Transcription
我们总是低估变革的深刻程度，而高估变革发生的速度。>> 谷歌正在向人工智能代理和多模态模型押注数十亿美元。但其战略背后究竟是什么？我和我的团队与全球约 150 位顶级客户合作，确保我们不断推出的技术工厂和新产品，他们知道如何最好地利用这项技术来满足他们当前特定的业务用例和需求。现在，当你构建数十、数百甚至数千个代理时，代理与任务的对齐是一个非常困难的问题。因此，这是我们正在研发模式下努力为客户简化的一件事。代理领域发生了什么，然后我们可以谈谈你具体在做什么。>> 嗯，代理已迅速成为许多消费者和企业开始体验人工智能力量的界面。代理就像自动化和智能的第三波浪潮，它们可以理解意图，并且可以通过多种方式理解意图。它可以是输入的文本，也可以是语音，并且可以代表你执行任务。这显然对当今现实世界中的许多消费者用例以及企业对企业用例具有深远的潜在影响。所以，当 Wi-Fi 断开时，你想做的第一件事就是寻求帮助。而获得帮助的典型流程是，你访问网站，然后尝试滚动浏览，你知道，你的提供商是谁，或者使用移动应用程序。你试图找到如何解决问题。这是一种非常 2010 年代的交互模式。嗯，在代理的世界里，英国有一家电信公司现在正在这样做，我们正在与他们合作。他们所做的是，他们有一个应用程序体验，如果有人遇到 Wi-Fi 中断，但他们仍然可以访问蜂窝网络，他们就会弹出一个实时的多模态体验，客户支持代理就会出现。他们会让个人用摄像头指向家里的设备，他们能够根据那个人所在公寓或房屋中的设备找出如何进行故障排除，通过完全原生的多模态体验。所以这是一个例子，你知道，你有一个协调代理，下面有子代理，它们在对视频进行特征描述，并协调聊天和文本。所以所有这些不同的代理汇集在一起，创造了这种非常无缝的支持体验。公司本身和组织本身在某些情况下也必须首次记录他们的决策规则。有流程，有文档，然后是人类的判断，以及那些隐藏在表面之下的不成文的规范和事物。我们现在正在与一家公司合作，我们正在做的一部分是，人们想购买家居用品，但他们想在选择之前在他们的起居空间中看到它。所以，如果你要创建一个人工智能作为设计师来自动化这些流程，并创建这种“在你购买之前，让我们把它放在你的空间里”的体验，这是一个非常复杂的问题，因为你正在处理物理学，你正在处理库存，实时库存。有很多非常复杂的部分才能使这个设计真正起作用。所以我们不得不做的是，我们不得不为流程中的多个步骤构建评估。第一步是人工智能已经回来，说，“我想在这个房间里创造这种类型的设置。”嗯，首先，这是否违背了物理定律？第二步是这个物品是否真的，你知道，是我们库存中的一个物品，你知道，一个非常具体的物品。所以这是第二次评估和批评。第三次评估没有批评是，有一些集群。如果你去过家居设计展厅，你会看到他们故意摆放一个边桌、一把椅子、一盏灯和一个植物。他们把它们放在集群里。我们学到的一件事是，这些集群应该符合某些品牌标准或品牌敏感性。所以，根据你与哪家公司合作，他们可能有不同的集群。所以集群必须符合该公司的设计敏感性和品牌敏感性。所以，我们已经在四个不同的评估步骤中，并且正是这种有条理的定义和有条理的评估，以及所有这些的工具化，正是你所说的，它真正解锁了规模。一旦你做对了这一点，你就可以将许多不同的请求和许多不同的用户发送到同一个管道，它符合品牌指南。它符合物理定律，并且它实际上符合库存，可以创造一些非常神奇的体验。简要告诉我们关于纳米香蕉。>> 所以纳米香蕉是我们最新的图像生成模型，这是一个重要的主题，迈克尔，那就是多模态人工智能是未来，原因有几个。首先，如果一张图片值一千个字，那么一段视频就值一百万张图片。像纳米香蕉这样的多模态人工智能模型可以接受图像作为输入，以及，你知道，提示，并且它可以创造新的东西。你知道，如果你采用纳米香蕉和创造图像的能力，并将其扩展，我们也能创造视频。VO 是我们内部的视频创作模型，一个多模态模型。再进一步。我们有一个 Gemini Live API，我之前提到了那个用例，你可以用你的手机，把它翻过来，给它看东西，给人工智能看东西，它就会本能地知道那是一个有线调制解调器。这是模型，你可以立即开始调试。