新版 PaLM 2 超强进化，办公全家桶 Workspace 全面升级，Bard 全面增强、所有人可用…… 可以看出，这届 I / O 大会，谷歌是真的憋出不少大招。

谷歌 I / O 2023 大会，仿佛又给谷歌的支持者们打了一针强心剂。

此前，因为微软和 OpenAI 的优异表现，谷歌已经被唱衰了很久。

但是，毕竟是做出了众多奠基性工作的 AI 老牌公司，谷歌这一轮的发力，让我们精神一振 —— 它只是慢了，并不是噶了。

对打 GPT-4 的 PaLM 2 登台、Duet AI 整进谷歌办公全家桶 Workspace、Bard 超强进化向所有人开放、谷歌搜索加入 AI 快照、AI 新功能整合进 Android 14、AI 魔术编辑器加入谷歌相册等等。

这届 I / O 大会，可谓眼花缭乱，精彩纷呈。

PALM 2 秀肌肉，手机也能跑

OpenAI 的 GPT-4，已经被全世界公认为最强大的语言模型。

怎么对打 GPT-4？谷歌的答案，就是 PaLM 2。

恰在今天，谷歌一同发布了 PaLM 2 技术报告。

显然，PaLM2 被寄予了厚望，以缩小谷歌和微软之间在 AI 方面的差距。

劈柴介绍说，因为广泛的逻辑和推理训练，PaLM 2 模型在逻辑和推理方面更加强大。据说，PaLM 2 在超过 100 多种语言的多语言文本上进行了训练。

根据基准测试，对于具有思维链 prompt 或自洽性的 MATH、GSM8K 和 MGSM 基准评估，PaLM 2 的部分结果超越了 GPT-4。

据谷歌高级研究主管 Slav Petrov 介绍，PaLM 2 在推理、编码和翻译上都表现更好，与 2022 年 4 月发布的第一代 PaLM 相比，PaLM 2 有了明显的改进。

修改代码 bug 后，用韩语评论。

比如，PaLM 2 能够理解不同语言的成语。

比起 PaLM，在最新专业语言熟练度考试中的表现，PaLM 2 的日语水平达到了 A 级，而 PaLM 达到了 F 级。PaLM 2 的法语水平达到了 C1 级。

德语「Ich verstehe nur Bahnhof」如果直译，就是「我只理解火车站」，但如果你问它，你是不是理解错误了？

它马上就会告诉你，没错，这个德语的意思是「你说的啥？我什么都听不懂」。

再比如，和波斯谚语「Na borde ranj ganj moyassar nemishavad」意思相近的中文谚语是什么？

在相关论文中，谷歌工程师声称 PaLM 2 的语言能力已经「足以教授这门语言」，原因是其训练数据中的非英语文本更为普遍。

PaLM 2 包含了 4 个不同参数的模型，包括壁虎、水獭(Otter)、野牛(Bison)和独角兽(Unicorn)，并在特定领域的数据上进行了微调，为企业客户执行某些任务。

这些微调就像给一个卡车底盘，加上一个新的发动机或前保险杠，以在某些特定任务上更好地工作。

这样的优势不言而喻，不用花费大量的时间和资源来创建，直接部署。

另外，PaLM2 有一个基于健康数据训练的版本 Med-PaLM 2，可以轻松通过美国医学执照考试，达到「专家」水平。

一个基于网络安全数据训练的版本 Sec-PaLM 2，可以解释潜在恶意脚本的行为，检测到代码中的威胁。这两种模型都将通过谷歌云提供给特定客户。

目前，PaLM 2 已经应用在 25 种功能和产品中，包括办公全家桶、聊天机器人 Bard、搜索等等。

值得称赞的是，PaLM 2 最轻量版本 Gecko 小到可以在手机上运行，每秒可以处理 20 个 token，大约每秒 16 或 17 个单词。

不过，谷歌没有提及具体用什么硬件来测试这个模型，只是说在「最新的手机上」运行。

显然，这次谷歌在大语言模型的小型化上，取得了非常重要的进步。在云端运行这种 AI，往往是很昂贵的，如果能在本地运行，无疑有着许多显著优势，比如隐私保护。

英伟达科学家 Jim Fan 对此大加赞许 ——

下一波 LLM 将是移动原生的。一个离线的、永远在线的 LLM 不仅可以降低服务成本，而且还为用户体验开辟了全新的途径。例如，一个元应用程序可以从你的移动工作流程中学习，并为你实现自动化。在小屏幕上节省的生产力，将比在大屏幕上多得多。

此前，谷歌一直被嘲在 AI 研究上已经落后于微软，PaLM 2，无疑是谷歌的一次重大回击。

但 PaLM 2 同样也面临着一些争议，比如训练语言模型的数据是否合法？

谷歌只是提到训练语料库来自「网络文档、书籍、代码、数学和对话数据」，但并没有进一步的细节。

而大语言模型的幻觉问题，同样无法避免。谷歌研究副总裁 Zoubin Ghahramani 表示，PaLM 2 是对早期模型的改进，谷歌「投入了大量精力，不断改进基础性和归因指标」。

