Deepmind CEOのDemis Hassabisは、GoogleのGeminiとVeo AIモデルの将来の統合を発表しました

Google Deepmis Hassabisは、LinkedInの共同設立者であるReid Hoffmanが共同ホストしたPodcast Passionの最近のエピソードで、Googleの計画に関するエキサイティングなニュースを共有しました。彼は、GoogleがGemini AIモデルをVEOビデオ生成モデルと統合しようとしていることを明らかにしました。この融合の目的は、ジェミニの物理的世界の把握を強化することを目的としており、現実のダイナミクスを理解することに熟達しています。

ハッサビスは、Get-goから、Geminiはマルチモーダルになるように設計されていることを強調しました。 「私たちは常に、基礎モデルであるジェミニを構築してきました。最初からマルチモーダルになりました」と彼は説明しました。このアプローチの背後にある動機？日常生活を真に支援できるユニバーサルデジタルアシスタントのビジョン。 「アシスタントは…実際には現実の世界であなたを助けます」とハッサビスは詳しく説明しました。

AI業界は、さまざまな種類のメディアを処理して合成できる「Omni」モデルと呼ばれる可能性のあるものに向けて着実に進歩しています。たとえば、Googleの最新のGemini Iterationsは、テキストだけでなくオーディオや画像も作成できます。一方、OpenaiのChatGPTデフォルトモデルは、楽しいスタジオジブリスタイルのアートを含む、その場で画像を盛り上げることができます。 Amazonはそれほど遅れをとっておらず、今年後半に「Any-to-to」モデルを展開する計画があります。

これらのOMNIモデルは、画像、ビデオ、オーディオ、テキストを考えているという、多数のトレーニングデータを必要とします。 Hassabisは、Veoのビデオデータは主にGoogleが所有する宝庫であるYouTubeから来ていることを示唆しました。 「基本的に、YouTubeのビデオ（多くのYouTubeビデオ）を見ることで、[Veo 2]は、世界の物理学を把握できます」と彼は述べました。

Googleは以前、ModelsがYouTubeコンテンツを「」訓練し、YouTube Creatorsとの契約と協力して「モデルが「」YouTubeコンテンツで「」訓練されている可能性があると述べていました。昨年、GoogleはAIモデルをトレーニングするためのより多くのデータにアクセスするために、利用規約を拡大したことに注意する価値があります。