最近半年 all in A.I.，朋友们一直在让我做一下总结和分享。昨天在@yusen 的场地支持下，和一帮产品人共同探索了 S

最近半年 all in A.I.，朋友们一直在让我做一下总结和分享。昨天在@yusen 的场地支持下，和一帮产品人共同探索了 Stable Diffusion 的底层原理以及发展历程。后半部分还有这半年自己学习 AI 的方法和感悟，希望对各位产品、运营、设计等非研发岗的朋友们能有帮助。

国外资深科技记者：Google I/O大会不接地气 根本听不懂

国外资深科技记者：Google I/O大会不接地气 根本听不懂 以下为文章内容摘要：在近13年的科技记者生涯中，在参加完今天的谷歌2024年I/O大会后，我从未感受到如此强烈的“信息压迫”。从Gemini、Gemma和Gem，到Veo、 Astra和Learn LM，谷歌抛出了太多的东西，我相信我不是唯一一个感到头晕目眩的人。如果我，一个努力保持在科技报道前沿的人，仍在试图完全理解刚刚发生的这一切，那么这对普通的消费者来说并不是一个好兆头，他们只是希望能轻松地知道谷歌的AI将如何帮助他们。在这里，我也不准备把谷歌发布的所有信息都整理出来。毕竟，CNET拥有一支专业的作者团队，他们已经在这样做了。但我确实认为，在谷歌进一步成为“AI为先”的科技巨头的过程中，这是它需要解决的一个问题。Google I/O基本上是开发人员的活动。它是为程序员、研究人员和应用程序创建者准备的，他们中的大多数人都已经熟悉了“令牌”和“大型语言模型”等术语。因此，从某种程度上讲，谷歌周二给出的大量专业信息和技术术语也在意料之中。但同时，谷歌也需要迎合消费者。它需要让像我和你这样的普通用户对其产品的潜力感到兴奋，并帮助我们准确地了解它们将如何融入我们的生活。我是一名科技记者，也是一个普通的科技迷；我是一个手机用户，安卓和iOS都在用；我使用Gmail、Google Drive、Docs和地图；我还是一名摄影师和YouTube频道主持人。可以说，谷歌今天发布的所有内容，在某种程度上都与我生活的某个部分有关。但直到现在，我仍在努力理解它们是什么，更不用说它们能做什么了。Project Astra和Gemini是一样的吗？或者是Gemma？它们都与Learn LM有关吗？还是其他什么东西？他们会取代谷歌助手（Google Assistant）吗？现在，我真的不知道，我的工作很大一部分就是理解所有这些东西，并把它们分享给大家。因此，在接下来的几个小时里，我将花很多时间阅读我的同事们关于这方面的文章，如果你对谷歌的AI努力感兴趣，那么我鼓励你也这样做。但我不喜欢仅仅为了理解基本知识而不得不进行深度阅读。我坚信永远不要读产品手册，如果你不得不读，那么这个产品的可用性就失败了。这就是我对今天的谷歌主题演讲的感受。老实说，我不能把所有的责任都归咎于谷歌。AI的到来和发展如此之快，尤其是生成式AI，以至于我发现自己有点格格不入了。去年，谷歌谈论的是Bard，而现在已经不是，变成了Gemini。这就像我第一次开始使用区块链（blockchain）这样的术语时的感觉，说实话，我现在仍然不能告诉你们区块链是什么。我们有ChatGPT，三星的Galaxy AI，Meta AI，以及基于AI的新设备的到来，如Rabbit R1和Humane AI Pin。AI正在进行着如此之多的研究，但对于AI一词的确切应用，似乎还没有达成多少共识。结果是一种真正的支离破碎和困惑的感觉。朋友和家人经常问我关于AI的问题，关于他们应该使用哪种聊天机器人，以及如何创建生成式AI图像。除了向他们推荐CNET的AI Atlas之外，我很难给出有意义的答案。谷歌和所有科技公司一样，需要我们这些消费者来理解这些东西。如果他们希望我们对它们的产品感到兴奋，就需要让我们知道，这些AI工具是什么，它们具有多大的变革性。如果我们对它们感到兴奋，可能就会购买它们。例如，也许我们会购买下一代Pixel手机，就是因为Gemini，及其引人注目的视频提问服务。但是，一场持续两个小时的演讲，让经验丰富的科技记者也摸不着头脑，难以理解，这不是解决问题的方法。谷歌花了很长时间谈论它的AI在总结事物方面有多么优秀，也许是时候让谷歌自己来使用这些工具了。 ... PC版： 手机版：

