5月無疑是名副其實的“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。這些活動向世界進一步展示了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，幫助您迅速把握即將問世的新技術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。雖然活動沒有精美的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模型“GPT-4o”真實地震撼了大家。
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，可以實時對音頻、視覺和文本進行推理，并生成這些格式的相應輸出。
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320毫秒，與人類對話中的反應時間相當。
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，也擁有了與硬件結合的更多可能性。例如，以穿戴設備為載體，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免費用戶的默認模型將升級成GPT-4o，不過使用額度是有限的；此外，大量的付費功能開放給免費用戶；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小時后，2024年Google I/O全球開發(fā)者大會如期召開。在長達兩個小時的開幕主題演講中，谷歌展示的Project Astra和Veo，直接對標了目前Open AI領先的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，也能通過攝像頭解讀代碼和做數(shù)學題。除了語音交互外，它借助Gemini和谷歌豐富的應用生態(tài)，鏈接更多谷歌應用，讓用戶“只用一句簡單的prompt”，就能把信息鏈接起來，實現(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、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，讓小模型學習大模型，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，這個數(shù)字將直接翻番增至200萬），是目前大模型服務中所能支持的最長上下文輸入——它能充當“數(shù)據(jù)分析師”，從你上傳的表格中“及時”發(fā)現(xiàn)洞察，構建自定義的可視化圖表。全面接入Gemini的“谷歌辦公全家桶”，也將在未來幾個月內(nèi)陸續(xù)上線“智能問答”“智能郵件回復”“表格圖像化總結”等新功能。模型的推理更進一步，改進了對模型對具體用例響應的控制，遵循用戶復雜和微妙的執(zhí)行。
4. 發(fā)布了讓用戶自定義模型的Gems，對標Open AI的GPTs。
5. AI搜索現(xiàn)身，被命名為AI Overviews。這個功能可以“簡化”用戶提問，擁有更強大的多步推理能力。面對一個復雜問題，它會先將其拆解成多個簡單問題，再將簡單問題拆解成多個關鍵詞——反饋給用戶的頁面中，將是高度格式化的解釋、簡潔實用的行動指引、直接引導后續(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，人們不需要一個單獨的“搜索引擎”。
6. 更新了圖像模型——Imagen 3，團隊表示它生成的圖片細節(jié)更好，錯誤更少；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與詐騙電話實時監(jiān)測兩個功能：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，當存在詐騙等風險時會彈窗提醒用戶。
微軟Build 2024開發(fā)者大會
圖源：現(xiàn)場截圖
“三十多年來，微軟對于計算機一直有兩個夢想——一是讓計算機理解我們，而不是我們?nèi)ダ斫庥嬎銠C；二是在信息不斷增加的世界中，讓計算機幫助我們根據(jù)信息有效地進行推理、計劃和行動。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AI能力更新，從推出新的Windows機器“Copilot+PC”，到Recall等AI驅(qū)動的生成式AI功能，每一項都在告訴我們“AI 將如何重塑你的未來”。
1. 推出內(nèi)置AI的新電腦——Copilot+PC。新設備配備了一個名為Prism的模擬層，承諾與Windows的x86應用程序無縫兼容。最直觀的變化是，新的鍵盤上會有一個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如何提升組織的團隊協(xié)作和業(yè)務效率。主要介紹了以下三個升級：
a) Team Copilot：Copilot從幕后的個人AI助手，擴展為團隊成員。用戶將能夠在Teams、Loop、Planner等協(xié)作工具中調(diào)用Copilot。Team Copilot能夠在會議中擔任會議主持人，管理會議議程、跟蹤會議時間并記錄會議要點；也可以在聊天中作為協(xié)作者，提供重要信息、跟蹤行動項目并解決未決問題；它還可以擔任項目經(jīng)理，幫助確保每個項目順利推進，并及時通知團隊進行輸入。微軟宣布，Team Copilot將在今年晚些時候推出預覽版。