但他承认，在打击 AI 产生的虚假信息方面，大家都还有很长的路要走。

除了 PALM 2，谷歌还宣布了正在训练的全新基础模型 Gemini。这是第一个多模态模型，同样包含了参数大小不同的模型。

除了介绍模型，谷歌还特地介绍了开发 AI 技术的社会责任感，包括两个判别 AI 生成内容的工具:

- watermarking

- metadata

Duet AI:办公全家桶新升级

此前，微软 Copilot 把 GPT-4 整进了全系办公产品，掀起了震惊全世界的办公软件革命。

怎么破？谷歌这次祭出了 Duet AI，给谷歌办公全家桶 Workspace 来了一个全新升级。

其实呢，这也就是新瓶装旧酒，Duet AI 就是 Docs 和 Gmail 等软件中 AI 工具的新名字。

谷歌希望，生成式 AI 能让 Gmail、Docs、Sheets 和 Slides 更有用，不过目前，大部分功能还在开发中。

在文档中，只要点「Help me write」，Duet AI 就能自动帮你生成招聘启事。

好玩的是，你还可以规定任意文风，比如让它古怪的调调写出一个工作描述。

在 Google Slids 中，Duet AI 能直接从幻灯片中的文本生成图像。

想做一个遛狗业务的收费表？描述一下，它就给你自动生成。

而 I / O 大会上一个真正的新事儿是，写作辅助也会应用在移动端的 Gmail 上，这是对 Smart Compose 的升级。

现在，如果想试用这些新工具，需要注册 Workspace Labs，加入候补名单。

好消息是，现在任何人都可以申请加入候补名单了，不过目前尚不清楚用户何时可以访问。谷歌的说法是，将在未来几周内将服务扩展到「更多的用户和国家」。

目前唯一可靠的消息是，Gmail 的移动程序上会出现「Help me write」AI 助手，此前微软也曾推出类似产品，将必应集成到 iOS 和 Android 的 SwiftKey 键盘中。

Bard 又双叒叕变强了

发布会上，谷歌还宣布了一个重磅消息。

那就是，Bard 未来也能像 ChatGPT 一样，接入网络，实时搜索网页。

这次，Bard 上新了不少功能，比如支持了两种新的语言 —— 日语和韩语，用户目前可以更简便地把生成的文本导出到谷歌文档和 Gmail，可视化搜索，以及深色模式等等。

不过，最令用户开心的，想必是谷歌决定取消 Bard 的等候名单 —— 将在 180 个国家或地区提供服务。

此外，和 Adobe 的 AI 图像生成功能，以及 Instacart 和 OpenTable 等第三方服务的功能整合也正在路上。

总的来看，这些上新是给老 Bard 注入的一针强心剂。

目前，谷歌正在使 Bard 变得更加可视化，让 Bard 能够分析图像，并且能在查询结果中提供图像信息等等。

关于这一方面，谷歌在发布会上展示了一个案例。

假如用户问 Bard，美国的新奥尔良有哪些必看的景点，那么 Bard 就能图文并茂的解答这个问题。

就像用户在谷歌搜图中问同样的问题一样。

你还可以，用 Bard 起草邮件，并一键导入 Gmail，还有文档中。

比方说，上传一张狗狗的照片，然后给一个 prompt「为这两只狗写编一个有趣的标题」。Google Lens 就可以识别狗狗的品种，然后 Bard 就能写下与这两只狗狗特征相关的内容。

该功能目前可能还不太完善，虽说潜力无限。未来如何取决于系统的整合程度。

虽说对 Bard 来讲，这是一个相当重大的更新，但和 OpenAI 的 ChatGPT，以及微软的 Bing 之间的差距仍然是肉眼可见的。

要知道，微软在 3 月就给 Bing 增加了由 OpenAI 的 DALL-E 系统支持的 AI 图像生成功能。而 OpenAI 和微软一直在探索如何将聊天机器人与更多种的网络服务相结合。

