Tối qua, Google đã ra mắt "bộ sưu tập siêu AI", nhưng đổi mới lớn nhất lại bị OpenAI chặn đứng
Tuyển chọn TechFlowTuyển chọn TechFlow
Tối qua, Google đã ra mắt "bộ sưu tập siêu AI", nhưng đổi mới lớn nhất lại bị OpenAI chặn đứng
OpenAI đã cố tình chọn thời điểm phát hành 4o vào ngày trước khi hội nghị Google I/O khai mạc, có lẽ nhằm mục đích cạnh tranh trực tiếp với Google.
Chuyên sâu báo cáo Web3Tác giả: Trịnh Nguyệt, Tâm Tâm
Biên tập: Trịnh Huyền
Không ngoài dự đoán, Google đã bị OpenAI "bắn tỉa".
Sau hàng loạt màn che mắt, ngày hôm qua OpenAI đã gây chấn động thế giới bằng trợ lý AI có thể nhìn, nghe thế giới thực và trò chuyện thời gian thực không độ trễ - «GPT-4o». Việc chọn phát hành 4o vào đúng ngày trước khi hội nghị I/O của Google khai mạc khiến nhiều tờ báo nhận định rằng đây chính là đòn tấn công trực diện vào Google.
Đúng như vậy, tại bài phát biểu chủ đề của hội nghị Google I/O diễn ra lúc 10 giờ sáng ngày 14 theo giờ địa phương Mỹ, dù Google đã công bố một loạt gói sản phẩm AI dựa trên Gemini —— bao gồm phiên bản nâng cấp Gemini 1.5 Pro với khả năng xử lý ngữ cảnh lên tới 2 triệu tokens, mô hình mới Gemini 1.5 Flash, mô hình tạo video lớn tương tự Sora là Veo, cùng nhiều ứng dụng AI như tìm kiếm AI, Gmail tích hợp AI.
Nhưng điểm thu hút sự chú ý nhất vẫn là dự án trợ lý vạn năng mà người đứng đầu DeepMind của Google kiêm lãnh đạo AI của Google, Demis Hassabis, gọi là con đường thực sự dẫn đến AGI —— «Dự án Astra». Cùng với đó là tính năng trò chuyện bằng giọng nói mới Live dành cho người đăng ký Gemini Advanced, dự kiến sẽ được bổ sung thêm chức năng camera trong năm nay để AI có thể đối thoại dựa trên môi trường thực tế của người dùng.
Cả hai sản phẩm này đều có phần giống «GPT-4o», nhưng xét về tiến độ sản phẩm thì rõ ràng OpenAI đã đi trước một bước. Tuy nhiên điều này không đồng nghĩa OpenAI chắc chắn sẽ là người chiến thắng cuối cùng. Hiện tại điện thoại vẫn là thiết bị phần cứng quan trọng nhất cho các trợ lý siêu thông minh này, và Google với hệ thống Android trong tay có lợi thế thiên nhiên. Nhìn từ góc độ này, tin đồn gần đây về việc Apple hợp tác với OpenAI có lẽ bắt nguồn từ nhu cầu cả hai bên cần liên minh để đối phó với Google.
Dù sao đi nữa, trợ lý siêu thông minh sở hữu khả năng «nhận thức thế giới thực (Input)» + «trả lời bằng giọng nói không độ trễ (Output)» đã trở thành yếu tố then chốt trong cuộc đua vũ trang AI giai đoạn tiếp theo. Sắp tới, nhiều công ty mô hình lớn, nền tảng điện toán đám mây, thậm chí cả các hãng điện thoại và nhà phát triển ứng dụng AI sẽ lần lượt tham gia vào cuộc đua này.
01. Dự án Astra —— Hỏi đáp video thời gian thực, cam kết không làm giả
Tại hội nghị I/O, Google đã công bố một đoạn video trình diễn trợ lý AI cực kỳ ấn tượng, lần này còn tuyên bố cam kết không chỉnh sửa hay làm giả bằng bất kỳ cách nào.
Demis Hassabis nói rằng Project Astra là hình mẫu sơ khai của trợ lý AI mà ông mong đợi suốt vài thập kỷ, là tương lai của trợ lý AI.
Project Astra là một trợ lý trí tuệ nhân tạo đa phương thức, hoạt động theo thời gian thực, tương tác với thế giới xung quanh bằng cách nhận thông tin, ghi nhớ những gì nó thấy, xử lý dữ liệu và hiểu chi tiết ngữ cảnh. Giao tiếp bằng giọng nói của nó tự nhiên hơn trợ lý Google hiện tại, không có độ trễ, có thể trả lời câu hỏi hoặc giúp bạn làm gần như mọi việc.
