在接下来的几个月甚至几年中,谷歌肯定会不断把AI驱动功能引入其核心应用,从而带来颠覆性的使用体验。从目前这波初步整合的共性来看,我很好奇谷歌要怎么设计它们的品牌归属。谷歌那边当然有不少选项,但对AI功能来说,Google Assistant也许正是最好的归宿。
生成式AI与Google Assistant间的共性
生成式文本AI能查找信息,并以顺畅自然的方式展示信息内容。用户可以借此为相关但又有细微差别的问题各自寻找答案,并将结果整理成文本。从本质上讲,这项新技术将帮助我们完成以往大量需要手动操作的工作。
截至去年5月,谷歌给自家助手服务定下的发展目标,仍然是“为日常任务提供最简单的解决办法”。
而这种直接生成答案的能力,无疑是帮助助手达成目标的最佳要素。之前,来自谷歌知识图谱和精选片段的信息往往无法被直接转化成口语表达,所以没法被助手拿来服务用户。
有了Bard(或者应该叫“实验性对话AI服务”),Google Assistant肯定能走得更远、完成更复杂的任务——例如创建出游行程,帮助用户培养爱好或者提供购买建议。
在这类用例的熏陶下,Google Assistant肯定会变得愈发强大,逐步克服中断、暂停和自我纠错之类让人出戏的对话体验。
对话功能无疑是智能助手的自然扩展,而且在语音交互这类特定情景下意义尤其重大。
关于Google Assistant的一切
谷歌完全可以引入Bard或其他LaMDA成果衍生出的体验,显著改善Google Assistant的使用感受。当然,如果这些生成式AI功能入驻其他应用品牌,也同样有着不错的发展前景。
在I/O 2021大会首次公布LaMDA时,谷歌表示会将对话功能纳入助手、搜索和Workspace等服务。现在,搜索领域的AI入驻已经开始,公司CEO Pichai周三表示“正努力将大语言艺术形式引入Gmail和Docs。”
共享现有品牌名称是有出处的。Smart Reply“智能回复”就可以溯源至Gmail、Google Chat、Android甚至是Docs(注释)。当然,当时的Smart Reply和Compose在功能上还远达不到独立产品的水平。
总之,生成式AI在功能上确实已经比较完备,既能撰写电子邮件、也能回答指导性的问题。这一切,都跟人们希望在Google Assistant身上看到的效果高度一致。
过去一年来,谷歌一直专注于改善助手的语音功能,同时又在探索驾驶模式、快照和记忆等具体技术细节。其目的,是通过在Pixel手机和Nest Hub Max上通过Quick Phrases快速发令来消除“嗨,谷歌”这种生硬的激活需求,从而让Google Assistant的交互感更加自然。Smart Display甚至支持“眼神交流”,使个眼神就能发出命令。
而在Chrome上直接添加AI功能按钮,跟Google Assistant的那种交互操作是明显相悖的,前者以网页为基础、必然更强调键盘输入的体验。但这样也还可以,至少比把它加到Google Chat上更有实际意义。
谷歌毕竟是谷歌
千言万语汇成一句话:谷歌的目标从未动摇,就是让自己成为用户全部知识的来源。助手服务号称是“您的个人谷歌”;而激活语也是“嗨,谷歌”,而不是“嗨,助手”。
从前景来看,微软的AI首秀就是新Bing,Bing的徽标也出现在了Edge浏览器的右侧。至于聊天机器人功能,微软将其命名为“聊天模式”。对我来说,跟搜索引擎直接对话其实有点怪。AI机器人会表现出某种个性,我实在不适应把一项纯工具性的功能搞得这么活泼。
当然,谷歌也可能不把这些生成式AI归入统一品牌,而是让其广泛渗透到各个应用程序的各个角落,包括Gmail或Docs。但这样冲击力就弱了,也不符合发展新业务的一般思路。
从Gmail到Calendar,再到Maps和Photos,谷歌其实一直喜欢给产品单独命名。虽然品牌形象不酷,但我们至少能明确做出区分。从这个角度看,已经掀起全球变革的辅助性AI必须拥有姓名!
好文章,需要你的鼓励
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
生物技术公司SpotitEarly开发了一种独特的居家癌症筛查方法,结合训练有素的比格犬嗅觉能力和AI技术分析人体呼气样本。该公司研究显示,18只训练犬能以94%的准确率检测出早期癌症。用户只需在家收集呼气样本并寄送至实验室,由训练犬识别癌症特异性气味,AI平台验证犬类行为。公司计划明年通过医师网络推出筛查套件,单项癌症检测约250美元。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。