還記得不久前提到，微軟打算將 ChatGPT 整合進公司的「所有產品」的事嗎？這件事被許多人注意到、成功引起了話題，微軟的未來決策被外界緊密關注。而另外一家 AI 巨頭「Google」自然不會讓微軟專美於前，Google CEO 在推特上宣佈：「我們的 AI 工具，也會整合到現有以及即將到來的產品當中，敬請期待。」與微軟互別苗頭的跡象相當明顯。
Google 也決定在 AI 領域與微軟公開掰掰手腕
微軟因為在 2019 年投資了 OpenAI，而 OpenAI 開發出了 ChatGPT，瞬間搶奪全球目光。微軟決定加碼投資到 100 億美元，並將 OpenAI 的 AI 工具整合到旗下所有產品當中，讓整個雲端服務市場大地震。
談到雲端服務市場，自然繞不開雲端服務三本柱：微軟 Azure、亞馬遜 AWS，以及 Google GCP。微軟的聲勢大振，自然就直接威脅到另外兩大巨頭的地位。
果不其然，Google CEO Sundar Pichai 坐不住了，在 1 月 18 日公佈了 Google AI 研究白皮書。
「關於 Google AI 的各項重磅進展，包括語言模型、電腦視覺、多模態模型、生成性 ML 等，我們正在將其全部納入當前和即將推出的產品與API中，敬請期待！」
這個做法，完全對標微軟，很顯然 Google 從上到下都感受到了壓力。
Google AI 火力展示當前研究進度，平面貓咪照片自動變 3D 動畫
不過，有別於市井小民都能玩的 ChatGPT，這份 Google AI 研究白皮書相當的專業、有深度，說白話一點就是複雜，估計一般人很難輕易閱讀。它更像是一種火力展示，告訴全世界「別忘了，最厲害的 AI 研究在我們這邊哦！」
對於技術有興趣的用戶，可以自行連過去觀看。如果只想知道淺顯易懂的東西，Google 也有提供一些範例，例如他們可以讓 2D 的貓咪照片，透過 AI 運算讓貓咪照片變成 3D 動畫。
既然能夠讓照片變 3D 動畫，未來讓牠「跑起來」應該也是可能的，這對於一些懷念愛貓的鏟屎官來說，應該是有一定程度吸引力的。
類似這樣「從照片變成動畫」的案例，還有下面這張範例。它只需要幾張靜止的圖片，就能透過 AI 運算，自動還原出原始模樣，進而讓它變成一個動態的連續動畫。
另外，Google 也有分享一些別的內容（真的很多，我只挑最傻白甜的內容分享），例如更有效率的神經網路圖像識別系統 Pix2Seq，能夠以觀察到的像素輸入作為條件，透過模型訓練來 「讀出」 圖像中物體的位置和其他屬性。
與現有的高度專業化和最佳化的檢測算法相比，Pix2Seq 在大規模的物體檢測數據集上取得了有競爭力的結果，通過預訓練模型，其性能可以進一步提高。簡單說，就是辨識性能更快了。
此外，Google 也有分享「多模態模型」的內容。過去的大多數機器學習任務，都集中在處理「單一模式」的數據模型上（例如，語言模型、圖像分類模型，或語音識別模型等）。Google 分享了另外一種「多模態模型」的可能性，既作為模型的輸入，也作為模型的輸出。
白話來說，Google 可以讓不同類型的內容放在一起同時訓練，不需要「文字歸文字、圖像歸圖像」這樣分開訓練，如果機器學習的數據主體是一致的、有相關性的，現在可以橫跨不同媒體同時訓練，並且結果輸出一樣可以橫跨多種媒體。
雖然是火力展示，但 Google 做的這些，似乎還是不容易在一般人的圈子中成功造成話題，因爲它「不夠平民、使用門檻太高」。期待 Google 未來可以將這些進階的技術，加工後變成一般人都可以使用，進而變得實用的工具，這樣子才有機會與微軟、ChatGPT 一較高下呀。
公開留言