"8 sản phẩm AI mới và cập nhật đã được thử nghiệm"

Tại I/O, chúng tôi không chỉ công bố danh sách các cập nhật như các mô hình Gemini mới, tác nhân AI và những điều chỉnh cho Android—chúng tôi thực sự để các nhà phát triển, phóng viên và đối tác trải nghiệm trực tiếp với các bản demo sản phẩm. Năm nay, tôi đã dành cả ngày tại Nhà hát ngoài trời Shoreline, nơi diễn ra I/O, và tôi đã được thử một loạt các bản demo này. Dưới đây là tóm tắt về một vài trong số đó.

Bản demo đầu tiên trong ngày của tôi khá ấn tượng. Tôi đã xem Gemini Advanced xử lý một hợp đồng thuê tài sản dài hơn 20 trang, đầy rẫy thuật ngữ pháp lý và các điều khoản phức tạp. Sau khi xử lý tài liệu, tôi có thể đặt câu hỏi về nó, như liệu chủ nhà có cho phép tôi nuôi chó hay không hoặc liệu có phí bổ sung nào tôi cần trả hay không. Tôi đã rất mong chờ sử dụng tính năng này để hiểu rõ hơn về hợp đồng thuê nhà tiếp theo khi căn hộ của tôi đến hạn gia hạn.

Tiếp theo, bản demo còn ấn tượng hơn nữa. Hai nhân viên Google đã cung cấp cho Gemini một tệp PDF của một cuốn sách giáo khoa kinh tế khổng lồ—dài hàng trăm trang. Tôi sẽ mất rất nhiều thời gian để đọc hết nó, nhưng Gemini đã nhanh chóng tạo ra một bản tóm tắt và chỉ ra các chủ đề chính cần nghiên cứu trong thời gian ngắn. Nó thậm chí còn tạo ra một bài kiểm tra trắc nghiệm, với một đáp án đúng và ba đáp án sai khó nhằn, để giúp tôi chuẩn bị cho một kỳ thi giả định.

Nhân viên Google Sid Lall (bên trái) và Adam Kurzrok (bên phải) thể hiện cách Gemini Advanced có thể tóm tắt một cuốn sách giáo khoa kinh tế đồ sộ hoặc hàng ngàn trang tài liệu.

Cả hai bản demo này đều sử dụng Gemini 1.5 Pro, mà chúng tôi đã giới thiệu đầu năm nay với cửa sổ ngữ cảnh dài nhất trong số các mô hình nền tảng quy mô lớn. Chúng tôi hiện đang triển khai quyền truy cập sớm vào Gemini 1.5 Pro cho các thuê bao Gemini Advanced, cho phép họ tải tài liệu trực tiếp từ Drive. Điều này có nghĩa là họ có thể sử dụng Gemini để tóm tắt hoặc phân tích các tài liệu dài đến 1.500 trang.

Gemini 1.5 Pro cũng đang được tích hợp vào bảng điều khiển bên của các ứng dụng Workspace như Gmail, Docs, Sheets, Slides và Drive. Tôi đã được chứng kiến điều này trong thực tế khi sử dụng Gemini trong Gmail để tóm tắt một email báo cáo trường học hàng tuần mẫu, và nó đã rút ra các chi tiết cụ thể như các hoạt động cho học sinh lớp 7 và danh sách đồ cần chuẩn bị cho chuyến đi qua đêm.

Bảng điều khiển bên của Gemini có thể giúp bạn trả lời các câu hỏi chính về nội dung của bạn trong Gmail, Drive và hơn thế nữa.

Cửa sổ ngữ cảnh dài được cải tiến thậm chí có thể lấy thông tin từ nhiều tài liệu khi trả lời một yêu cầu duy nhất. Trong Docs, tôi đã yêu cầu trợ giúp viết một thư mẫu cho một ứng viên công việc tiềm năng, liên kết đến tài liệu mô tả công việc và danh mục PDF của ứng viên trong Drive của tôi. Gemini ngay lập tức soạn thảo một email có tính đến các chi tiết từ cả hai tài liệu.

Nhưng Gemini 1.5 Pro không phải là sản phẩm mới duy nhất. Tôi cũng được thử nghiệm với Imagen 3 vừa được công bố, mô hình văn bản sang hình ảnh tốt nhất của chúng tôi từ trước đến nay. Một tính năng thú vị mà tôi đã thử là khả năng tạo văn bản và chữ cái trang trí. Tôi đã yêu cầu một bảng chữ cái cách điệu, như các chữ cái được làm từ mứt trên bánh mì nướng hoặc bóng bay bạc lơ lửng trên bầu trời. Imagen 3 đã tạo ra một bảng chữ cái đầy đủ, mà sau đó tôi có thể sử dụng để tạo các thực đơn (ngon miệng) của riêng mình.

