Google 於昨日（5月20日）發布了一項重大公告，揭示了公司正致力於將其頂尖多模態基礎模型 Gemini 2.5 Pro 擴展成為「世界模型」(World model)，這將是構建「通用 AI 助理」（Universal AI assistant）關鍵的第一步。這種新型 AI 不僅具備理解能力，還能感知用戶所處的情境，並代替用戶規劃和採取行動，且能跨裝置運作。
從「世界模型」到「通用 AI 助理」
根據 Google DeepMind 執行長 Demis Hassabis 的說法，這項計劃是公司長期 AI 研究戰略的重要部分。這個「世界模型」將能夠像人腦一樣理解並模擬世界的各個方面，從而規劃和想像新體驗。Hassabis 表示，這一發展建立在公司過去十年的多項基礎性研究成果上，包括開創性的 Transformer 架構（現代大型語言模型的基礎），以及能夠學習和規劃的代理系統，如 AlphaGo 和 AlphaZero。
當 AI 能夠代替我們處理和解決各種雜事時，它的實用性將大幅提升。通用 AI 助理的概念正是針對這一願景：讓 AI 不僅僅是一個被動的工具，而是能夠主動協助我們完成日常任務、處理瑣碎行政事務，甚至發掘令人驚喜的新建議，從而提高我們的生產力並豐富我們的生活。
Project Astra 與 Project Mariner：通用 AI 助理的雛形
Google 已經在兩個研究原型中展示了通用 AI 助理的部分能力：Project Astra 和 Project Mariner。
Project Astra 專注於影音理解、螢幕共享和記憶等功能，這些能力正逐步被整合到 Gemini Live 中，讓更多人能夠體驗（目前 Google 將 Gemini Live 免費開放給所有用戶！）Google 表示，他們還在不斷改進和探索新的創新，例如升級語音輸出使其更自然，改進記憶功能並添加電腦控制能力。
而 Project Mariner 則探索了代理能力如何幫助人們進行多任務處理。自去年 12 月推出以來，Project Mariner 已經發展成一個能夠同時完成多達十項不同任務的代理系統。這些代理可以幫助用戶查找信息、預訂服務、購買物品、進行研究等，且全部可以同時進行。
通用 AI 助理：未來世界的轉變者
通用 AI 助理的出現可能會徹底改變人類與技術的互動方式。當 AI 能夠理解我們的需求、預測我們的意圖並代表我們採取行動時，人類將從眾多繁瑣的日常任務中解放出來，能夠將精力集中在更具創造性和更有意義的活動上。
這種轉變不僅會影響個人生活，還可能對整個社會產生深遠影響。商業流程可能變得更加高效，教育體系可能變得更加個性化，甚至醫療護理也可能因為 AI 助理的幫助而變得更加精確和便捷。
Google 計劃在今年將 Project Mariner 的電腦操控能力引入 Gemini API，並將更多功能整合到 Google 產品中。同時，Project Astra 的能力也將被帶入 Gemini Live、Search 中的新體驗、面向開發者的 Live API 以及包括智能眼鏡在內的新形態裝置。
通用 AI 助理的發展代表了 AI 技術的一次重大飛躍，從被動的工具向主動的助手轉變。隨著這些技術的成熟和普及，我們可能正在見證一個新的黃金時代的開始，一個由 AI 賦能的發現和驚奇的時代。
公開留言