Google 推出了一项名为 "AI 模式" 的新实验性功能,旨在与 Perplexity AI 和 OpenAI 的 ChatGPT Search 等热门服务展开竞争。该公司于周三宣布,这种新模式能让用户在 Google 搜索中直接提出复杂的多部分问题,并进行深入的跟进提问。
AI 模式从本周开始向 Google One AI Premium 订阅用户推出,可以通过 Google 的实验部门 Search Labs 访问。
该功能使用了 Gemini 2.0 的定制版本,特别适合需要进一步探索和比较的问题,这要归功于其先进的推理、思考和多模态能力。
例如,你可以问:"智能戒指、智能手表和追踪垫在睡眠追踪功能上有什么区别?"
AI 模式可以给你一个详细的比较,说明每种产品提供的功能,并提供信息来源的文章链接。然后你可以继续提出后续问题,比如:"在深度睡眠时心率会发生什么变化?"
Google 表示,在过去,通过传统搜索比较详细选项或探索新概念需要多次查询。
通过 AI 模式,你不仅可以访问网络内容,还可以获取实时信息源,如知识图谱、现实世界信息以及数十亿产品的购物数据。
Google 搜索产品副总裁 Robby Stein 在接受 TechCrunch 采访时表示:"从测试中我们发现,人们提出的问题长度大约是传统搜索的两倍,而且有四分之一的时间会提出后续问题。他们真的在处理可能更难的问题,需要更多来回交互的问题,我们认为这创造了扩展 Google 搜索功能的机会,这也是我们非常兴奋的原因。"
Stein 指出,随着 Google 推出在结果页面顶部显示信息快照的 AI Overviews 功能,用户反馈希望在更多搜索中获得这种 AI 驱动的答案,这就是公司推出 AI 模式的原因。
AI 模式通过 "查询扇出" 技术工作,同时在多个数据源中发出多个相关搜索,然后将这些结果整合成易于理解的响应。
Stein 表示:"模型已经学会优先考虑事实性,并通过可验证的信息来支持其说法,这非常重要,它特别关注敏感领域。例如在健康领域,如果它没有把握,可能就只会提供一系列网页链接和网址,因为在当时这是最有帮助的。它会尽最大努力,根据可用信息的背景和回复的可信度来提供最有帮助的内容。这并不意味着它永远不会犯错。与每种新发布的前沿 AI 技术一样,它很可能会犯错。"
由于这是一个早期实验,Google 表示将继续改进用户体验并扩展功能。例如,公司计划使体验更加视觉化,并从不同来源(如用户生成内容)获取信息。Google 正在教导模型确定何时在响应中添加超链接(如预订票务),或何时优先显示图片或视频(如操作指南查询)。
Google One AI Premium 订阅用户可以通过加入 Search Labs,然后在搜索栏中输入问题并点击 "AI 模式" 标签来访问该功能。或者,他们可以直接访问 google.com/aimode 使用该功能。在移动端,他们可以打开 Google 应用,在主页面搜索栏下方点击 "AI 模式" 图标。
作为今天公告的一部分,Google 还宣布在美国为 AI Overviews 启用了 Gemini 2.0。该公司表示,AI Overviews 现在将能够处理更难的问题,首先从编码、高等数学和多模态查询开始。此外,Google 宣布用户不再需要登录就能访问 AI Overviews,该功能现在也向青少年用户开放。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。