不仅如此，OpenAI 早些时候还宣布了 ChatGPT 将和 OpenTable 预订餐厅，以及 Instacart 订货配送的功能相结合。

谷歌表示，这些功能自己之后也会有的。

代码能力 up

谷歌表示，升级后的 Bard 将会非常擅长处理有关代码的问题，包括调试和解释 20 多种语言的代码。

因此，今天发布会上的一些升级主要集中在这个方面上。

用户可以把代码发送到谷歌的 Colab 平台，还能和另一个基于浏览器的 IDE——Replit 一起使用。

只要选中代码，就可以一键导出到 Colab 或者 Replit。

还支持 20 + 种编程语言。基本涵盖了码农们所需的所有编程需要。

甚至还能直接询问 Bard 怎么用某一种语言实现某种功能。只要 prompt 到位，生成一串代码也就是几秒钟的事。

写完以后，还能就着某一行代码进行解释，以及完善。

如此看来，结合了 PaLM2 的 Bard 应该会在生成质量上有明显的提升。当然，具体表现如何，还得再观察。

对战必应，谷歌 AI 搜索已来

此前，整合进 GPT 的必应势如破竹，真正威胁到了谷歌的搜索市场。

为了与微软必应竞争，谷歌同在今天推出了由 PaLM 2 驱动的全新搜索引擎。

它能够提供问题回答的摘要，比如问「为什么酵母面包仍然如此受欢迎？」，谷歌搜索就给出几段详细描述酵母的味道、其益生元能力的优势等等。

另外，在生成内容旁，给出了 3 个链接，以证明摘要中的内容。这样以减少 AI 在生成内容上出现「幻觉」问题。

当你搜索蓝牙音箱，首先顶部有一个简短的摘要，详细说明了购买时应注意的事项:电池寿命、防水性、音质。

右边是三个购买指南的链接，下面是 6 个不错选择的购物链接，每个旁边都有一个 AI 生成的摘要。

可以看到，这是谷歌搜索结果页面的 new look。把 AI 生成内容放在最开始。

比起重新设计的微软必应，搜索结果顶部的 AI 框对谷歌来说更像是，一个小小的更新。

值得注意的是，要是想要访问这一功能，你必须选择 Search Generative Experience这一新功能。

并非所有搜索都会有 AI 生成的答案。只有当谷歌的算法认为它比标准答案更有用时，AI 内容才会出现，而像健康、财务等敏感主题完全不会有 AI 生成。

谷歌表示，其改进后的搜索引擎能够以对话方式跟踪原始搜索查询的选项，无需重复已经提供的上下文或细节。

然而，谷歌搜索也不是无所不能，也存在从未完全解决过的问题 —— 结构编排。

因为大部分数据储存在互联网上，甚至谷歌内部，但将所有这些数据放在一起形成一个连贯的答案真的很难。

目前，已经开放候补名单仅限美国，谷歌表示，未来几个月将考虑更广泛地推出这一功能。

一键退款，智能 P 图，沉浸导航

一键生成退款邮件？

谷歌行。

劈柴在发布会一开始就整了个小活。航班取消了得退款？不会写申请退款的邮件？

gmail 会。

只要在 prompt 栏里输入要求，gmail 分分钟生成了一篇有理有据有节的退款申请邮件。

另外，谷歌 Map 现在也有了沉浸式 view，你想去哪，怼脸的实景导航来了。

你还能顺便问问空气质量、天气、交通状况，都能即时演示。

Magic Editor 是谷歌最新公布的照片处理功能，使用生成性 AI，可以让用户在没有专业工具的情况下对照片进行各种编辑。

不会 p 图星人的福音来了？

发布会上，谷歌分享了几个应用了这项新功能的案例，不得不说，效果酷炸了。

比如下面这张，Magic Editor 一键把瀑布前的人像挪到了侧面，还把背景中别的游客 p 掉了。不仅如此，本来多云的天气硬是给 p 蓝了。

再比如下面这张，Magic Editor 一键将长凳上的小孩连着凳子一起移到了中间，自动补齐了多出来的椅子，还把原画中缺失的气球补齐了。

而且天也 p 蓝了。

但总归，这项功能对照片本身的理解是革命性的。

AI 笔记本 Project Tailwind

学生党福音来了。

不得不说，谷歌还真把学生们拿捏住了。

Project Tailwind 从本质上讲，就是个笔记本，但是加了 AI 的能力。

一下子就不一样了。

用户可以像问导师或者学习搭子一样进行在 Tailwind 里进行检索。

虽说谷歌把这个功能其定位为学生服务的工具，但是对于日常需要处理大量文本的打工人来说，也是重大利好。

谷歌产品管理高级总监表示，Tailwind 就像一个真正的笔记本一样，你在里面记东西，而这些内容就是 AI 学习的对象。

用户可以简便地从谷歌云端硬盘中挑选文件，有效创建了一个兼具个性化和私人属性的 AI 模型。

目前，该功能在大学校园内进行了广泛的测试。

在示例演示中，Tailwind 收集了一大堆学习笔记，然后，生成了包括主题词在内的很多内容，比如，用户可以为特定主题创建术语表。

隐藏在 Tailwind 背后的理念是，为什么我们不能为每个用户定制不同的 AI 语言模型呢？

当然，这里存在两个问题。

一方面是成本问题。训练语言模型所需的计算需求和微调成本都很高，谁来负担这个成本？另一方面则是信息安全性。

毕竟，捏造信息这种事可一点都不稀奇，谁能保证个性化的笔记本不会出现同样的问题呢。

不过，是骡子是马还得拉出来遛遛。用户目前可以注册 Project Tailwind 进行测试。该功能也是 AI Labs 计划的一部分。

安卓开发小助手

此外，谷歌 I / O 大会上还推出了专为 Android 开发的 AI 编码机器人 Studio Bot。

不仅可以生成代码、修复 BUG，甚至能够回答关于安卓应用开发的相关问题。

同时支持 Kotlin 和 Java 编程语言，并将直接嵌入到 Android Studio 开发工具的工具栏中。

参考资料: