谷歌首席执行官桑达尔·皮查伊宣布推出Gemini 2.0，这是谷歌在人工智能领域革命性进展的下一步。
在推出Gemini 1.0模型一年后，这一重大升级整合了增强的多模态能力、代理功能和创新用户工具，旨在推动人工智能驱动技术的边界。
向变革性人工智能迈进
皮查伊回顾了谷歌26年来组织和使世界信息可获取的使命时表示：“如果Gemini 1.0是关于组织和理解信息，那么Gemini 2.0则是关于使其变得更加有用。”
Gemini 1.0于2022年12月发布，是谷歌首个原生多模态人工智能模型。第一代在理解和处理文本、视频、图像、音频和代码方面表现出色。其增强的1.5版本因其长上下文理解而被开发者广泛接受，使得诸如以生产力为中心的NotebookLM等应用成为可能。
现在，随着Gemini 2.0的推出，谷歌旨在加速人工智能作为通用助手的角色，能够进行原生图像和音频生成、更好的推理和规划，以及现实世界的决策能力。用皮查伊的话说，这一发展标志着“代理时代”的到来。
皮查伊解释道：“我们一直在投资开发更具代理性的模型，这意味着它们可以更好地理解您周围的世界，提前多步思考，并在您的监督下为您采取行动。”
Gemini 2.0：核心特性和可用性
今天公告的核心是Gemini 2.0 Flash的实验性发布，这是Gemini第二代的旗舰模型。它在前代模型的基础上构建，同时提供更快的响应时间和更先进的性能。
Gemini 2.0 Flash支持多模态输入和输出，包括生成原生图像与文本结合的能力，以及生成可调节的多语言文本到语音音频。此外，用户还可以受益于原生工具集成，如谷歌搜索，甚至是第三方用户定义的功能。
开发者和企业将通过Google AI Studio和Vertex AI的Gemini API访问Gemini 2.0 Flash，而更大模型的发布计划在2024年1月进行。
为了全球可访问性，Gemini应用程序现在提供了一个针对聊天优化的2.0 Flash实验模型。早期采用者可以在桌面和移动设备上体验这一更新的助手，移动应用程序的推出即将到来。
像谷歌搜索这样的产品也在通过Gemini 2.0进行增强，解锁处理复杂查询的能力，如高级数学问题、编码查询和多模态问题。
全面的人工智能创新套件
Gemini 2.0的发布伴随着引人注目的新工具，展示了其能力。
其中一个功能，深度研究，作为人工智能研究助手，简化了调查复杂主题的过程，通过将信息汇编成综合报告。另一个升级增强了搜索功能，提供Gemini支持的人工智能概述，处理复杂的多步骤用户查询。
该模型使用谷歌第六代张量处理单元（TPUs），即Trillium进行训练，皮查伊指出“支持了100%的Gemini 2.0训练和推理。”
Trillium现在对外开发者可用，使他们能够受益于支持谷歌自身进步的相同基础设施。
开创代理体验
Gemini 2.0还伴随着实验性的“代理”原型，旨在探索人类与人工智能协作的未来，包括：
- 项目Astra：通用人工智能助手
项目Astra在今年早些时候的I/O大会上首次介绍，利用Gemini 2.0的多模态理解来改善现实世界的人工智能交互。受信任的测试者在Android上试用了该助手，提供的反馈帮助改进了其多语言对话、记忆保留和与谷歌工具（如搜索、Lens和地图）的集成。Astra还展示了接近人类的对话延迟，进一步研究正在进行，以便将其应用于可穿戴技术，如原型人工智能眼镜。
- 项目Mariner：重新定义网络自动化
项目Mariner是一个实验性的网页浏览助手，利用Gemini 2.0在浏览器中跨文本、图像和交互元素（如表单）推理的能力。在初步测试中，它在WebVoyager基准测试中完成端到端网络任务的成功率达到了83.5%。早期测试者使用Chrome扩展程序帮助改进Mariner的能力，同时谷歌评估确保技术保持用户友好和安全的安全措施。
- Jules：为开发者提供的编码代理
Jules是一个为开发者构建的人工智能助手，直接集成到GitHub工作流程中，以解决编码挑战。它可以自主提出解决方案、生成计划并执行基于代码的任务——所有这些都在人工监督下进行。这一实验性努力是谷歌长期目标的一部分，旨在创建跨多个领域的多功能人工智能代理。
- 游戏应用及其他
谷歌DeepMind正在与Supercell等游戏合作伙伴合作，扩展Gemini 2.0在虚拟环境中的应用，开发智能游戏代理。这些实验性的人工智能伙伴可以实时解释游戏动作，建议策略，甚至通过搜索访问更广泛的知识。研究还在进行中，探讨Gemini 2.0的空间推理如何支持机器人技术，为未来的物理世界应用打开大门。
应对人工智能发展的责任
随着人工智能能力的扩展，谷歌强调优先考虑安全和伦理考量的重要性。
谷歌声称Gemini 2.0经过了广泛的风险评估，并在责任和安全委员会的监督下进行，以减轻潜在风险。此外，其嵌入的推理能力允许进行高级“红队测试”，使开发者能够评估安全场景并优化安全措施。
谷歌还在探索保障措施，以解决用户隐私问题，防止滥用，并确保人工智能代理保持可靠。例如，项目Mariner旨在优先考虑用户指令，同时抵御恶意提示注入，防止网络钓鱼或欺诈交易等威胁。同时，项目Astra中的隐私控制使用户能够轻松管理会话数据和删除偏好。
皮查伊重申了公司对负责任开发的承诺，表示：“我们坚信，构建人工智能的唯一方法就是从一开始就负责任。”
随着Gemini 2.0 Flash的发布，谷歌正逐步接近其构建能够改变各领域交互的通用助手的愿景。
想了解更多行业领袖关于人工智能和大数据的内容吗？ 请查看人工智能与大数据博览会，该活动将在阿姆斯特丹、加利福尼亚和伦敦举行。该综合活动与其他领先活动共同举办，包括智能自动化会议、区块链博览会、数字化转型周和网络安全与云博览会。
探索由TechForge提供的其他即将举行的企业技术活动和网络研讨会这里。
