Google I/O 2024 は 15 の発表にまとめられています: Gemini 1.5 Pro、Project Astra、AI 概要、Gmail、Andoid 15、Veo など。

そしていよいよ Google I/O 2024 へ！マウンテン ビューでのお祭りの幕開けは、避けられないサンダー ピチャイです。

Google の社長は直接 Gemini から始め、彼の会社が「次世代 AI ツール」を強化するためにこの主要な言語モデルにどれだけ投資しているかを回想しています。アプリケーション、ウェブ検索、Android…すべての Google サービスは、何らかの形でこれらの開発の影響を受けることになります。

AI 概要または検索生成エクスペリエンス (SGE) が大規模に導入され、より直感的で関連性の高い検索エクスペリエンスを提供しようとしています。念のために言っておきますが、これはクエリに対する回答の概要であり、結果ページの上部に表示されます。

Google は、言語モデルのアップデートである Gemini 1.5 のリリースを発表しました。この新しいバージョンである Gemini 1.5 Pro は、Gemini Advanced サービスの加入者が利用でき、フランス語および 35 か国語で提供されます。

Gemini Advanced には、200 万トークンのコンテキスト ウィンドウが含まれるようになりました。コンテキスト ウィンドウは、言語モデルに統合できるデータの量を表します。 Sundar Pichai 氏は、アップデートが本日モデルに表示され、世界中のすべての開発者がアップデートにアクセスできるようになると発表しました。 Googleは、ウィンドウが長くなればなるほどAIモデルはより有用になると主張している。

Google は、Gemini と Gmail および Meet の統合を発表しました。 Gmail では、この機能により、送信者からのすべてのメールが要約されます。 Meet では、Gemini がカンファレンスの概要を提供します。

Gemini は Google フォトにも統合されており、検索の関連性がさらに高まります。

予想通り、Google は Gemini 1.5 Pro をベースにしたマルチモーダル音声アシスタントを発表しました。これはコンテンツと対話します。Google の音声アシスタントは自然なサウンドですが、映画「Her」のスカーレット・ヨハンソンの声とは異なります。 Google が提示したリアルタイムおよびマルチモーダル AI 機能は、前日 OpenAI が発表したものと似ており、非常に流動的で、いつでも AI を中断してリクエストを完了することができます。

この AI を使用すると、テキストから重要な事実やアイデアをすばやく要約したり、参照するさまざまなソース間のつながりを生成したり、Google ドキュメントと統合してワークスペースをパーソナライズしたりすることもできます。また、NotebookLMはプライバシーに配慮した設計となっており、安心してご利用いただけます。

次に、Google は、低遅延を必要とするタスク向けに設計された新しい言語モデルである Gemini 1.5 Flash を導入しました。この軽量モデルは、低遅延と低コストが優先されるアプリケーション向けに最適化されています。本日より、開発者は Google AI Studio および Vertex AI で最大 100 万トークンの Gemini 1.5 Flash を使用できるようになります。

そして、間違いなく最大の発表として、Google が発表したのは、プロジェクト・アストラ、に対する彼の反応チャットGPT音声前日に発表。リアルタイムの動画フィードにコメントしたり、会話したりするスマホアプリです。

Project Astra は、汎用 AI エージェントが日常生活でどのように役立つかを探る Google DeepMind プロトタイプです。このマルチモーダル アプリケーションはコンテキストを理解し、低遅延で高速です。携帯電話のカメラと AI を使用して、彼女は紛失したアイテムを見つけたり、物事がどのように機能するかを説明したりすることができます。 Project Astraにはスマートグラスも含まれるようだ。未来的なプロジェクトと楽しい科学的参考資料のこの組み合わせにより、Google I/O 中に真に驚くべきイノベーションを垣間見ることができます。

その後、Google はオーディオ、画像、ビデオに関するさまざまな発表を続けました。例えば、なるほどの競争相手Sora d'OpenAI、その場でビデオを作成したり、既存のビデオを拡張したりできます。ツールは利用可能です順番待ちリストに載っている。

もありましたイメージン3：これまで他の画像生成AIでは難しかった文字を正確に生成できる画像生成AI（今夏より開発者および法人向けに提供開始）。それから、それもあります音楽 AI サンドボックス、音楽サポート ツールのスイート。

Sundar Pichai は、Google の最新世代の TPU、Trillium を紹介します。 Trillium は、前世代の TPU v5e と比較して、チップあたりのコンピューティング パフォーマンスが 4.7 倍向上しています。

TPU (Tensor Processing Unit) は、機械学習とニューラル ネットワーク処理を高速化するために Google によって設計された特定用途向け集積回路 (ASIC) の一種です。これは、深層学習アルゴリズムで使用される多次元データ構造であるテンソル演算用に特に最適化されています。 TPU は、従来のプロセッサ (CPU) やグラフィックス プロセッシング ユニット (GPU) と比較して、人工知能アプリケーションのパフォーマンスとエネルギー効率の向上に役立ちます。

ご想像のとおり、Gemini 1.5 Pro の Workspace への統合が本日発表されました。まずはGmailから。

ボタン 1 つで、Gemini はメールのスレッドを要約することができます。さらに、Gemini はすべてのメールを検索して、データを集計したり、さまざまな見積もりを比較したりすることもできます。

Gmail から直接、Gemini に領収書の整理を手伝ってもらうことができ、領収書を Google スプレッドシート ドキュメントにファイルできます。ここでは、Gemini に情報を要求して、より鮮明なビジュアルを取得することもできます。

プロジェクトを監視するために、Google は Teammate を開始します。これは、ディスカッション グループ スペースや電子メール チェーンなどに招待できる人工知能です。それから彼にその主題に関する具体的な質問をするためです。

プロンプトを通じて指定した個性を持つアシスタント「Gems」を作成することもできます。したがって、彼はあなたのヨガの先生または副料理長になることができます...