Trong đoạn trình diễn, người dùng yêu cầu Project Astra thông báo khi thấy vật phát ra âm thanh, trợ lý trả lời rằng nó nhìn thấy một loa đang phát âm thanh.
Tương tác được thực hiện bằng giọng nói thời gian thực, không cần từ kích hoạt như «Này Google, Gemini», người dùng hỏi Project Astra về đoạn mã hiển thị trong video có tác dụng gì, Project Astra lập tức giải thích mà không hề có độ trễ.
Project Astra ghi nhớ cặp kính lóe lên thoáng qua | Nguồn ảnh: Google
Xử lý thị giác của Project Astra thậm chí có thể coi là điểm nổi bật nhất trong toàn bộ buổi phát hành. «Bạn có nhớ tôi để kính ở đâu không?» «Chiếc kính của bạn nằm cạnh quả táo đỏ trên bàn.» Project Astra thậm chí ghi nhớ được cặp kính lóe lên thoáng qua qua ống kính và trả lời chính xác vị trí cạnh quả táo. Có thể nói chi tiết này mang chút «thông điệp riêng», biết đâu cặp kính này cũng đã tích hợp Project Astra.
Theo đoạn trình diễn, Project Astra có thể xử lý nhanh thông tin nhận được, bằng cách mã hóa liên tục các khung hình video và kết hợp video với giọng nói thành dòng thời gian sự kiện, sau đó lưu tạm thông tin để hồi tưởng. Google cho biết một số chức năng này sẽ được bổ sung vào ứng dụng Gemini và các sản phẩm khác vào cuối năm nay.
Project Astra đặt tên ban nhạc này là Golden Stripes | Nguồn ảnh: Google
Google cho biết nhóm DeepMind đang nghiên cứu cách tốt nhất để tích hợp các mô hình đa phương thức, cũng như cách cân bằng giữa mô hình tổng quát cỡ lớn siêu khổng lồ với các mô hình nhỏ hơn, tập trung hơn.
OpenAI vừa ra mắt GPT-4o ngày hôm qua, bước đột phá lớn nhất cũng nằm ở khả năng đa phương thức, nhìn vào dường như lặp lại quá khứ. Một khác biệt lớn nhất là xử lý thị giác: GPT-4o hiện tại chỉ xử lý được hình ảnh tĩnh, trong khi Astra đã có thể xử lý video.
Khả năng của chuỗi mô hình lớn Gemini đằng sau Project Astra cũng được cập nhật. Tại hội nghị Google Cloud Next 2024 tháng trước, Google đã công bố Gemini 1.5 Pro với khả năng hiểu âm thanh gốc, lệnh hệ thống, chế độ JSON, hỗ trợ ngữ cảnh dài tới 1 triệu token, và tuyên bố mở cửa cho toàn bộ nhà phát triển toàn cầu.
Lần này Google công bố mô hình Gemini 1.5 Flash mới, giải quyết vấn đề chi phí then chốt. Gemini 1.5 Flash nằm giữa Gemini 1.5 Pro và Gemini 1.5 Nano, chủ yếu hướng tới nhà phát triển. Hội nghị đã nêu rõ giá cả của Gemini 1.5 Pro và Flash. Giá của Gemini 1.5 Flash được đặt ở mức 35 xu cho mỗi 1 triệu token, rẻ hơn rất nhiều so với mức 5 đô la cho mỗi 1 triệu token của GPT-4o.
Gemini 1.5 Flash | Nguồn ảnh: Geek Park
Google cũng hé lộ kế hoạch sắp tới, tuyên bố sẽ tăng gấp đôi cửa sổ ngữ cảnh hiện tại của mô hình vào cuối năm nay, đạt 2 triệu token. Điều này cho phép xử lý đồng thời 2 giờ video, 22 giờ âm thanh, hơn 60.000 dòng mã hoặc hơn 1,4 triệu từ.
Gemini 1.5 Pro | Nguồn ảnh: Geek Park
Tháng 12 năm ngoái, một đoạn trình diễn trước ghi hình của Google bị nghi ngờ «làm giả», do bị cắt ghép gây hiểu lầm về khả năng xử lý video của Gemini vượt xa thực tế. Nhưng bây giờ, những khả năng này là thật.
02. Tiến triển trong hệ sinh thái ứng dụng AI dựa trên mô hình lớn
Tại hội nghị I/O lần này, hệ sinh thái ứng dụng AI dựa trên mô hình lớn của Google cũng được nâng cấp, bao trùm tìm kiếm, ảnh, sáng tạo, công cụ và ứng dụng công việc.
