DeepMind首席执行官Demis Hassabis宣布了Google的双子座和VEO AI模型的未来整合

在最近一期由LinkedIn联合创始人Reid Hoffman共同主持的播客Possible中，Google DeepMind首席执行官Demis Hassabis分享了关于Google计划的一些激动人心的消息。他透露，Google计划将其Gemini AI模型与Veo视频生成模型合并。这种融合旨在增强Gemini对物理世界的理解，使其更擅长理解现实生活的动态。

Hassabis强调，Gemini从一开始就被设计为多模态。“我们一直以来都将Gemini，我们的基础模型，构建为多模态，”他解释道。这种方法的动机是什么？为一个真正能在日常生活中提供帮助的通用数字助手设定愿景。“一个……在现实世界中真正帮助你的助手，”Hassabis进一步阐述。

AI行业正稳步向所谓的“全能”模型发展——那些能够处理和合成各种类型媒体的模型。例如，Google的最新Gemini版本不仅能生成文本，还能生成音频和图像。与此同时，OpenAI的ChatGPT默认模型可以即时生成图像，包括令人愉悦的吉卜力工作室风格艺术。Amazon也不甘落后，计划在今年晚些时候推出“任意到任意”模型。

这些全能模型需要大量训练数据——包括图像、视频、音频和文本。Hassabis暗示，Veo的视频数据主要来自YouTube，这是Google拥有的一个宝库。“基本上，通过观看YouTube视频——大量的YouTube视频——[Veo 2]可以弄清楚，你知道的，世界的物理规律，”他指出。

Google此前曾对TechCrunch表示，其模型“可能”会使用“一些”YouTube内容进行训练，这与与YouTube创作者达成的协议一致。值得注意的是，去年Google扩展了其服务条款，部分是为了获取更多数据来训练其AI模型。