Gemini Advanced は、この夏の完全な旅行の計画を担当することができます。 Google は次のようなプロンプトの例を示しました。私たちは家族でマイアミに行きます。息子はアートが大好きで、夫はシーフードを食べたいと思っています。私のフライトとホテルは私の Gmail にあります。»。

この情報から、ジェミニは真にダイナミックでインテリジェントなルートを作成します。

AI は Android スマートフォンの中心に来ています。私たちはすでに次のような特定の機能を知っています丸で検索、Galaxy S24の発売以来利用可能です。

Gemini はシステム レベルで動作し、画面に表示されるコンテンツを認識します。たとえば、メッセージを書いているときに、Gemini を呼び出して、簡単な会話に組み込むための画像を生成するように依頼できます。ドラッグアンドドロップ。

マルチモーダルを備えた Gemini Nano を使用すると、電話機で AI を直接使用してトークバックを置き換え、画面に表示されるコンテンツをより適切に説明できるようになります。

Google は、次の検出を可能にする Android 機能を強調しています。詐欺通話データのローカル処理を伴うライブ。当然のことながら、フランスでの発売日はありません。デバイス上の Gemini Nano AI は、詐欺の可能性のある電話を検出し、警告します。詐欺的な広告が表示された場合には注意喚起した方がよいのではないでしょうか？ Google は常にその方法を知っているわけではありません。

Google は、Google I/O 基調講演を永久に開催しており、その発表は繰り返しで理解しにくいものです。 AI はどこにでもあり、ジェミニはあらゆる方向にありますが、少し混乱していて一貫性に欠けています。 OpenAI は、はるかに興味深く情報が豊富な 20 分間のカンファレンスを開催しましたが、現在 Google からは 1 時間 40 分のカンファレンスを受け取っています…

Google は昨年の発表、SynthID を再検討しています。これは、AI が生成した画像や音声に知覚できない透かしを追加して、区別しやすくするツールです。 2024 年に、Google は以前に発表された新しい Veo モデルを含め、SynthID をテキストとビデオに拡張します。

Googleが明らかにしたLearnLM、Gemini に基づいて学習用に最適化された新しいモデル ファミリ。目標は、検索、Gemini、YouTube などの Google サービスを教師にとってよりパーソナライズされ、アクティブで魅力的なものにすることです。

このテクノロジーは Gem で使用され、ユーザーが単に答えを与えるのではなく理解を深められるように段階的なシステムを提供します。この新機能は間もなく Gemini で利用できるようになる予定です。結論: Google は、機械学習を使用して学習エクスペリエンスを向上させたいと考えています。まだフォローしていますか？

終わりました！ Google I/O の開会カンファレンスでは、私たちは AI の過剰摂取にさらされました。 Google はあらゆる方法で AI について言及し、最終的にはその用語が発音された回数を数えてみました。それは 120 回でした。

Google が本当にこの分野で行っているすべての取り組みを私たちに見せたかったのだと信じなければなりません。しかし、カンファレンスが 2 時間続いた後、時間が長いと感じ始めました...幸いなことに、これは最初の Google I/O カンファレンスでした。他にもカンファレンスがあるでしょう。もう少し短くて簡潔なものになることを願っています。いずれにせよ、確かなことが 1 つあります。Google は AI がすべてであり、彼らは決して諦めるつもりはありません (しかし、私たちはそうなのです)。

自分の選択を管理する

見逃したお知らせをキャッチアップしています。次世代のブラウザベースで AI 中心の開発環境である Project IDX は、現在オープン ベータ版です。

このアップデートにより、Google マップ プラットフォームが IDE に統合され、開発者が地理位置情報機能を簡単に追加できるようになります。

また、アプリケーションのデバッグを支援する Chrome Dev Tools および Lighthouse との統合も含まれています。

Google は間もなく、フロントエンドおよびバックエンド サービス用の Google Cloud のサーバーレス プラットフォームである Cloud Run へのアプリケーションのデプロイも可能にする予定です。

Google は、オープン LLM モデルを発表しました。ジェマ。したがって、Gemini はクローズド モデルであり、Gemma はソース コードを入手でき、独自のサーバーにインストールできます。

開発者から Google への主なリクエストの 1 つは、より大きな Gemma モデルでした。したがって、Google は 270 億のパラメータを持つ新しいモデルを Gemma 2 に追加する予定です。この新世代の Google Gemma モデルは 6 月に発売される予定です。 Google によれば、このサイズは次世代 GPU で実行できるように Nvidia によって最適化されており、「単一の TPU および Vertex AI ホスト」で効率的に実行できるとのことです。