Copilot。在本次大會上，微軟展示了Copilot如何提升組織的團(tuán)隊(duì)協(xié)作和業(yè)務(wù)效率。主要介紹了以下三個(gè)升級：
a) Team Copilot：Copilot從幕后的個(gè)人AI助手，擴(kuò)展為團(tuán)隊(duì)成員。用戶將能夠在Teams、Loop、Planner等協(xié)作工具中調(diào)用Copilot。Team Copilot能夠在會議中擔(dān)任會議主持人，管理會議議程、跟蹤會議時(shí)間并記錄會議要點(diǎn)；也可以在聊天中作為協(xié)作者，提供重要信息、跟蹤行動(dòng)項(xiàng)目并解決未決問題；它還可以擔(dān)任項(xiàng)目經(jīng)理，幫助確保每個(gè)項(xiàng)目順利推進(jìn)，并及時(shí)通知團(tuán)隊(duì)進(jìn)行輸入。微軟宣布，Team Copilot將在今年晚些時(shí)候推出預(yù)覽版。