外媒评Google I/O 2024：传统搜索日薄西山 谷歌全力重塑新模式

外媒评Google I/O 2024：传统搜索日薄西山 谷歌全力重塑新模式 此次大会上，Google宣布了其人工智能战略在各业务领域的全面落地。特别是，备受关注的Gemini聊天机器人获得了显著的功能增强，Google还对其核心搜索引擎进行了革命性的改进，目的是在与不断增强的人工智能竞争对手竞争中不落下风。具体而言，在大会上Google正式发布了多项新产品和服务：最新大语言模型Gemini1.5 Pro、针对快速响应场景的Gemini 1.5 Flash、参数量更大的开源模型Gemma 2、图像生成工具Imagen 3、视频生成模型Veo，以及在搜索引擎中新增的AIOverviews功能和实时人工智能助手。此外，Google还推出了第六代TPU芯片Trillium，为其人工智能应用提供了更强大的算力支持。关于此次GoogleI/O开发者大会的盛况，外国主流媒体纷纷发表评论。《华尔街日报》：Google新AI功能将重塑利润丰厚的互联网搜索业务Google将在年底前向其搜索引擎的数十亿用户展示由人工智能提供支持的答案，通过这种方式扩大该技术的应用范围，以应对其核心业务领域日益激烈的竞争。该策略已在本周在美国率先实施，这标志着Google对生成式人工智能技术的坚定支持。投资者和竞争对手普遍认为，这次更新不仅体现了Google对该技术的信心，也是其尝试重塑在线信息互动方式的一大步。这一举措将受到密切关注，因为它将深刻影响Google数千亿美元的广告销售业务，同时也会影响Google与网上内容提供商之间的关系，它们目前依赖搜索引擎流量。自OpenAI在2022年底推出ChatGPT以来，I/O开发者大会已成为Google展示其人工智能能力的重要平台，促使其加速推出竞争技术。Google的人工智能策略中，与其核心业务密切相关的新搜索功能尤为引人注目。Google一年前宣布了这一项目，此前，OpenAI的主要支持者微软已推出了使用人工智能以对话形式回答问题的必应搜索引擎版本。同时，如估值超过10亿美元的Perplexity等初创公司也推出了能够整合网络信息的类似工具。据悉，OpenAI正开发一款搜索产品，将与这些产品竞争。Google表示，本周将有数亿美国用户开始在搜索中看到AI Overviews，并预计到年底前，随着该功能在其他国家的推出，将有超过10亿用户体验到这一功能。此前，Google已在通过名为“搜索实验室”的项目注册的用户中测试了这些功能。投资者对Google搜索的任何变化都极为敏感，因为这些变化可能影响广告点击量。去年，去年，其母公司Alphabet收入高达3070亿美元，大部分来源于搜索结果旁的广告。为缓解投资者对人工智能解决方案成本增加的担忧，Alphabet CEO桑达尔·皮查伊（Sundar Pichai）上月在财报电话会上表示，自去年以来与人工智能摘要相关的搜索成本已下降了80%。这一转变也引起了新闻媒体和独立网站所有者的关注，他们依赖搜索引擎在读者面前展示自己。作为回应，Google承诺将优先向出版商提供流量。Google表示，与普通搜索结果相比，当链接被纳入AI Overviews时，人们点击它们的次数更多。然而，在推广这项技术时，Google表现出了极大的谨慎。目前，Google不打算在搜索页面上提供与人工智能聊天机器人进行长时间对话的功能，尽管这在用户测试中受到欢迎，并在去年的大会上进行了展示。《纽约时报》：Google迈出AI发展的下一步皮查伊去年5月表示，Google计划利用人工智能来重塑其全部产品线。然而，由于新的生成式AI技术可能传播虚假信息的风险，Google在将此技术应用于其庞大的搜索引擎时，采取了谨慎的态度。Google搜索引擎拥有超过20亿活跃用户，去年为Google创造了高达1750亿美元的收入。在加州山景城举行的Google开发者大会上，皮查伊详细介绍了Google如何逐步将人工智能技术融入其搜索引擎。