DeepMind首席執行官Demis Hassabis宣布了Google的雙子座和VEO AI模型的未來整合

在最近一集的播客《Possible》中，由LinkedIn共同創辦人Reid Hoffman共同主持，Google DeepMind首席執行官Demis Hassabis分享了關於Google計劃的一些令人振奮的消息。他透露，Google正計劃將其Gemini AI模型與Veo視頻生成模型合併。這一融合旨在增強Gemini對物理世界的理解，使其更擅長理解現實生活的動態。

Hassabis強調，從一開始，Gemini就被設計為多模態。「我們一直以來都將Gemini，我們的基礎模型，構建為從一開始就具備多模態功能，」他解釋道。這一方法的動機是什麼？是為了打造一個真正能在日常生活中提供幫助的通用數位助理。「一個……在現實世界中真正幫助你的助理，」Hassabis詳細闡述。

AI產業正穩步朝著你可能稱之為「全能」模型的方向發展——那些能夠處理和合成各種類型媒體的模型。例如，Google的最新Gemini迭代版本不僅能生成文本，還能生成音頻和圖像。與此同時，OpenAI的ChatGPT預設模型可以即時生成圖像，包括令人愉悅的吉卜力工作室風格藝術。Amazon也不落後，計劃在今年晚些時候推出一個「任意到任意」的模型。

這些全能模型需要大量的訓練數據——想想圖像、視頻、音頻和文本。Hassabis暗示，Veo的視頻數據主要來自YouTube，這是Google擁有的寶貴資源。「基本上，通過觀看YouTube視頻——大量的YouTube視頻——[Veo 2]可以弄清楚，你知道的，世界的物理規律，」他指出。

Google此前曾向TechCrunch提到，其模型「可能」會使用「部分」YouTube內容進行訓練，這與與YouTube創作者達成的協議一致。值得注意的是，去年Google擴展了其服務條款，部分原因是為了獲得更多用於訓練其AI模型的數據。