纳米香蕉是人工智能多模态未来的一个缩影。这就是人类想要与人工智能互动的方式。他们不想一直输入东西。有时他们只是想给你看点东西。所以，你知道，嘿，这是我正在看的。嗯，你知道，给我一些关于这个的背景。它可以解释数学方程。它可以解释地理位置。那就是人工智能的未来，就是这种多模态沉浸式体验，而纳米香蕉就是一种形式。>> 你如何区分人工智能的炒作和现实？然后你如何将其转化为实际的东西？>> 衡量，衡量，衡量，并保持非常透明。我甚至不得不就此指导我自己的团队。当你构建某样东西时，人类的自然倾向是展示它最好的一面，并像你了解一切一样谈论它。我鼓励你们所有正在使用人工智能，特别是现在正在构建代理的人，要获得信誉，并对它的进展非常现实，并逐步衡量。我们将漫长的代理开发工作流程分解为非常渐进的步骤，我们进行衡量，并讨论我们在每一步需要做什么来提高性能和/或效率，而不是说哦，它将能够做所有这些伟大的事情。我们从非常原子化、非常具体和非常可衡量的结果开始。我们在每个关卡处都做出决定，是继续，是改变，还是停止。这种开发每一步的透明度以及对它能做什么和不能做什么的非常清醒的审视将有助于打破炒作周期。此外，对于那些领导项目的人，我强烈建议你们不要对人工智能将要做什么做出重大声明，而是要非常清醒地思考你们组织面临的最大问题是什么，以及自动化、速度、多模态性，这些东西如何结合起来，一点一点地解决那些总是会非常复杂的问题，而不是通过神奇的人工智能魔杖来解决。从解决问题的实际角度出发，而不是人工智能很棒，将改变我们的生活，解决世界上的一切。>> 是的。我还要说，在技术史上，我们总是低估变革的深刻程度，而高估变革发生的速度。我认为这也造成了一些你所说的炒作周期，那就是我们现在可以看到潜力，但这个潜力需要数年才能实现。但回到迈克尔早些时候的观点，如果你现在不开始，你就不会攀登学习曲线，你就不会创造最终带来突破的渐进式成功，而你将永远看着别人去做。>> 在接下来的六到十八个月里，这一切将走向何方？从你的角度来看，从你目前所知的情况来看，我们可以期待什么？>> 首先，模型将在能力和质量方面继续改进，你将看到更多原生的多模态功能，就像今天一样，你可以去 Gemini，你可以通过语音、视频、图像进行交互。多模态性将变得越来越无缝，与人工智能互动将感觉更自然。其次，持续改进开箱即用的功能，以帮助人们在 Gemini Enterprise 中入门，并提供越来越多的数据源连接器。所以，对于那些拥有 SharePoint、Jira、Confluent 或所有这些不同的连接器的人来说，还有更多连接器即将到来。我怎么强调都不为过，领导者建模对这种探索的支持，这种新一波探索的重要性，无论是在什么方面，对代理开发都是如此。但你正在迫使组织中的业务领导者成为技术专家，而首席执行官或首席财务官，当然，谷歌是一个特殊情况，因为你们正在开发这些产品，但普通的制造型首席执行官或首席财务官，真的现实地期望他们深入了解技术吗？>> 完全正确。>> 真的吗？>> 完全正确。而且他们都想，你看，最棒的是我的工作是让技术在很大程度上变得隐形。所以，相反，他们看到的是一个平台，就像 Gemini Enterprise，他们可以在那里用简单的语言来定义一个代理，给它系统指令，给它初始提示，点击数据源按钮，然后构建一个代理。现在，这并不意味着所有首席执行官都必须去构建多代理的复杂工作流程，用于高度特定的任务，但我的坚定信念是，他们都能够实质性地参与到这场技术浪潮中来。这也是它如此强大和无处不在的原因之一，迈克尔，人工智能已经从一个部门或一种非常奇怪和神秘的技术，变成了日常生活的一部分。我看到的许多代理工作流程，它们不是商业交易，但我们刚刚发布了代理支付协议 AP2，作为这个标准化堆栈的一部分。所以 MCP A2A，即代理到代理协议，以及现在的代理支付协议，因为我们将希望代理能够完成包括商业在内的任务，而这将是一个重要的关注领域，确保它做得好，做得安全，做得可靠，而 AP2 代理支付协议是旅程的第一步。我们将迎来谷歌云首席技术官格兰尼斯的演讲。大家请访问 cxotalk.com，订阅我们的新闻通讯。大家保重。很快再见。