本文将深入探讨Google的一些关键AI产品,以及这些产品背后的技术原理。 一、语言模型与对话应用:LaMDA与PaLM Google在语言处理领域有着深厚的技术积累。 三、自动机器学习与云服务:AutoML与Vertex AI 为了让更多的开发者和企业能够利用AI的力量,Google推出了AutoML和Vertex AI等工具和服务。 五、电话AI与游戏互动:Duplex与“猜画小歌” 除了上述应用,Google还在探索AI在其他领域的可能性。例如,Duplex是一个能打电话完成真实世界任务的AI系统。 总结 Google在AI领域的贡献不仅仅体现在其产品和服务上,更重要的是它推动了整个行业的发展。从语言模型到多模态学习,再到自动机器学习工具,Google一直在不断探索AI技术的可能性。 随着Google继续在AI领域的探索和发展,我们可以期待看到更多令人惊叹的创新。
作为在AI领域领跑的谷歌最近就开放了自己的人工智能学习平台,向大众提供免费课程。 为了让更多的人接触到人工智能和机器学习,谷歌在Google AI网站上新添了一个“Learn with Google AI”版块。 ? 该网站的名字是“Learn with Google AI”,这本身是谷歌内部培训员工的网站。 Google在课程页面上就明确地列出了课程的前提条件: 机器学习速成课程并不会假定或要求您预先掌握机器学习方面的任何知识。 这个译制片般的感觉,得益于Google的AI技术。所有的中文语音,其实都是根据原音(英文)识别并翻译之后,由机器合成的中文发音念出来的。 所以听上去,还是能感受到一点点的机器的“口音”。
谷歌宣布将 Google Research Blog 更名为 Google AI Blog。 额,是我来错网站了吗? 往常一样打开 Google Research Blog 的大家一脸疑惑看着网站左上角的新 logo+Google AI Blog,但我明明打开的是 Google Research Blog 啊。 以下是谷歌昨日在原 Google Research Blog(现 Google AI Blog)发布的这篇《Introducing Google AI》内容,AI 科技将其内容编译如下。 为了更好地响应「让 AI 为所有人可用」的这一承诺,谷歌决定将自家所有的努力成果都汇聚至 Google AI 下,包括在谷歌正在诞生的所有前沿研究。 另外,谷歌还基于原 Google Research 网站对 Google AI 网站(https://ai.google/)进行了扩展,并重新命名了原 Google Research Blog channel
---- 新智元报道 来源:Google AI、Wired等 译者:克雷格、肖琴 【新智元导读】今天,Google Research和Google.ai合并成为Google AI,将展示谷歌所有最新的研究 谷歌今天宣布将谷歌研究(Google Research)和Google.ai合并,推出全新的谷歌AI项目(Google AI),以及全新的六角形Google AI logo。 目前Google Research网站已经整体重定向到ai.google这个域名下。 将Google Research统合在“Google AI”之下,谷歌是何目的? Google AI大一统:Jeff Dean掌权后深入推进AI First 谷歌Research与Google.ai合并,可能不是简单的更名。
2016 年,Google推出了第一款 Pixel。为人们提供更有用、更智能的手机。 多年来,推出了 HDR+ 和Night Sight 等功能,它们使用人工智能 (AI) 通过计算摄影来创建精美的图像。 后来,Google应用强大的语音识别模型构建了Recorder,它可以在设备上记录、转录和搜索音频片段。 AI 是创新工作的未来,但问题目前的芯片不能满足Google的AI计算能力。 因此,Google着手构建一个专为移动设备打造的技术平台,让Google能够将最具创新性的 AI 和机器学习 (ML) 带给 Pixel 用户。 随着越来越多的功能由 AI 和 ML提供支持,这不仅仅是添加更多计算资源,而是使用 ML 为我们的 Pixel 用户解锁特定体验。 设计我们芯片的团队希望让 Pixel 更加强大。
TensorFlow在中国 当然,Google在北京围绕AI的举措,不止组建团队而已。 在此之前,TensorFlow作为Google面向AI时代的开发者平台,内部对其在中国的影响力非常重视。 在Google内部,Google大脑和Google云正在通力合作,希望把TensorFlow打造成为一个辐射全球的机器学习的算法模块和自动化学习系统,可以覆盖到数以百万计的中小公司,让它们也能参与到AI AI人才抢夺 最后,在AI人才争夺如此激烈的当前,Google在中国设立机器学习团队,主观上不知道,但客观上肯定能抢夺到不少优秀的AI人才。 比如主管创新工场投资业务的合伙人汪华、主管运营的合伙人陶宁、任职CMO的合伙人黄蕙雯、创新工场AI工程院副院长王咏刚,创新工场AI工程院VP吴卓浩等,均是Google的中国“毕业生”。 此次Google在北京建立机器学习研发团队,会在AI时代里再培养出多少人才? 值得期待。
