Transcription
Tudo bem?
O Google deu um passo importante na corrida da IA, agora focando em softwares de escritório usados diariamente por muitos. A empresa anunciou uma grande atualização no workspace, integrando Gemini ao DOCS, Sheets, Slides e Google Drive, tornando-os ferramentas de produtividade nativas de IA.
Ao mesmo tempo, o Google também lançou um novo modelo de IA chamado Gemini Embeding 2, que foi desenvolvido para impulsionar a infraestrutura por trás dos sistemas modernos de IA, permitindo que textos, imagens, vídeos, áudios e documentos coexistam no mesmo espaço de embeding. Isso ocorreu após a Microsoft lançar uma atualização integrando o Cloud ao Office.
Fica claro que as duas empresas buscam transformar softwares de produtividade em ambientes com IA. A estratégia do Google é simples. Em vez de forçar os usuários a abrirem ferramentas de IA separadas, o Gemini agora aparece diretamente nos aplicativos onde o trabalho já acontece. E quando você olha para a escala do workspace, entende porque isso é importante. Cerca de 300 milhões de pessoas usam ativamente o Google Workspace. O ecossistema do Google atinge cerca de 3 bilhões de usuários no mundo. Então, mudanças em suas ferramentas impactam muito mais que um grupo de nicho. Isso pode mudar o trabalho de escritório globalmente.
Agora, recursos com tecnologia Gemini estão disponíveis para usuários dos planos Google, IA, Pro e Ultra. Mas a direção é clara. Workspace está virando o que o Google chama de suitch de escritório nativa de IA.
Um resultado interessante de benchmark já apareceu com essa atualização. Em um teste de edição de planilhas do mundo real chamado Spread Sheet BCH, o Gemini rodando dentro dos sheets atingiu uma taxa de sucesso de 70,48%. Isso coloca o Gemini à frente de outros sistemas de IA e quase no nível de um especialista humano em planilhas.
A principal mudança não são os testes de desempenho, mas sim a forma como o trabalho é realizado. Em vez de começar do zero toda vez, agora você pode gerar documentos inteiros, planilhas ou apresentações com uma única instrução. E a IA não inventa conteúdo aleatório. Ela busca contexto real dos seus e-mails, arquivos e até da internet.
Vamos começar com o Google Docs, porque é aí que a experiência fica muito evidente com o novo sistema. Digite, por exemplo, escreva um boletim comunitário com as atas da reunião da Associação de Moradores e a lista de eventos de janeiro. Em segundos, o Gemini gera um rascunho completo.
O que está acontecendo nos bastidores é bem poderoso. O sistema analisa seus arquivos do Google Drive, mensagens do Gmail e informações relevantes da web. Depois constrói o documento usando dados reais conectados à sua conta.
Depois que o rascunho é gerado, você pode refiná-lo usando instruções naturais. Você pode pedir para IA encurtar certas sessões, expandir detalhes ou reorganizar a estrutura. O Google apresentou a correspondência de estilo de escrita para resolver a reclamação de que textos de IA são robóticos ou diferentes da escrita das pessoas. Esse recurso analisa seus documentos anteriores e ajusta o texto gerado para que ele se pareça com o seu estilo pessoal de escrita.
Outra novidade é o formato Matdoc. Vamos supor que você tenha um modelo de roteiro de viagem que costuma usar. O Gemini pode escanear seus e-mails, extrair informações como reservas de voos, hotéis e aluguel de carros e então colocar automaticamente esses detalhes dentro do modelo. Então, em vez de copiar manualmente as informações de diferentes fontes, a IA monta a estrutura do documento para você.
Agora vamos ao planilhas Google, que sinceramente é onde muitos têm dificuldade. São ferramentas poderosas, mas criá-las pode ser confuso. Muitas pessoas não sabem como estruturar tabelas, quais colunas precisam ou quais fórmulas devem existir. O Gemini agora pode criar toda a estrutura da planilha para você. Por exemplo, você pode digitar algo como: "Oganize meu itinerário para a mudança para Chicago." Crie uma lista de itens para empacotar categorizada por cômodo. Adicione informações de contato para serviços como água, eletricidade e gás e acompanhe orçamentos de empresas de mudança. Na minha caixa de entrada, Gemini lei meios e arquivos relevantes. Depois constrói automaticamente a planilha que inclui tabelas, categorias estruturadas e às vezes até painéis para acompanhar o progresso.
