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

В недавнем эпизоде подкаста Possible, ведущим которого является сооснователь LinkedIn Рид Хоффман, генеральный директор Google DeepMind Демис Хассабис поделился захватывающими новостями о планах Google. Он рассказал, что Google планирует объединить свои модели ИИ Gemini с моделями генерации видео Veo. Это слияние направлено на улучшение понимания Gemini физического мира, делая его более способным к восприятию реальных динамик.

Хассабис подчеркнул, что с самого начала Gemini создавался как мультимодальная модель. «Мы всегда разрабатывали Gemini, нашу базовую модель, как мультимодальную с самого начала», — пояснил он. Мотивация этого подхода? Видение универсального цифрового помощника, который действительно может помогать в повседневной жизни. «Помощник, который … реально помогает в реальном мире», — уточнил Хассабис.

Индустрия ИИ неуклонно движется к тому, что можно назвать «omni» моделями — способными обрабатывать и синтезировать различные типы медиа. Например, последние итерации Gemini от Google могут создавать не только текст, но также аудио и изображения. Тем временем стандартная модель ChatGPT от OpenAI может мгновенно генерировать изображения, включая очаровательные арты в стиле Studio Ghibli. Amazon не отстает, планируя выпустить модель «из любого в любой» позже в этом году.

Эти omni-модели требуют огромного объема обучающих данных — подумайте об изображениях, видео, аудио и тексте. Хассабис намекнул, что видеоданные для Veo в основном поступают с YouTube, настоящего сокровища, принадлежащего Google. «По сути, просматривая видео на YouTube — множество видео на YouTube — [Veo 2] может разобраться, знаете, в физике мира», — отметил он.

Google ранее упоминал TechCrunch, что их модели «могут быть» обучены на «некотором» контенте YouTube, в соответствии с соглашениями, заключенными с создателями YouTube. Стоит отметить, что в прошлом году Google расширил свои условия обслуживания, частично для получения большего объема данных для обучения своих моделей ИИ.