【导读】北京时间2月6日,一年一度的Think With Google在北京召开。 谷歌大中华区总裁石博盟发表开场演讲,感叹中国AI的发展迅猛,李佳博士介绍了谷歌“AI赋能”,总结了其部门作为谷歌AI研究与产品开发的纽带所做的工作,以及谷歌在AI+“教育”、AI+“医疗”的进展。 ▌李佳博士演讲:“AI赋能” ---- ---- ? 谷歌AI中国中心总裁、谷歌云AI研发主管李佳就谷歌如何用AI赋能传统行业,即——“AI赋能”进行演讲。 另外,李佳还分享了几个垂直行业的AI赋能案例:如AI+教育、AI+医疗。在AI+教育中,AI可以被应用到教育的所有环节。 这份报告是隶属全球最大传播集团WPP的品牌咨询公司BrandZ,借助谷歌线上调研工具Google Surveys得出的。
Google 的 github 账户最新发布一个框架,叫做 Dopamine。 有了 Dopamine 可以帮助大家更快地设计强化学习原型。 值得试试。
今天先翻译一篇文章,原文题目:Object Detection using Google AI Open Images,点击阅读原文,可以跳转到Medium上的英文原文。 认识到未来许多有趣的数据科学应用程序将涉及处理图像,我的团队和我决定尝试参加托管在Kaggle上的Google AI Open Image挑战赛。 这节省了我们的计算时间,因为我们不需要训练大量的权重 - 例如,我们使用的YOLO v2模型有大约5000万个权重 - - 在我们使用的Google云实例上训练,可能需要4-5天才能完成。
"AI的目标从来不是为了取代人类,而是为了帮助我们发现更多的可能性。" 这句来自Google DeepMind团队的话,成为了整个活动的核心。 这部电影主要讲的是Google DeepMind的研发历程,而有大段的篇幅,在讲AlphaZero。 就是那个震惊世界的Google AlphaGO的进化版。 作为AlphaZero项目的核心参与者,聊起AI怎么学习下棋,他眼睛都在发光。 听他讲AI自己发现战术的过程,就像看一个孩子在探索世界,那种热爱,作为一个观众,我真的为之动容。 Chess Fiction则更像是AI的创作能力展示,它能把棋局变成小说。 也许在未来的某一天,我们真的有可能用AI去解决癌症,延续生命。 正如Google DeepMind团队所说,AI的目标,从来不是为了取代人类,而是为了帮我们发现更多的可能性。
微软今天在北京秀了一下AI实力。 这家老牌科技公司,现在到底有什么黑科技?在大会现场,展示了微软AI小冰和人类打电话的实力、还有锥形的AI开会神器等等。 微软技术院士黄学东还在现场diss了一下同行:“Google动不动就吹牛~” 此外,微软还宣布AI课程(旁听免费)在国内上线,以及与高校展开合作。 量子位把这次大会的亮点总结一下。 Google前几天展示了一个打电话的AI,也就是Google Duplex。这个AI能跟人类沟通,并且完成预定任务。 但明显微软不服,心说:跟人类打电话这事儿,我们早就干过了。 AI开会神器 “Google动不动就吹牛。全双工,Google Duplex。” “我们这个系统,不仅仅支持两个人讲话,我们支持五个人讲话,我们是全五工。怎么没人拍掌? 现场还展示了AI翻译器,不过还是出现了小小的乌龙。黄学东笑了笑说,“这是网络错误”。 免费AI课程上线 微软还把人工智能课程带到国内。
他们指出,到目前为止,OSS-Fuzz 及其由 LLM 生成的改进模糊测试策略已经让 Google 在 cJSON 和 libplist 中发现了两个新漏洞,尽管这两个广泛使用的项目已经被模糊测试了多年 对于更复杂的补丁,我们仍然需要并且应该要求领域专家在AI自动注入补丁后对其进行审查。 oss-fuzz-gen项目地址:https://github.com/google/oss-fuzz-gen 文章来源:csoonline
Google Search推出了AI Mode。这不是简单地把答案改成“由AI生成”,而是搜索本身的逻辑变了。 AI从“你需要知道怎么用它”,变成了“它知道你想要什么”。 Google Pixel 10官方展示:AI赋能的手机摄影和功能 科学在加速 AlphaFold已经存在5年了。 Google Earth AI能追踪气候变化、森林砍伐、城市扩张……这些都不是炫耀,而是正在改变决策的工具。 Google甚至主动公开了这些评估的结果,而不是只秀高分。 在生成内容的安全上,Google推出了AI视频和图片的验证工具。当你在Gemini app里看到一张图片或视频,你能看到它是不是AI生成的。 Google Research 2025年度成就:AI与DeepMind重大突破汇总 你可能感受到的变化 Google 2025年的故事,本质上不是关于技术指标或基准分数。
