谷歌I/O 2023大会，仿佛又给谷歌的支持者们打了一针强心剂。
此前，因为微软和OpenAI的优异表现，谷歌已经被唱衰了很久。
但是，毕竟是做出了众多奠基性工作的AI老牌公司，谷歌这一轮的发力，让我们精神一振——它只是慢了，并不是噶了。
对打GPT-4的PaLM 2登台、Duet AI整进谷歌办公全家桶Workspace、Bard超强进化向所有人开放、谷歌搜索加入AI快照、AI新功能整合进Android 14、AI魔术编辑器加入谷歌相册等等。
这届I/O大会，可谓眼花缭乱，精彩纷呈。
一、PALM 2秀肌肉，手机也能跑
OpenAI的GPT-4，已经被全世界公认为最强大的语言模型。
怎么对打GPT-4？谷歌的答案，就是PaLM 2。
恰在今天，谷歌一同发布了PaLM 2技术报告。
论文地址：https://ai.google/static/documents/palm2techreport.pdf
显然，PaLM2被寄予了厚望，以缩小谷歌和微软之间在AI方面的差距。
劈柴介绍说，因为广泛的逻辑和推理训练，PaLM 2模型在逻辑和推理方面更加强大。据说，PaLM 2在超过100多种语言的多语言文本上进行了训练。
根据基准测试，对于具有思维链prompt或自洽性的MATH、GSM8K和MGSM基准评估，PaLM 2的部分结果超越了GPT-4。
据谷歌高级研究主管Slav Petrov介绍，PaLM 2在推理、编码和翻译上都表现更好，与2022年4月发布的第一代PaLM相比，PaLM 2有了明显的改进。
可以看到，PaLM 2的推理能力，得到了显著的改进
修改代码bug后，用韩语评论。
比如，PaLM 2能够理解不同语言的成语。
比起PaLM，在最新专业语言熟练度考试中的表现，PaLM 2的日语水平达到了A级，而PaLM达到了F级。PaLM 2的法语水平达到了C1级。
德语“Ich verstehe nur Bahnhof”如果直译，就是“我只理解火车站”，但如果你问它，你是不是理解错误了？
它马上就会告诉你，没错，这个德语的意思是“你说的啥？我什么都听不懂”。
再比如，和波斯谚语“Na borde ranj ganj moyassar nemishavad”（No Pain， No Gain）意思相近的中文谚语是什么？
在相关论文中，谷歌工程师声称PaLM 2的语言能力已经“足以教授这门语言”，原因是其训练数据中的非英语文本更为普遍。
PaLM 2包含了4个不同参数的模型，包括壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn），并在特定领域的数据上进行了微调，为企业客户执行某些任务。
这些微调就像给一个卡车底盘，加上一个新的发动机或前保险杠，以在某些特定任务上更好地工作。
这样的优势不言而喻，不用花费大量的时间和资源来创建，直接部署。
另外，PaLM2有一个基于健康数据训练的版本Med-PaLM 2，可以轻松通过美国医学执照考试，达到“专家”水平。
一个基于网络安全数据训练的版本Sec-PaLM 2，可以解释潜在恶意脚本的行为，检测到代码中的威胁。这两种模型都将通过谷歌云提供给特定客户。
目前，PaLM 2已经应用在25种功能和产品中，包括办公全家桶、聊天机器人Bard、搜索等等。
值得称赞的是，PaLM 2最轻量版本Gecko小到可以在手机上运行，每秒可以处理20个token，大约每秒16或17个单词。
不过，谷歌没有提及具体用什么硬件来测试这个模型，只是说在“最新的手机上”运行。
显然，这次谷歌在大语言模型的小型化上，取得了非常重要的进步。在云端运行这种AI，往往是很昂贵的，如果能在本地运行，无疑有着许多显著优势，比如隐私保护。
英伟达科学家Jim Fan对此大加赞许——
下一波LLM将是移动原生的。一个离线的、永远在线的LLM不仅可以降低服务成本，而且还为用户体验开辟了全新的途径。例如，一个元应用程序可以从你的移动工作流程中学习，并为你实现自动化。在小屏幕上节省的生产力，将比在大屏幕上多得多。
此前，谷歌一直被嘲在AI研究上已经落后于微软，PaLM 2，无疑是谷歌的一次重大回击。
但PaLM 2同样也面临着一些争议，比如训练语言模型的数据是否合法？
谷歌只是提到训练语料库来自“网络文档、书籍、代码、数学和对话数据”，但并没有进一步的细节。
而大语言模型的幻觉问题，同样无法避免。谷歌研究副总裁Zoubin Ghahramani表示，PaLM 2是对早期模型的改进，谷歌“投入了大量精力，不断改进基础性和归因指标”。
但他承认，在打击AI产生的虚假信息方面，大家都还有很长的路要走。
除了PALM 2，谷歌还宣布了正在训练的全新基础模型Gemini。这是第一个多模态模型，同样包含了参数大小不同的模型。
除了介绍模型，谷歌还特地介绍了开发 AI 技术的社会责任感，包括两个判别AI生成内容的工具：
