Вчера вечером Google провела свою главную ежегодную конференцию — I/O 2024. Собрали в посте главное из того, что показали коллеги, а здесь можно посмотреть полную версию с голосовым переводом в Яндекс Браузере.
— Google показала мультимодального ассистента, анализирующего видео с камеры в реальном времени. Например, можно навести камеру на достопримечательность, спросить, что это, и почти мгновенно получить голосовой ответ. Во время демонстрации Google показала работу AR-очков с ассистентом, но не раскрыла подробности о гаджете.
— Gemini станет ассистентом по умолчанию в Android и научится взаимодействовать с приложениями и контентом. К примеру, если пользователь открыл длинный PDF-файл, он может попросить Gemini найти в нём ответ на интересующий вопрос.
— В Android появится локальная мультимодальная нейросеть Gemini Nano. Она будет понимать не только текст, но также видео и аудио. Например, предупредит об опасности прямо во время звонка, если собеседник с незнакомым номером попросит данные банковской карты.
— Поиск Google сможет генерировать развёрнутые и интерактивные ответы на сложные запросы. Компания показала, как пользователь спрашивает о йога-студиях в своём городе и просит вывести время в пути до них и актуальные скидки, а поисковик формирует ответ в виде интерактивных карточек заведений и виджета карт с метками студий.
— Google разработала аналог Sora — нейросеть Veo для генерации видео по текстовому описанию. Она создаёт видео в разрешении 1080p и длиной более минуты.
— Компания планирует создать ИИ-агентов, которые умеют выполнять многостадийные задачи за пользователя. К примеру, если он хочет вернуть товар, агент сможет найти на почте письмо от магазина и извлечь номер заказа, заполнить форму возврата на сайте и договориться с курьерским сервисом, чтобы он забрал товар по адресу. Также Google разрабатывает «ИИ-коллег»: они могут отслеживать проблемы в проекте и отвечать в рабочих чатах, причём даже если человек обратился ко всей команде, а не боту.
Подписывайтесь @techno_yandex