Agora, com o Google integrando IA nas ferramentas de produtividade, a voz também passa a fazer parte desse processo. Higsfield está patrocinando o vídeo de hoje e eles acabaram de lançar o Higsfield áudio que adiciona geração de voz, troca de voz e tradução de vídeo multilíngue diretamente dentro da mesma plataforma. É possível gerar vozes de Iá realistas a partir de texto, escolher diferentes modelos ou clonar sua voz com uma breve gravação. Eu sou a revolução da IA, o coração da sua história. Após criar a voz, você pode usá-la em vídeos, substituir vozes ou gerar narração para novos conteúdos. Olá, inscreva-se no canal Revolução da IA.
Um recurso interessante é trocar a voz dos vídeos. Envie um clipe e escolha outra voz. O sistema substitui a fala original mantendo o tempo e o movimento da boca alinhados ao vídeo.
>> Tudo bem. Então o Google acabou de dar um passo bem grande na corrida da IA e esse realmente mira em algo que a maioria das pessoas usa todos os dias. softwares de escritório. >> Ele também suporta tradução de vídeo, ou seja, você pode pegar um vídeo em um idioma e gerar versões em outros idiomas, como alemão, francês ou chinês. Enquanto mantém a voz sincronizada com as imagens, o Google deu um passo importante na corrida da IA. Como integra a plataforma Higgsfield, todo o fluxo de trabalho segue conectado. Você pode gerar imagens, criar vídeos com modelos como o Cling e agora gerar ou substituir a voz. Tudo no mesmo lugar. Vai experimentar o Hickfield áudio você mesmo. O link está na descrição, certo? Agora de volta ao vídeo.
Depois há um recurso chamado preencher com Gemini. Esse leva a automação ainda mais longe porque a IA pode preencher a planilha sozinha. Em vez de digitar manualmente os dados nas linhas e colunas, o Gemini pode classificar informações, resumi-las e até buscar dados em tempo real no Google Search. Imagine criar uma planilha para acompanhar inscrições em faculdades. Normalmente você pesquisaria manualmente os prazos, as taxas de matrícula e os requisitos de inscrição de cada universidade. Com esse sistema, basta arrastar uma coluna para baixo e o Gemini preenche as informações automaticamente com dados da internet. Isso significa que buscar informações, organizá-las e inseri-las em planilhas pode acontecer automaticamente.
O Slides também recebeu uma grande atualização. Muitos afirmam que apresentações são a parte mais difícil do trabalho de escritório. Estruturar slides, escrever o conteúdo, formatar layouts e escolher cores pode facilmente levar horas. Agora, você pode simplesmente descrever a apresentação que deseja. Se você digitar algo como crie uma apresentação de cinco páginas para minha próxima viagem a Tóquio, o Gemini gera toda a apresentação de slides. Ele busca contexto de e-mails, arquivos e informações online para montar os slides. Se você não estiver satisfeito com o resultado, pode pedir para a IA ajustar as coisas, por exemplo, deixar as cores mais adequadas ao estilo da marca, encurtar o texto ou mudar o layout geral. Agora, em vez de criar apresentações manualmente, você orienta a IA como assistente criativo.
O mais interessante dessa atualização pode ser o Google. O Drive sempre foi um sistema de armazenamento para arquivos e pastas. O problema é que a maioria das pessoas não organiza muito bem o seu armazenamento. Com o tempo, drives na nuvem viram coleções bagunçadas com centenas ou milhares de arquivos. Muitas vezes você lembra o conteúdo de um documento, mas não o nome exato do arquivo ou onde está salvo. Você pode lembrar de algo como a apresentação ao comitê de auditoria ou um documento que cite a receita do ano passado. A busca tradicional por palavras chave falha nesses casos por corresponder apenas a termos específicos.
O Google está lançando o Visão geral por II para resolver isso sem depender de palavras chave. O sistema entende sua intenção. Você descreve o documento em linguagem comum e a IA interpreta seu pedido. Depois ele analisa os arquivos e extrai os resultados mais relevantes, tornando seu drive cada vez mais uma base de conhecimento pessoal e não apenas um sistema de armazenamento.
Também existe outro recurso chamado Pergunte ao Gemini dentro do Drive. Isso permite que os usuários façam perguntas complexas em várias fontes ao mesmo tempo. Documentos, e-mails, eventos do calendário e informações da web podem todos contribuir para a resposta. Por exemplo, alguém pode selecionar seus arquivos de impostos e perguntar que perguntas devo fazer ao consultor fiscal antes de declarar o imposto de renda deste ano. Gêmeos analisa os documentos e gera uma resposta com base nas informações reais desses arquivos.