Tìm kiếm là sản phẩm khởi nguyên của Google cách đây 25 năm. Năm trước, Google nói rằng tương lai của tìm kiếm là AI. Giờ đây, tìm kiếm AI thực sự đã đến, với khẩu hiệu —— «để Google giúp bạn tìm kiếm».
CEO Google Sundar Pichai tuyên bố tại hội nghị I/O rằng bản tóm tắt tìm kiếm do AI tạo ra, nay gọi là «tổng quan AI», sẽ được triển khai cho tất cả người dùng Mỹ «trong tuần này», và sẽ mở rộng sang nhiều quốc gia/khu vực khác.
So với trước đây, tìm kiếm AI có thể xử lý các câu hỏi phức tạp hơn. Google đưa ra ví dụ: người dùng đang tìm một phòng tập yoga mới, yêu cầu phòng tập phải phổ biến tại địa phương, thuận tiện đi lại và có khuyến mãi, chỉ cần một lần tìm kiếm là đủ.
Ngoài ra, người dùng còn có thể điều chỉnh bản tóm tắt AI đã tạo, chọn phiên bản đơn giản hơn hoặc xem thêm chi tiết.
Tất cả điều này được Google thực hiện nhờ mô hình Gemini tùy chỉnh, kết hợp suy luận đa bước, lập kế hoạch, đa phương thức với hệ thống tìm kiếm, tóm tắt nội dung mạng và hiển thị câu trả lời; được cho là AI cũng thiết kế và điền vào trang kết quả.
Tuy nhiên, một vấn đề đặt ra là nếu AI thay người dùng lấy kết quả tìm kiếm, thì mảng quảng cáo đấu giá của Google sẽ đi đâu?
Theo các lãnh đạo Google, các liên kết trong bản tóm tắt AI sẽ nhận được nhiều nhấp chuột hơn so với danh sách trang web truyền thống. «Giống như trước đây, quảng cáo sẽ tiếp tục xuất hiện ở vị trí riêng biệt trên trang, và được phân biệt rõ ràng giữa kết quả tự nhiên và kết quả tài trợ bằng nhãn hiệu.»
Ngoài đặt câu hỏi, tìm kiếm AI của Google còn có thể lập kế hoạch, từ thực đơn đến kế hoạch du lịch. Ví dụ, tìm kiếm «tạo một kế hoạch ăn uống 3 ngày dễ chuẩn bị cho nhóm người», AI sẽ tùy chỉnh kế hoạch, sau đó người dùng có thể điều chỉnh một bữa tối thành món chay, rồi xuất sang tài liệu hoặc email Google.
Tìm kiếm không chỉ dừng ở chữ trong ô tìm kiếm, tìm kiếm hình ảnh của Google cũng được nâng cấp, có thể dùng video để đặt câu hỏi. Ví dụ, người dùng có một máy phát đĩa cũ, bộ phận kim loại gắn kim bị lệch, không rõ nguyên nhân, có thể trực tiếp dùng video tìm kiếm để nhận được bản tóm tắt AI có các bước giải quyết và liên kết liên quan, tiết kiệm thời gian và rắc rối phải mô tả vấn đề bằng thuật ngữ chính xác.
Dùng tìm kiếm AI Google lập kế hoạch ăn uống | Nguồn ảnh: Google
Ứng dụng Google Photos cũng sẽ được nâng cấp. Sundar Pichai trình bày rằng 9 năm trước họ ra mắt ứng dụng này, hiện nay mỗi ngày có hơn 6 tỷ ảnh và video được tải lên đây.
Trong vài tháng tới, ứng dụng này sẽ ra mắt tính năng «Hỏi về ảnh (Ask Photos)», dựa trên mô hình Gemini, cho phép người dùng tìm kiếm bằng ngôn ngữ tự nhiên các nhân vật, thú cưng, địa điểm trong ảnh và video, hiểu ngữ cảnh và chủ đề của ảnh, tìm thông tin hồi ức cụ thể mà không cần vuốt màn hình.
Ví dụ: «Hiển thị cho tôi những bức ảnh đẹp nhất tại mỗi vườn quốc gia tôi từng đến thăm», «Năm ngoái tôi cắm trại ở đâu?», «Ưu đãi của tôi hết hạn khi nào?», «Lucia học bơi khi nào?», «Hiển thị quá trình tiến bộ bơi lội của Lucia», «Tiệc sinh nhật Lena có chủ đề gì?». Cuối cùng, nó còn có thể viết tóm tắt điểm nổi bật chuyến đi hoặc tiêu đề cá nhân hóa để người dùng chia sẻ trên mạng xã hội.
