# Google I/O 2024: Как Gemini превращает поиск в персонального ассистента Источник: https://www.youtube.com/watch?v=MzHCWZB5ZpE Канал: The Vergecast Опубликовано: 14.05.2024 --- На ежегодной конференции Google I/O 2024 технологический гигант представил масштабное обновление своей экосистемы, в центре которого стоит искусственный интеллект Gemini. Главная идея презентации — переход от простых поисковых запросов к сложным мультимодальным рассуждениям и глубокой интеграции ИИ во все сервисы компании, от Gmail до Google Photos, что должно радикально изменить пользовательский опыт. ## 🔎 Новая эра поиска: AI Overviews и мультимодальность [[JUMP:0:13]] Google официально запускает функцию AI Overviews для всех пользователей в США с последующим расширением на другие страны [0:13]. Этот инструмент полностью меняет логику работы поисковика, предлагая готовые ответы вместо списка ссылок. Внедрение мультимодальности позволяет пользователям задавать вопросы самыми разными способами: * **Через видео:** пользователь может направить камеру на неисправный механизм (например, проигрыватель пластинок) и спросить, почему он не работает. ИИ в режиме реального времени проанализирует видео и предложит шаги по устранению неполадок [0:13:46]. * **Сложное планирование:** Google Search теперь поддерживает многошаговые рассуждения. Можно попросить составить план питания на три дня или найти лучшие студии йоги в городе с учетом времени в пути от конкретной точки и наличия приветственных скидок [6:37]. * **Интеграция с бытом:** ИИ может помочь найти номерной знак машины по фотографиям, анализируя контекст посещения парковок [0:26], или отследить прогресс ребенка в занятиях плаванием, отличая тренировки в бассейне от отдыха в океане [0:41]. ## 🧠 Семейство моделей Gemini 1.5: Прорыв в контексте [[JUMP:1:08]] Ключевым техническим достижением Google стало радикальное расширение «контекстного окна» — объема данных, которые нейросеть может обработать за один раз. Основные анонсы в области моделей: * **Gemini 1.5 Pro с окном в 1 млн токенов:** теперь модель доступна разработчикам по всему миру и пользователям Gemini Advanced [1:20]. Это позволяет загружать сотни страниц текста, часовые аудиозаписи или огромные репозитории кода. * **2 миллиона токенов:** Google объявила о расширении окна до 2 млн токенов в будущем, стремясь к концепции «бесконечного контекста» [1:49]. * **Gemini 1.5 Flash:** представлена новая, более легкая и быстрая модель, оптимизированная для задач, где критична скорость отклика и низкая стоимость [3:35]. * **Gemma 2 и PaliGemma:** анонсировано новое поколение открытых моделей, включая версии для работы с изображениями и текстом [15:45]. ## 🤖 Project Astra: Будущее универсальных ассистентов [[JUMP:3:49]] Google DeepMind представил прототип Project Astra — универсального ИИ-помощника, способного видеть, слышать и запоминать окружающую обстановку. В демонстрационном ролике ассистент мгновенно распознает части динамика (например, твитер), анализирует программный код на экране монитора и даже подсказывает пользователю, где он оставил свои очки, «вспомнив» их местоположение из видеоряда [3:49]. По мнению представителей Google, такие агенты должны обладать проактивностью. В качестве примера был показан «виртуальный коллега» Chip, который интегрируется в рабочие чаты Google Workspace, отслеживает дедлайны, систематизирует информацию и самостоятельно создает документы для решения возникающих проблем [10:16]. ## 🖼️ Креативные инструменты и генерация контента [[JUMP:4:43]] Компания обновила линейку моделей для творчества: 1. **Imagen 3:** Самая фотореалистичная модель Google для генерации изображений, которая значительно лучше справляется с деталями (например, шерстью животных) и текстом внутри картинок [4:55]. 2. **Veo:** Новая модель для создания высококачественного видео в формате 1080p. Она поддерживает различные кинематографические стили и понимает сложные запросы (например, съемка пейзажа с дрона или таймлапс) [5:22]. 3. **Music AI Sandbox:** Набор инструментов для музыкантов, созданный совместно с YouTube, позволяющий трансформировать стили и дорабатывать инструментальные партии [5:08]. Для обеспечения безопасности Google расширяет технологию цифровых водяных знаков **SynthID** на видео и текст, чтобы маркировать контент, созданный ИИ [16:12]. ## 📧 Продуктивность в Workspace и Gemini Live [[JUMP:8:13]] Мобильное приложение Gmail и сервис Gemini получили функции глубокого анализа почты. Теперь пользователь может попросить ИИ сравнить предложения от разных подрядчиков по ремонту крыши, выбрав лучшее по цене и срокам [8:50]. Еще более впечатляющая функция — автоматизация рутины: Gemini может найти все чеки в почте за определенный период, сохранить их в папку на Drive и составить сводную таблицу расходов в Google Sheets [9:19]. Эволюция взаимодействия с ИИ приведет к появлению **Gemini Live** — режима живого голосового общения, где нейросеть может «видеть» через камеру смартфона и обсуждать происходящее в реальном времени [11:09]. Также анонсированы **Gems** — персональные версии Gemini, которые можно настраивать под конкретные задачи (например, «тренер по письму» или «наставник по программированию») [11:22]. ## 🏗️ Инфраструктура и образование [[JUMP:6:13]] Для обучения таких мощных моделей Google представила шестое поколение своих чипов — **TPU Trillium**. Новые процессоры обеспечивают прирост производительности в 4,7 раза по сравнению с предыдущим поколением [6:25]. В образовательной сфере компания представила **LearnLM** — семейство моделей, специально настроенных для эффективного обучения. Функции вроде «Circle to Search» теперь помогают студентам решать сложные физические задачи, не просто давая ответ, а объясняя каждый шаг решения [13:33]. Презентация завершилась шуточной статистикой: за 17 минут слово «AI» было произнесено столько раз, что это наверняка стало рекордом для мероприятий компании [16:38].