- watermarking（嵌入水印）
- metadata（嵌入元数据）
二、Duet AI：办公全家桶新升级
此前，微软Copilot把GPT-4整进了全系办公产品，掀起了震惊全世界的办公软件革命。
怎么破？谷歌这次祭出了Duet AI，给谷歌办公全家桶Workspace来了一个全新升级。
其实呢，这也就是新瓶装旧酒，Duet AI就是Docs和Gmail等软件中AI工具的新名字。
谷歌希望，生成式AI能让Gmail、Docs、Sheets和Slides更有用，不过目前，大部分功能还在开发中。
Duet AI会涵盖谷歌的各种办公软件，包括在文档和Gmail中的写作辅助、幻灯片的图片生成、Meet的自动会议摘要等等。
在文档中，只要点“Help me write”，Duet AI就能自动帮你生成招聘启事。
好玩的是，你还可以规定任意文风，比如让它古怪的调调写出一个工作描述。
在Google Slids中，Duet AI能直接从幻灯片中的文本生成图像。
简单描述一下，合意的图片立马生成。
想做一个遛狗业务的收费表？描述一下，它就给你自动生成。
而I/O大会上一个真正的新事儿是，写作辅助也会应用在移动端的Gmail上，这是对Smart Compose的升级。
现在，如果想试用这些新工具，需要注册Workspace Labs，加入候补名单。
好消息是，现在任何人都可以申请加入候补名单了，不过目前尚不清楚用户何时可以访问。谷歌的说法是，将在未来几周内将服务扩展到“更多的用户和国家”。
目前唯一可靠的消息是，Gmail的移动程序上会出现“Help me write”AI助手，此前微软也曾推出类似产品，将必应集成到iOS和Android的SwiftKey键盘中。
三、Bard又双叒叕变强了
发布会上，谷歌还宣布了一个重磅消息。
那就是，Bard未来也能像ChatGPT一样，接入网络，实时搜索网页。
这次，Bard上新了不少功能，比如支持了两种新的语言——日语和韩语，用户目前可以更简便地把生成的文本导出到谷歌文档和Gmail，可视化搜索，以及深色模式等等。
不过，最令用户开心的，想必是谷歌决定取消Bard的等候名单——将在180个国家或地区提供服务。
此外，和Adobe的AI图像生成功能，以及Instacart和OpenTable等第三方服务的功能整合也正在路上。
总的来看，这些上新是给老Bard注入的一针强心剂。
目前，谷歌正在使Bard变得更加可视化，让Bard能够分析图像，并且能在查询结果中提供图像信息等等。
关于这一方面，谷歌在发布会上展示了一个案例。
假如用户问Bard，美国的新奥尔良有哪些必看的景点，那么Bard就能图文并茂地解答这个问题，就像用户在谷歌搜图中问同样的问题一样。
你还可以用Bard起草邮件，并一键导入Gmail，还有文档中。
而另一个更好玩儿的功能是用图像提示系统。该功能由Google Lens提供，它能够识别图片中的物体。
比方说，上传一张狗狗的照片，然后给一个prompt“为这两只狗写编一个有趣的标题”。Google Lens就可以识别狗狗的品种，然后Bard就能写下与这两只狗狗特征相关的内容。
该功能目前可能还不太完善，虽说潜力无限。未来如何取决于系统的整合程度。
虽说对Bard来讲，这是一个相当重大的更新，但和OpenAI的ChatGPT，以及微软的Bing之间的差距仍然是肉眼可见的。
要知道，微软在3月就给Bing增加了由OpenAI的DALL-E系统支持的AI图像生成功能。而OpenAI和微软一直在探索如何将聊天机器人与更多种的网络服务相结合。
不仅如此，OpenAI早些时候还宣布了ChatGPT将和OpenTable预订餐厅，以及Instacart订货配送的功能相结合。
谷歌表示，这些功能自己之后也会有的。
代码能力up
谷歌表示，升级后的Bard将会非常擅长处理有关代码的问题，包括调试和解释20多种语言的代码。
因此，今天发布会上的一些升级主要集中在这个方面上。
包括新的深色模式，改进的代码引用功能——不仅能提供来源，还能解释代码片段，以及一个新的导出功能。
用户可以把代码发送到谷歌的Colab平台，还能和另一个基于浏览器的IDE——Replit一起使用（从Python查询开始）。
只要选中代码，就可以一键导出到Colab或者Replit。
还支持20+种编程语言。基本涵盖了码农们所需的所有编程需要。
甚至还能直接询问Bard怎么用某一种语言实现某种功能。只要prompt到位，生成一串代码也就是几秒钟的事。
写完以后，还能就着某一行代码进行解释，以及完善。
如此看来，结合了PaLM2的Bard应该会在生成质量上有明显的提升。当然，具体表现如何，还得再观察。
四、对战必应，谷歌AI搜索已来
此前，整合进GPT的必应势如破竹，真正威胁到了谷歌的搜索市场。