他宣布，从本周起，美国用户将首次体验到一种名为AI Overviews的新功能，该功能在传统搜索结果之上提供信息摘要。预计到今年年底，全球将有超过10亿用户体验到这项先进技术。然而，AI Overviews的推出可能加剧内容提供商对流量减少的担忧，这些提供商已因与其他科技平台的分歧面临困境，而Google的新产品可能进一步加重这一压力。在Google搜索中，用户将看到某一主题的更详细摘要，这可能减少他们访问其他网站的需求，尽管Google试图淡化这些担忧。此外，Google还公布了其他战略举措，包括轻量级AI模型、新芯片及旨在帮助用户执行任务的智能主体等，以在与微软和OpenAI的人工智能竞赛中占据有利地位。皮查伊强调：“我们正处于人工智能平台转型的初期阶段。我们希望每个人都能从Gemini的能力中受益，无论是开发者、初创企业还是公众。”随着ChatGPT在2022年底横空出世，一些科技界人士认为这是对Google搜索引擎的严峻挑战，后者一直是最受欢迎的在线信息获取方式。自那以后，Google一直在努力重新夺回人工智能领域的领先地位，推出了一系列名为Gemini的技术。Google还将这项技术应用于YouTube、Gmail和Docs，帮助用户更轻松地创建视频、电子邮件和文档草稿。与此同时，Google与OpenAI及其合作伙伴微软的竞争仍在继续。在Google大会的前一天，OpenAI展示了一个更类似于语音助手的新版ChatGPT。在最新的活动中，Google展示了如何更深入地将人工智能融入用户的日常生活中。它推出了“阿斯特拉计划”（ProjectAstra），这是一项旨在探索人工智能作为智能主体与用户进行语音互动，并对图像和视频做出反应的实验。皮查伊预计，绝大多数人将通过Google搜索引擎与Gemini人工智能技术进行互动，“我们希望使人们与Gemini的互动变得更加无缝”。路透社：Alphabet推动增强版AI搜索和聊天机器人以应对竞争Google母公司Alphabet在周二详细介绍了如何在各业务领域深入整合人工智能。此举显著增强了其Gemini聊天机器人的功能，并对其著名的搜索引擎进行了革命性改进，目的是在人工智能领域与竞争对手进行正面较量。微软支持的OpenAI在2022年推出的ChatGPT引发了公众极大关注，这一突破性技术看似威胁到了Google在在线搜索和人工智能领域的长期领导地位。为应对此挑战，Google迅速推出了一系列新产品，展示其不断创新的决心。在Google此次全新进攻中，尤为引人注目的是名为Flash的Gemini 1.5 AI模型系列的新成员，这款模型具有更快的运行速度和更低的成本。此外，Google还展示了名为Project Astra的智能助手原型，该助手能与用户就智能手机摄像头实时捕捉到的内容进行对话。同时，Google推出了基于人工智能生成的标题来分类搜索结果，使搜索过程更加高效和精确。对于人工智能更新是否会对Google的盈利业务造成影响，皮查伊表示：“这是一个充满增长和机遇的时代。”OpenAI先前通过演示ChatGPT以类似人类的方式回答各种书面或视觉提示的能力，展示了其技术的先进性和实用性。OpenAI首席执行官萨姆·奥特曼（Sam Altman）甚至曾说，OpenAI提供的软件“感觉就像是电影中的人工智能”。Google的新举措也时常引发与OpenAI在人工智能领域的激烈竞争的讨论。作为Alphabet旗下的人工智能部门，GoogleDeepMind一直在开发能帮助消费者完成日常任务的技术。这些技术在Project Astra中得到了充分展示，该工具可以利用智能手机摄像头提供关于周围世界的信息概览，为用户的生活带来极大便利。Google在谈到Astra时表示：“我们的目标是建立一个通用的人工智能主体，它能够在日常生活中发挥真正的帮助作用。”市场研究机构eMarketer的分析师雅各布·伯恩（Jacob Bourne）指出：“本周发布的AI Overviews将成为衡量Google能否调整其搜索产品以适应生成式人工智能时代需求的重要指标。为... PC版： 手机版：

