Google I/O konference šogad ilga gandrīz divas stundas, un starmešu gaismā bija mākslīgais intelekts, konkrēti – Gemini.
Ja iepriekš Google bija gana diskrēts tajā, kā Gemini tiek integrēts uzņēmuma produktos, tad nupat notikusī Google I/O konference ir pagrieziena punkts. Šogad mākslīgā intelekta modelis ir priekšplānā, turklāt bez interpretācijām par to, kā Google plāno attīstīt šo pakalpojumu. Lūk, kas tika paziņots!
Gemini 3.5 – ātrāks un lētāks
Konferences lielākais paziņojums bija jaunas modeļu saimes palaišana, proti, Gemini 3.5. Pirmais no saimes modeļiem ir Gemini 3.5 Flash, kas jau šobrīd ir kļuvis par noklusējuma modeli Gemini lietotnē un Google meklētāja mākslīgā intelekta režīmā.
Google apgalvo, ka 3.5 Flash ir četras reizes ātrāks par konkurentu modeļiem un pārspēj pat iepriekšējo paaudzi (Gemini 3.1 Pro) lielākajā daļā veikto salīdzinājuma testu. Uzņēmums uzsvēris arī cenu – jaunais modelis esot ievērojami lētāks nekā līdzvērtīgi konkurentu risinājumi.
Šāds uzsvars noteikti nav nejaušība, bet gan uzskatāms izaicinājums sāncenšiem. Mākslīgā intelekta darbināšana pieprasa arvien vairāk līdzekļus, līdz ar to uzņēmums Gemini piedāvā kā makam draudzīgu alternatīvu.
Nākamais modelis – Gemini 3.5 Pro – tiks palaists nākammēness. Vismaz tā šobrīd paredz Google.
Gemini Omni – modelis, kas redz, dzird un saprot vienlaikus
Vēl viena jauna modeļu saime ir Gemini Omni, ko Google DeepMind vadītājs Demiss Hasabiss raksturojis kā soli ceļā uz vispārējo mākslīgo inteliģenci. Atšķirībā no vairuma modeļu, kas atsevišķi apstrādā tekstu, attēlus vai video, Omni visu apstrādā vienlaikus – gan kā ievadi, gan kā izvadi.
Konferencē tika demonstrēta sistēma, kas rediģē video, maina to stilu, ģenerē mākslīgā intelekta elementus un apstrādā multimediju saturu tā, kā līdz šim nav bijis iespējams.
Gemini Omni Flash – pirmais modelis saimē – jau šodien pieejams maksājošiem Google AI Plus, Pro un Ultra abonentiem, bet šīs nedēļas laikā nonāks arī YouTube Shorts un YouTube Create lietotnēs, turklāt bez maksas.
Gemini Spark – asistents, kas strādā arī tad, kad to nedari tu
Tomēr vispraktiskākais jaunums ir Gemini Spark. Tas ir personīgais mākslīgā intelekta aģents, kas turpina strādāt arī tad, kad klēpjdators ir aizvērts un tālrunis – atstāts uz naktsskapīša. Kā tas iespējams? Spark darbojas mākonī un neprasa nekādu papildu aparatūru.
Spark var apkopot e-pastus no iesūtnes, piesaistīt failus no Google Docs un uz to pamata sagatavot pārskatu vai e-pastu. Nākotnē tas tiks integrēts arī vairāk nekā 30 trešo pušu rīkos, tostarp Adobe, Dropbox un Uber, caur MCP protokolu.
Mākslīgā intelekta darbošanās fonā izklausās fantastiski, tomēr ir vērts uzdod pāris neērtus jautājumus. Lai Spark spētu efektīvi paveikt uzdevumus, lietotājam šim aģentam būs jāsniedz piekļuve saviem e-pastiem, kalendāram, dokumentiem un sarakstēm.
Tādejādi, lai sistēma kļūtu lietotājam patiesi noderīga, tai ir jāsniedz piekļuve personīgajiem datiem, kas raisa drošības jautājumus. Par šo aspeku Google nesniedza komentārus.
Meklēšana, iepirkšanās un jauns dizains
Šogad meklēšana radīta no jauna. Tā vietā, lai atgrieztu saišu sarakstus, Google Search tagad var ģenerēt pielāgotus logrīkus, vizuālus skaidrojumus un mini lietotnes tieši meklēšanas rezultātu lapā. Tā ir tieša atbilde tam, ko, piemēram, ChatGPT ir novērojis lietotāju paradumos, proti, cilvēki arvien vairāk vēlas saņemt precīzas atbildes, nevis lapas ar zilām saitēm.
Iepirkšanās jomā Google iepazīstināja ar Universal Cart, Universal Commerce Protocol un Agent Payments Protocol. Kopā šie rīki veido pamatu tam, ka Gemini iesaistās arī iepirkšanās procesā. Sistēma varētu izsekot izmaiņām kāda produkta cenā, pamanīt akcijas un galu galā veikt pirkumus lietotāja vārdā.
Uzfrišināta tiek arī Gemini lietotne. Tika prezentēts jauns dizains ar nosaukumu Neural Expressive, kas paredz plūstošākas animācijas un spilgtākas krāsas. Neural Expressive jau šodien tiek izvērsts gan Android un iOS lietotnēs, gan darbvirsmas versijā.