Google 搜索终于上线 AI 智能检索,自动给出答案,并且在侧边也有可靠的参考信息。如果你点击链接打开,它会自动对参考某文字紫色高亮显示。 Google 的用户体验依然很棒,以 Google 本就较高准确率来说,现在 AI 加持后检索效率更高了~相较于以 AI 加持的 Perpexity 问答搜索,Google 搜索除了没有多轮问答之外,没有其他毛病
AI 科技评论按:当我们为各种测评任务中取得的分数欢欣鼓舞时,可能我们已经受到了「赢者诅咒」。 近期,来自 Google AI 的 D. on Pace, Progress, and Empirical Rigor》[1] 给我们明确指出了这点,作者认为实证严谨(empirical rigor)对于现在的 AI 学术社区变得越来越重要,他们针对当前的问题给出了一些颇具革命性的建议
Google 就是 Google 啊!今天在浏览新闻的时候,突然看到这么 一条新闻: 谷歌搜索开始进行一个重大调整,如果谷歌自有的工具能够直接给出搜索答案,谷歌将取消传统的网页搜索结果。
原有的 "Google One AI Premium" 体系已正式演进为更具层级化、专业化的 Google AI Pro 与 Google AI Ultra 双轨制 。 订阅架构演变与市场定位分析1.订阅体系的战略重组在 2024 年至 2025 年初,Google One AI Premium 是 Google 面向消费者的旗舰 AI 产品,主打“存储 + AI”的捆绑策略 因此,Google 推出了新的双层架构:Google AI Pro ($19.99/月) :定位于“高阶生产力中枢”。 2.Google AI Pro 的核心权益矩阵Google AI Pro 的权益结构可以被视为一个“金字塔”体系:底层是 Google One 的基础设施(存储、家庭共享),中层是 Gemini 生态的通用能力 生产力生态集成与基础设施权益除了上述的前沿 AI 工具,Google AI Pro 还包含了一系列与 Google 现有生态深度绑定的实用权益,构成了用户的基本生产力底座。1.
AI 研习社按:本月 18 日,由美中技术与创新协会(Association of Technology and Innovation,ATI)主办的第一届“AI NEXT”大会在西雅图召开。 本次会议的主要嘉宾包括:微软首席 AI 科学家邓力,微软院士黄学东,Uber 深度学习负责人 Luming Wang 等。 大会主题是“探索 AI 的潜力,把 AI 技术应用于实用项目和服务”,对 CV、NLP、智能助手、深度学习框架均做了专题报告。 AI 研习社根据演讲录音和PPT整理成文。 注: 黄学东于1993年加入微软,目前领导微软在美国、德国、埃及、以色列的团队研发研发微软企业人工智能客服对话解决方案 、cris.ai 和 luis.ai 等认知服务、CNTK 开源深度学习工具等人工智能产品和技术
搜索和 AI 可以说是 Google 最重要的两个部门,这次的变动也说明 Google 在继续发展自己「AI 为先」的战略。 和 Google Brain 实验室联合创始人 Jeff Dean,前者负责搜索业务,后者负责 AI 部门。 这意味着,2016 年将搜索和 AI 部门合并之后,谷歌再一次将两个部门拆分了。 Giannandrea 仍将留在 Google 担任其它职位,预计会回去继续做 AI 研究。 2 年前,Google 打出 AI 为先的口号,在老兵 Amit Singhal 宣布退休后,选择了由领导 AI 研究的 John Giannandrea 出任搜索业务的负责人。 搜索和 AI 可以说是 Google 最重要的两个部门,这次的变动也说明 Google 在继续发展自己「AI 为先」的战略。
在昨天的开发者大会上,谷歌宣布推出用于人工智能和机器学习的第三代TPU,其功能比Google TPU 2.0多八倍,性能高达100 petaflops。它们耗电量大,需要水冷。 根据Google自己的文档,TPU 1.0建立在台积电28nm工艺节点上,主频为700MHz,功耗为40W。每个TPU PCB通过PCIe 3.0 x16连接。TPU 2.0做了一些重大改变。 与只能处理8位整数操作的TPU v1不同,Google增加了对TPU v2中单精度浮点数的支持,并为每个TPU增加了8 GB的HBM内存以提高性能。