Google将AI引入足球：在设计进攻和防守定位球方面已超越人类

Google将AI引入足球：在设计进攻和防守定位球方面已超越人类 作为TacticAI项目负责人之一，Zhe Wang在接受采访时表示：“对我来说，足球最令人兴奋的地方在于，这是一场介于艺术和科学之间的游戏。比赛中有很多随机性，但我们仍然可以利用数据做出更好的决定。”在足球近代史上，一些最具标志性的进球都来自角球。DeepMind研究科学家Petar Veličković称，使用从角球获取的数据来训练TacticAI是有道理的，它往往会导致更有条理的进攻。他说：“足球是超级不可预测的，你永远无法准确预测会发生什么。但你能做的是制定合理的战术模式，角球对此真的很有好处，因为它们是固定的，频繁的，并能带来进球机会。”而TacticAI可以就球员在进攻和防守角球时的最佳位置向教练提供建议，这可能会给他们的球队带来边际收益（marginal gains），而这种边际收益往往会在竞技体育中产生巨大差异。TacticAI是由DeepMind与利物浦足球俱乐部合作开发的。Veličković称，利物浦球队的专家帮助DeepMind判断TacticAI的角球动作是否有效，同时这两家团队还合作进行了一项关于AI在足球中的角色的更广泛的研究，并在最近几年建立了一个预测球员在镜头外移动的系统。TacticAI的发布标志着DeepMind和利物浦球队之间合作的结束，但研究人员认为，一些顶级俱乐部的高管才刚刚开始意识到AI可能会在足球比赛中发挥变革性的作用。他们说，和角球一样，包括任意球、界外球和点球在内的其他定位球，也都具备AI所擅长的结构化数据，可能会成为该行业研究人员的下一个研究领域。与此同时，一些纯粹主义者开始担心，这样的技术干预有朝一日可能会让足球比赛失去一部分乐趣。但研究人员强调，他们试图创造一种工具，让教练的生活变得更轻松，而不是让他们失业。Zhe Wang称：“我们并不是要取代人类教练。相反，我们想帮助他们做出更快、更好的决定；帮助他们发现规律，并通过AI找到可能的改进。归根结底，还是由教练来做决定。它只是一个帮助教练更全面地做出这些决定的工具。” ... PC版： 手机版：

Stable Diffusion核心研发已集体辞职 老板也跑了

Stable Diffusion核心研发已集体辞职 老板也跑了 据悉，首席运营官Shan Shan Wong和首席技术官Christian Laforte将担任临时CEO。更早之前，Stable的核心研发团队，集体辞职了。ps.现在的CTO也刚上来不久，前CTO Tom Mason的领英都还没来得及更新呢这家最当红的AI独角兽，究竟发生了什么？CEO要去搞AI开放了公告除了宣布CEO辞任的事情，还表示将要招聘一位可长期任职的CEO，以带领公司进入下一个增长阶段。原CEO的下一站没有明确，他表示要去投身AI开放和去中心化工作中去了。在公告中他说，很骄傲从引入第一位开发者至今，Stability已经获得了数亿次下载量，并创造了跨模态的最佳模型。我坚信Stability AI的使命，并认为公司要掌握在有能力者的手中。Stability AI董事会主席也肯定了Emad的工作：非常感谢Emad对Stability AI和开源工作的领导和承诺。不过，“和平分手”背后，Stability AI高层的动荡远不止此。据统计从去年3月至今，已有至少19名高管或关键人物出走。CTO也也刚刚换新，据称随着新CTO的上任，公司战略可能向语言模型偏转。有消息显示Emad的辞职与核心团队辞职、和投资人产生矛盾有关。彭博社消息称，由于投资者就公司财务状况向管理层施压，Stability AI考虑出售公司。去年秋天公司曾与多家公司就收购进行早期谈判。而且去年公司高层也非常动荡。值得一提的是，Emad在任职期间，被曝出过不少黑料，包括：学历/工作经验造假、拖欠员工工资、诓骗投资人、挪用公款等。且爆料人正是前员工们，如果包含投资人在内，一共30多人进行了指控。Stability AI的联创Cyrus Hodes甚至还就“欺诈和挪用公款”一事专门起诉过Emad。但我们无法得知，Emad的辞职和这些是否有关。不过可以确定的是，在这段“和平分手”背后，Stability AI的动荡已经昭然若揭。就在两天前，前CEO Emad Mostaque亲自在内部全体会议上宣布:Stable Diffusion核心研究团队集体辞职。包括研究团队领导、论文一作Robin Rombach，共同一作Andreas Blattmann，以及另一位作者Dominik Lorenz。Stability AI怎么了？Stability AI的成功很大程度上可以直接归因于Stable Diffusion。正如前文所述，Stable Diffusion最初是一个学术研究项目。由Björn Ommer教授领衔，Robin Rombach、Andreas Blattmann、Dominik Lorenz这三位慕尼黑大学机器视觉与学习研究小组成员，以及Runway的研究人员完成。研究论文发表七个月后，Stability AI开始介入，提供计算资源，以进一步开发文本到图像生成模型。Stable Diffusion刚正式发布一个月就火爆圈内外，促使Stability AI在2022年A轮融资中，筹集到1.01亿美元，估值迅速攀升到10亿美元。值得一提的是，Stable Diffusion的爆火不仅仅是因为效果，更是因为其免费开源。不过，也正是由于Stable Diffusion足够开放，所以Stability AI的商业模式并不明了。换句话说，就是不能稳定地挣钱。而根据彭博社此前的爆料，该公司每个月至少要花费800万美元（人民币约5700万元）来支持业务运营。《福布斯》则直接指出：内部文件显示，StabilityAI的支出大大超过了收入。去年年底，Stability AI还一度传出因财务状况压力而寻求出售的消息。据《商业内幕》爆料，CEO Emad Mostaque还曾经警告Stability AI员工行业竞争激烈：你们都会在2023年死去。几天前的核心团队突然辞职，《福布斯》也爆料了原因：Stability Al正因入不敷出且融不到新资金而陷入困境。网友也因此担心，尚未全面开放的Stable Diffusion 3，还能开源吗？值得一提的是，目前不只Stability AI一家AI初创公司面临商业化的困境。估值40亿美元的Inflection AI也面临着分崩离析的状况。其CEO（DeepMind联创穆斯塔法-苏莱曼）和首席科学家均已前往微软赴任，在微软领导新成立的AI部门，并且带走了Inflection AI大批员工。要知道，微软可是Inflection AI的投资方，只要人不要公司，很大一部分原因应该来自Inflection AI目前遭遇的窘境。成立至今，Inflection AI旗下大模型已迭代到2.5代，推出了主打私人陪伴的AI产品PI。但是过去三个月，Pi网站每月平均访问量只有不到400万左右。这意味着Pi在全球AI产品流量排名至少在50位开外了。而且在商业化方面，Inflection AI也没有明显进展。如今图像生成的头部玩家Stability AI也面临窘境……大模型浪潮下，商业化该如何推进？正在考验着所有初创公司。大逃杀已经开始了。 ... PC版： 手机版：

