12月11日，谷歌宣布發(fā)布最新大模型 Gemini 2.0，并推出基于此模型的AI智能體 Mariner。該智能體能夠?yàn)g覽電子表格、購物網(wǎng)站等，甚至在用戶監(jiān)督下代表用戶采取行動(dòng)。這一創(chuàng)新進(jìn)一步推動(dòng)了人工智能技術(shù)的實(shí)際應(yīng)用。

Gemini 2.0：支持多模態(tài)輸入與高級推理

Gemini 2.0 是谷歌最新推出的大語言模型，其首個(gè)實(shí)驗(yàn)版本 Gemini 2.0 Flash 支持多模態(tài)輸入與輸出，能夠直接生成圖文混合內(nèi)容，以及通過多語言文本轉(zhuǎn)語音（TTS）功能生成音頻。新模型的強(qiáng)大功能還包括調(diào)用谷歌搜索、代碼執(zhí)行，以及運(yùn)行用戶定義的第三方函數(shù)。

谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）表示：“Gemini 2.0 的高級推理能力使得解決復(fù)雜問題成為可能，例如高等數(shù)學(xué)方程、多模態(tài)查詢和編程問題。這一技術(shù)的突破將加速通用人工智能助手的構(gòu)建?！?

AI智能體Mariner：Chrome瀏覽器中的行動(dòng)助手

基于 Gemini 2.0，谷歌專門為 Chrome 瀏覽器開發(fā)了 AI 智能體 Mariner。Mariner 的核心功能是幫助用戶瀏覽網(wǎng)頁并在需要時(shí)采取行動(dòng)。例如，用戶可以讓 Mariner 瀏覽購物網(wǎng)站，將商品加入虛擬購物車，隨后由用戶確認(rèn)和完成購買。

谷歌項(xiàng)目經(jīng)理杰克琳·孔澤爾曼（Jaclyn Konzelmann）解釋，Mariner 的設(shè)計(jì)是“在用戶參與的情況下”使用，以確保用戶對最終決策有控制權(quán)。她補(bǔ)充道，雖然 Mariner 能夠簡化任務(wù)流程，但它仍處于實(shí)驗(yàn)階段，并且可能犯錯(cuò)?！傲奶鞕C(jī)器人在生成文本時(shí)的錯(cuò)誤可能被忽略，但當(dāng)它試圖操作網(wǎng)站并采取其他行動(dòng)時(shí)，錯(cuò)誤的影響將更加明顯。”

目前，谷歌正與外部少數(shù)測試人員分享 Mariner，但尚未公布何時(shí)向公眾發(fā)布。

谷歌的AI戰(zhàn)略與挑戰(zhàn)

除了 Mariner，谷歌還展示了新版數(shù)字助手 Project Astra，其功能包括對圖像、文本和語音命令做出反應(yīng)。這表明，谷歌正在通過一系列技術(shù)探索和產(chǎn)品，試圖在未來的人工智能市場中占據(jù)主導(dǎo)地位。

然而，谷歌的戰(zhàn)略也面臨阻力。美國司法部要求聯(lián)邦法官迫使谷歌出售或分拆 Chrome 瀏覽器，稱其涉嫌非法壟斷。作為谷歌 AI 戰(zhàn)略的重要平臺(tái)，Chrome 的未來發(fā)展可能對公司整體計(jì)劃產(chǎn)生重大影響。

技術(shù)的潛力與限制

盡管 Gemini 2.0 和 Mariner 展現(xiàn)了人工智能技術(shù)的巨大潛力，但谷歌也承認(rèn)這些工具尚未完全成熟。Mariner 的應(yīng)用仍需用戶監(jiān)督，而類似技術(shù)在操作網(wǎng)站時(shí)的潛在錯(cuò)誤需要進(jìn)一步解決。

目前，AI 技術(shù)正在以驚人的速度發(fā)展，谷歌的最新嘗試為未來智能化瀏覽器和通用AI助手的實(shí)現(xiàn)鋪平了道路。隨著技術(shù)的不斷迭代，Mariner 和類似的AI工具可能成為日常生活中不可或缺的助手。