Генеральный директор DeepMind Демис Хассабис объявляет о будущей интеграции моделей Google Gemini и Veo AI

В недавнем эпизоде ​​возможного подкаста, соавтором соучредителя LinkedIn Рейд Хоффман, генеральный директор Google DeepMind Демис Хассабис поделился некоторыми захватывающими новостями о планах Google. Он рассказал, что Google надеется объединить свои модели AI Gemini с моделями VEO-сгенерирования видео. Это слияние направлено на то, чтобы улучшить понимание Гемини физического мира, что делает его более искусным в понимании реальной динамики.

Хасабис подчеркнул, что с самого начала Близнецы были разработаны для мультимодальной. «Мы всегда строили Gemini, наша модель фундамента, чтобы быть мультимодальными с самого начала», - объяснил он. Мотивация этого подхода? Видение универсального цифрового помощника, которое может действительно помочь в повседневной жизни. «Помощник, который… на самом деле помогает вам в реальном мире», - уточнил Хасабис.

Индустрия искусственного интеллекта неуклонно продвигается к тому, что вы можете назвать моделями «Omni», которые способны обрабатывать и синтезировать различные типы средств массовой информации. Например, последние итерации Google Близнецы могут создавать не только текст, но и аудио и изображения. Между тем, модель по умолчанию Openai может поднять изображения на месте, включая восхитительную студию в стиле Ghibli. Amazon не сильно отстает, с планами развернуть модель «любого в любом» в конце этого года.

Эти Omni Models требуют огромного количества обучающих данных - подумайте изображения, видео, аудио и текст. Hassabis намекнул, что видеоданные Veo в основном поступают из YouTube, сокровищницы, принадлежащего Google. «По сути, просмотр видео на YouTube - много видео на YouTube - [Veo 2] может выяснить, вы знаете, физику мира», - отметил он.

Google ранее упоминал TechCrunch, что его модели «могут быть« обучены »некоторым» контенту на YouTube, соответствующем соглашениям, заключенным с создателями YouTube. Стоит отметить, что в прошлом году Google расширил свои условия обслуживания, отчасти для доступа к большему количеству данных для обучения моделей ИИ.