谷歌、OpenAI指明方向！第一個AI“殺手級應用”、AI手機必爭之地？

激石Pepperstone(http://qintiejiang.com/)報道：

OpenAI搶發(fā)重磅新品次日，谷歌也“放大招”直接對壘GPT-4o。

當?shù)貢r間5月24日周二，年度Google I/O開發(fā)者大會上，谷歌CEO?Sundar Pichai發(fā)布了一系列與AI有關(guān)的新品和新功能，包括：AI Overviews技術(shù)生成摘要功能、Gemini 1.5 Pro上下文窗口拓寬至200萬Tokens、多模態(tài)Gemini Nano模型、第六代TPU芯片Trillium等。

圍繞AI搜索引擎方面，谷歌帶來了一系列更新。值得一提的是，谷歌發(fā)布了一款多模態(tài)AI項目Astra，用來處理音頻、視頻等多模態(tài)的輸入內(nèi)容。

演示視頻顯示，Astra可以通過手機攝像頭辨別物體，還能夠識別所處位置。

不論是定位還是功能，谷歌這款AI助手的到來顯然對GPT-4o產(chǎn)生了威脅。

華盛頓大學專門研究在線搜索的教授Chirag Shah對此評論道：

“最終，你會有一個真正了解你的代理，可以為你做很多事情，并執(zhí)行跨任務和跨領(lǐng)域的命令。”

谷歌還在發(fā)布會上表示，今年夏天開始，Gemini也將支持語音實時交互，并在今年晚些時候上線實時視頻交互。未來幾個月內(nèi)，谷歌也將推出類似于GPTs的自定義AI助手功能，叫做Gems，能夠與整套“谷歌全家桶”聯(lián)動。

第一個AI“殺手級應用”？

從OpenAI和谷歌的發(fā)布會來看，GPT-4o目前只能處理靜止圖像，但Astra可以處理視頻，這是一個顯著的優(yōu)勢。

并且，谷歌在發(fā)布會上還對Gemini 1.5 Pro大模型進行了諸多更新，使其可以擁有更自然的聲音、更長的對話、對音頻和圖像的更好理解、更多的邏輯推理和規(guī)劃能力，以及更好的代碼生成。

不過，GPT-4o背后的技術(shù)創(chuàng)新同樣令人深刻。據(jù)悉，該原生多模態(tài)模型能夠直接接收/生成語音，而無需經(jīng)過語音-文字的轉(zhuǎn)化過程，大大縮短了運行周期；并且在執(zhí)行任務所需的參數(shù)量也大幅降低，從而提高運行速度、縮減成本。

就當前進展而言，很難判斷OpenAI和谷歌的AI助手中誰更勝一籌，但二者對該領(lǐng)域的重視程度是無疑的。

據(jù)媒體此前報道，蘋果也在考慮在其手機語音助手Siri中引入GPT技術(shù)，以支持AI功能。

科技巨頭們相繼發(fā)力，是否意味著AI助手會成為下一個AI“殺手級應用”？

答案尚不肯定。

有分析指出，雖然目前GPT-4o和Astra展示出的用例都很有趣，但“幾乎沒有一個”是幫助人們完成工作的。也就是說，這兩款AI助手看似功能強大，但實際效用仍是未知。

分析稱，如果AI助手后續(xù)能夠更理解用戶的個人偏好，可能其“代理”屬性能夠有所增強，幫助用戶真正完成日常工作，比如網(wǎng)購、預訂、填表……

AI手機下一步需要解決什么？

雖然OpenAI和谷歌的AI助手可以直接通過語音、視頻等形式運行，但有觀點認為，二者仍不能被稱作是一個AI助手。

原因在于，GPT-4o和Astra雖然都可以回答問題并執(zhí)行搜索工作，但它們不能真正執(zhí)行任務。

華爾街見聞此前提及，OpenAI的在發(fā)展邊緣AI方面的痛點即為：端側(cè)應用權(quán)限、系統(tǒng)級權(quán)限。這可能也是它尋求與蘋果合作的原因之一。

就目前而言，只要AI助手產(chǎn)品還沒有真正接入到手機系統(tǒng)中去，Siri之類的語音助手的地位就無法被撼動。

有觀點指出，確定性要比AGI（通用人工智能）更重要，靠譜才是第一的。

該觀點認為，即使是目前最好的AI系統(tǒng)，也沒有做足準備真正實現(xiàn)個人助手的功能；而手機自帶的語音助手雖然沒那么“有趣”，但至少不會出錯。?????????