为了与微软必应竞争，谷歌同在今天推出了由PaLM 2驱动的全新搜索引擎。
它能够提供问题回答的摘要，比如问“为什么酵母面包仍然如此受欢迎？”，谷歌搜索就给出几段详细描述酵母的味道、其益生元能力的优势等等。
另外，在生成内容旁，给出了3个链接，以证明摘要中的内容。这样可以减少AI在生成内容上出现“幻觉”问题。
当你搜索蓝牙音箱，首先顶部有一个简短的摘要，详细说明了购买时应注意的事项：电池寿命、防水性、音质。
右边是三个购买指南的链接，下面是6个不错选择的购物链接，每个旁边都有一个 AI 生成的摘要。
可以看到，这是谷歌搜索结果页面的new look。把AI生成内容放在最开始。
比起重新设计的微软必应，搜索结果顶部的AI框对谷歌来说更像是，一个小小的更新。
值得注意的是，要是想要访问这一功能，你必须选择Search Generative Experience（SGE）这一新功能。
并非所有搜索都会有AI生成的答案。只有当谷歌的算法认为它比标准答案更有用时，AI内容才会出现，而像健康、财务等敏感主题完全不会有AI生成。
谷歌表示，其改进后的搜索引擎能够以对话方式跟踪原始搜索查询的选项，无需重复已经提供的上下文或细节。
然而，谷歌搜索也不是无所不能，也存在从未完全解决过的问题——结构编排（orchestration of structure）。
因为大部分数据储存在互联网上，甚至谷歌内部，但将所有这些数据放在一起形成一个连贯的答案真的很难。
目前，已经开放候补名单仅限美国，谷歌表示，未来几个月将考虑更广泛地推出这一功能。
五、一键退款，智能P图，沉浸导航
一键生成退款邮件？谷歌行。
劈柴在发布会一开始就整了个小活。航班取消了得退款？不会写申请退款的邮件？gmail会。
只要在prompt栏里输入要求，gmail分分钟生成了一篇有理有据有节的退款申请邮件。
另外，谷歌Map现在也有了沉浸式view，你想去哪，怼脸的实景导航来了。你还能顺便问问空气质量、天气、交通状况，都能即时演示。
Magic Editor是谷歌最新公布的照片处理功能，使用生成性AI，可以让用户在没有专业工具的情况下对照片进行各种编辑。不会p图星人的福音来了？
发布会上，谷歌分享了几个应用了这项新功能的案例，不得不说，效果酷炸了。比如下面这张，Magic Editor一键把瀑布前的人像挪到了侧面，还把背景中别的游客p掉了。不仅如此，本来多云的天气硬是给p蓝了。
再比如下面这张，Magic Editor一键将长凳上的小孩连着凳子一起移到了中间，自动补齐了多出来的椅子，还把原画中缺失的气球补齐了。而且天也p蓝了。
当然，这项功能还没到最完美的地步。就比方说，仔细看看上面这张图片，凳子挪动了，可是底下的影子没动。但总归，这项功能对照片本身的理解是革命性的。
当然，咱现在还不用太担心是不是有的图片被Magic Editor处理过。因为谷歌说了，下半年才会推出这项功能。
六、AI笔记本Project Tailwind
学生党福音来了。不得不说，谷歌还真把学生们拿捏住了。
Project Tailwind从本质上讲，就是个笔记本，但是加了AI的能力。一下子就不一样了。
用户可以像问导师或者学习搭子一样在Tailwind里进行检索。
虽说谷歌把这个功能定位为学生服务的工具，但是对于日常需要处理大量文本的打工人来说，也是重大利好。
谷歌产品管理高级总监表示，Tailwind就像一个真正的笔记本一样，你在里面记东西，而这些内容就是AI学习的对象。
用户可以简便地从谷歌云端硬盘中挑选文件，有效创建了一个兼具个性化和私人属性的AI模型。
目前，该功能在大学校园内进行了广泛的测试。
在示例演示中，Tailwind收集了一大堆学习笔记，然后，生成了包括主题词在内的很多内容，比如，用户可以为特定主题创建术语表。
Tailwind不仅仅能为学生服务，它对任何从不同来源获取信息的人都有帮助。
隐藏在Tailwind背后的理念是，为什么我们不能为每个用户定制不同的AI语言模型呢？
当然，这里存在两个问题。
一方面是成本问题。训练语言模型所需的计算需求和微调成本都很高，谁来负担这个成本？
另一方面则是信息安全性。毕竟，捏造信息这种事可一点都不稀奇，谁能保证个性化的笔记本不会出现同样的问题呢。
不过，是骡子是马还得拉出来遛遛。用户目前可以注册Project Tailwind进行测试。该功能也是AI Labs计划的一部分。
七、安卓开发小助手
此外，谷歌I/O大会上还推出了专为Android开发的AI编码机器人Studio Bot。
不仅可以生成代码、修复BUG，甚至能够回答关于安卓应用开发的相关问题。同时支持Kotlin和Java编程语言，并将直接嵌入到Android Studio开发工具的工具栏中。
参考资料：https://io.google/2023/intl/zh/
本文作者：新智元