Google cũng nói rõ rằng «trừ một vài trường hợp hiếm hoi nhằm giải quyết vấn đề lạm dụng hoặc gây hại, chúng tôi sẽ không dùng dữ liệu cá nhân này để huấn luyện bất kỳ sản phẩm AI sinh tạo nào khác ngoài Google Photos, bao gồm các mô hình và sản phẩm Gemini khác.»
Dùng chức năng Hỏi về ảnh để tra chi tiết tiệc sinh nhật | Nguồn ảnh: Google
Về công cụ sáng tạo, Google tại hội nghị I/O còn ra mắt công cụ tạo video bằng AI VideoFX, đồng thời cập nhật công cụ tạo hình ảnh AI ImageFX và công cụ sáng tạo nhạc AI MusicFX.
VideoFX cho phép đạo diễn phim viết prompt để xây dựng cảnh quay, ImageFX bổ sung các công cụ chỉnh sửa hình ảnh, MusicFX ra mắt chế độ DJ mới.
Trong đó, công cụ mới VideoFX được hỗ trợ bởi Veo, mô hình tạo video sinh tạo mạnh nhất của Google DeepMind. Công cụ mới này đi kèm chế độ storyboard, cho phép lặp lại từng cảnh và thêm nhạc vào video cuối cùng.
Theo các lãnh đạo Google, Veo có thể hiểu các thuật ngữ điện ảnh như «time-lapse», tạo video độ phân giải 1080p với nhiều phong cách điện ảnh và thị giác khác nhau, thời lượng có thể vượt quá một phút. Veo sẽ cung cấp bản xem trước qua danh sách chờ.
Đáng chú ý thêm, tất cả nội dung được tạo bởi VideoFX, ImageFX và MusicFX đều được đánh dấu bằng hình mờ số SynthID, chủ yếu nhằm ngăn chặn lạm dụng nội dung AI và lan truyền thông tin sai lệch.
Dùng công cụ tạo video bằng AI VideoFX của Google | Nguồn ảnh: Google
Ngoài công cụ sáng tạo, sự phát triển của ứng dụng làm việc hàng ngày của Google cũng đáng chú ý. Bao gồm các ứng dụng Google Workspace như Gmail, Lịch, Tài liệu, Bảng tính, Trình chiếu, Drive... sẽ tích hợp mô hình AI mới nhất Gemini 1.5 Pro, xuất hiện ở thanh bên dưới dạng trợ lý ảo.
Khi người dùng nhấn vào biểu tượng Gemini ở thanh bên, Gemini trong Gmail sẽ cung cấp các lựa chọn như «Tóm tắt email này», «Liệt kê các bước tiếp theo», «Gợi ý trả lời». Người dùng có thể yêu cầu nó tóm tắt email từ trường con mình, nhận thông tin cần hành động, soạn thảo phản hồi.
Gemini tóm tắt email trong thanh bên Gmail | Nguồn ảnh: Google
Thêm nữa, trong phần trình diễn GPT-4o của OpenAI ngày hôm qua, có một cảnh giáo dục, GPT-4o trực tiếp hóa thân thành gia sư, từng bước dạy một thiếu niên giải bài toán hình học.
Google cũng công bố ra mắt LearnLM, một nhóm mô hình tinh chỉnh dựa trên Gemini, chuyên thiết kế cho mục đích học tập giáo dục, đồng thời trình diễn một số kịch bản học tập AI trên tìm kiếm và ứng dụng YouTube.
Ví dụ, trên YouTube, người dùng có thể đặt câu hỏi khi đang xem video, hoặc đặt câu hỏi tiếp nối cho video. Trên Android, có thể dùng tìm kiếm khoanh vùng (Circle to Search) để thử giải các bài toán toán lý khó cụ thể.
Đặt câu hỏi cho video học trên YouTube | Nguồn ảnh: Google
Trong cuộc đua vũ trang AI giữa các công ty, một lợi thế lớn của Google trong việc đuổi theo OpenAI chính là hệ điều hành điện thoại Android và hệ sinh thái ứng dụng khổng lồ của họ.
Nhưng khi AI sinh tạo thực sự xâm nhập toàn diện vào hệ sinh thái ứng dụng của Google, trực tiếp kiểm soát tìm kiếm, giúp người dùng hồi tưởng quá khứ, lập kế hoạch di chuyển, thay thế gia sư thật... thì độ chính xác thực sự có đáng tin cậy hay không? Chúng ta hãy cùng chờ xem.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
极客公园