Sau khi vui chơi với Imagen 3, tôi quay lại với các bản demo Gemini khác. Một bản demo cho phép tôi mở lớp phủ của Gemini trên điện thoại Android và đặt câu hỏi về bất cứ thứ gì trên màn hình. Điều này cho thấy chúng tôi không chỉ mở rộng những gì bạn có thể hỏi Gemini, mà còn làm cho nó nhận biết ngữ cảnh để dự đoán nhu cầu của bạn và đưa ra các gợi ý hữu ích.

Bản demo sử dụng một tài liệu hướng dẫn lò nướng dài dòng làm ví dụ. Thay vì phải đọc lướt qua tài liệu, tôi đã mở Gemini và nhận được gợi ý "Hỏi PDF này" ngay lập tức. Tôi đã đặt các câu hỏi như "làm thế nào để cập nhật đồng hồ" và nhận được câu trả lời nhanh chóng, chính xác. Nó cũng hoạt động tốt với các video YouTube. Thay vì xem một video tập luyện dài 20 phút, tôi đã hỏi cách sửa đổi bài tập plank và nhận được câu trả lời ngay lập tức, sau đó chuyển sang bản demo tiếp theo.

Bản demo tiếp theo giới thiệu một chế độ hội thoại mới gọi là Gemini Live, nơi bạn có thể nói chuyện với Gemini trong ứng dụng mà không cần gõ. Nói chuyện với Gemini mang lại cảm giác khác biệt so với giao diện chatbot thông thường. Câu trả lời của nó mang tính hội thoại hơn, không chỉ là các đoạn văn hoặc danh sách gạch đầu dòng. Trong bản demo của tôi, tôi đã yêu cầu một danh sách các hoạt động cho trẻ em trong kỳ nghỉ hè và có thể ngắt lời danh sách để hỏi thêm về những vật liệu tôi cần để nhuộm áo thun.

Bản demo Project Astra đưa mọi thứ lên một tầm cao mới, cho thấy các dự án AI hội thoại của chúng tôi đang hướng tới.

Hộp cát AI của chúng tôi, nơi các nhà phát triển và người tham dự đã thử các bản demo như Project Astra và các thí nghiệm AI sáng tạo khác, như Chế độ DJ của MusicFX.

Thay vì chỉ làm việc với những gì trên màn hình của bạn hoặc những gì bạn đã nhập vào hộp trò chuyện, khả năng đa phương thức của Astra có thể hiểu các yêu cầu bằng giọng nói hội thoại và luồng video trực tiếp cùng một lúc, mở ra các loại trải nghiệm AI mới.

Bản demo điệp âm của Astra bắt đầu đơn giản: Tôi cho máy ảnh xem một vật, như một quả chuối hoặc một mẩu bánh mì, và Gemini đưa ra một câu điệp âm. Khi tôi thêm nhiều vật hơn, Gemini tiếp tục cuộc hội thoại, từ "Những quả chuối sáng bóng rực rỡ trên bảng" với một loại trái cây đến "Những sáng tạo ẩm thực có thể thu hút ánh nhìn" khi được trình bày với cả một bàn tiệc.

Astra tạo điệp âm với chuối, bánh mì baguette… và bất cứ thứ gì bạn có thể cho nó xem.

Một bản demo Astra khác cho phép tôi chơi Pictionary với Gemini. Nghe có vẻ đơn giản, nhưng nó yêu cầu tác nhân hiểu hình ảnh, nhớ những gì đã được vẽ mỗi vòng, và sử dụng kiến thức chung để đoán tôi đang vẽ gì. Trong một bản demo, Astra biết rằng một hình tròn không đủ để đưa ra phán đoán, nhưng khi tôi thêm các đường bên dưới, nó nhanh chóng chuyển từ nhận diện một hình người que đến nhận ra một người cầm biểu tượng cảm xúc hộp sọ là Hamlet.

Astra bất bại tại Pictionary.

Di chuyển qua Hộp cát AI và các trạm demo khác cảm giác như một cái nhìn thoáng qua vào tương lai. Nó cũng hơi khiến tôi cảm thấy khiêm tốn: Astra đã đánh bại tôi tại Pictionary trong nhiều vòng!