Enquanto o Google renova ferramentas de produtividade com os gêmeos no workspace, também lançou algo para desenvolvedores de sistemas de IA. Esse novo lançamento se chama Gêmeos Embeding 2.
Os modelos de Beding são, na verdade, uma peça central da infraestrutura de IA moderna. Eles transformam informações em vetores matemáticos, permitindo que máquinas comparem significados de diferentes conteúdos. Quando um sistema de IA pesquisa em um banco de dados por informações relevantes, os embedings geralmente são usados para encontrar conteúdos que sejam semanticamente semelhantes à consulta do usuário.
O modelo anterior de embeding Gemini focava apenas em texto. O Gemini Embeding 2 expande esse conceito de forma dramática. Ele pode mapear cinco tipos diferentes de mídia em um único espaço vetorial: texto, imagens, vídeo, áudio e documentos PDF. Anteriormente, os desenvolvedores geralmente precisavam de modelos separados para diferentes tipos de conteúdo, por exemplo, modelos clip para imagens e modelos baseados em Bert para texto. O Gemini Beding 2 elimina essa complexidade ao incorporar todos os tipos de mídia em uma representação unificada.
O modelo aceita entradas intercaladas, permitindo combinar vários tipos de mídia em uma solicitação. Há limites para cada tipo de entrada. Entradas de texto podem conter até 8.192 tokens. O sistema pode processar até seis imagens por solicitação em formatos como PNG, JPEG, AP WebP e Aa clipes de vídeo podem ter até 120 segundos de duração. Entradas de áudio podem incluir até 80 segundos de áudio nativo, como MP3 ou WAV. E curiosamente, o sistema pode processar áudio sem exigir uma etapa separada de transcrição. Documentos PDF podem incluir até seis páginas por solicitação.
Ao processar essas entradas juntas, o modelo capta relações entre tipos diferentes de conteúdo. Um quadro visual de vídeo pode ser ligado ao diálogo da trilha de áudio, ambos comparados a consultas de texto por métricas de similaridade como cosseno.
Outro desafio dos modelos de embeding é a eficiência, pois esses vetores podem ter milhares de dimensões, tornando armazenamento e busca computacionalmente caros. Para resolver esse problema, Gemini Embading 2 utiliza o aprendizado de representação matriótica ou MRL. Sistemas tradicionais de embeding distribuem informações semânticas por todo o vetor e ao reduzir seu tamanho para economizar memória, a precisão costuma cair. O MRL altera essa lógica. As informações semânticas mais importantes são armazenadas nas primeiras dimensões do vetor e o tamanho padrão do embeding é de 3072 dimensões. No entanto, os desenvolvedores podem truncar o vetor com segurança para 1536 ou até mesmo 768 dimensões, mantendo uma alta precisão. Isso possibilita uma busca em duas etapas. O sistema faz primeiro uma busca rápida com vetores curtos entre milhões de itens. Depois ele reclassifica os principais resultados usando as embedings completas de 3072 dimensões. Essa abordagem diminui a sobrecarga computacional sem comprometer a precisão da recuperação.
O Google avaliou o modelo usando o benchmark de embedings de texto em larga escala, conhecido como MTEB. Os resultados indicaram maior precisão na recuperação em relação ao modelo de embeding anterior, além de melhorias no desvio de domínio. Sistemas de embeding t bom desempenho em dados gerais, como a Wikipédia, mas perdem precisão em domínios especializados, como bases de código proprietárias ou documentação técnica. O Gemini Embeding 2 foi treinado em várias etapas e conjuntos de dados para melhorar o desempenho em tarefas especializadas.
O modelo aceita uma grande janela de contexto para embedings. Desenvolvedores podem embutir até 8.192 tokens de uma vez, permitindo processar trechos maiores de documentos juntos. Isso preserva o contexto de longo alcance nos documentos e reduz a fragmentação de contexto, quando trechos recuperados tem poucas informações para respostas coerentes.
Desenvolvedores podem dar dicas específicas ao gerar embedings usando parâmetros como consulta, documento de recuperação ou classificação. Essas dicas otimizam vetores para tarefas distintas e melhoram a recuperação.
O Google está renovando ferramentas de produtividade amplamente usadas e ao mesmo tempo aprimorando a infraestrutura para desenvolvedores criarem sistemas de IA. Ver essas duas atualizações chegarem juntas mostra como o Google está impulsionando o Gemini agressivamente no ecossistema de IA.
Por hoje é isso. Me conte o que achou dessas novidades. Obrigado por assistir. Até o próximo vídeo.