Google I/O开发者大会前瞻：遭遇OpenAI、微软夹击 大战一触即发

Google I/O开发者大会前瞻：遭遇OpenAI、微软夹击 大战一触即发 夹在当中的正是老牌AI大厂、本轮AI浪潮的奠基人和追赶者Google，经历了过去一年的种种阵痛后，桑达尔·皮查伊、杰米斯·哈萨比斯等Google管理层需要向世界证明，作为AI领域唯一尚能与微软一战的大型科技企业，Google仍在坚守阵地。AI、AI、还是AI作为年度开发者大会的核心活动，I/O 2024主题演讲将会在太平洋时间5月14日早上10点（北京时间15日凌晨1点）举行。在Google山景城总部附近的海岸线圆形剧场，投资者们将听到有关人工智能、搜索引擎、Android 15系统的更新，以及这些新功能如何在新上市的移动设备上呈现。需要为Google正名的是，皮查伊其实早在2016和2017年的I/O演讲中，就喊出了从“移动优先”转向“AI优先”的口号，并强调“重新思考所有产品并应用机器学习”。即便如此，在一年半前ChatGPT横空出世后，Google依然被广泛质疑沦为落后追赶的一方。（来源：Google）经历一整年的紧赶慢赶，Google先后推出Gemini 1.0和1.5系列模型，其中能力最强的1.5 Pro，在上下文窗口长度和多模态能力方面，都展现出了力压GPT的潜力。但要让资本市场认可Google“AI优先”的地位，公司仍需要发布一系列具有变革性且广泛可用的产品。在去年的I/O大会上，Google重点介绍了聊天机器人Bard（后面改名为Gemini），以及将一系列人工智能整和到各种产品和服务中，例如地图和与Adobe合作开发的照片编辑工具。很显然，在下周的大会上，Google将迫切地证明自家Gemini已经超越了OpenAI/微软的GPT/Copilot，所以我们下周可能会看到Gemini的全新版本，以及该平台更加深入地嵌入各个产品和应用。Google此前曾表示会把Google手机助手换成基于Gemini的聊天机器人。目前并不清楚Google是否准备在本届I/O上推出这样的改变。至少在当下，Gemini的应用和网页端在移动设备上的表现依然乏善可陈，要取代历史悠久的Google手机助手，Gemini需要作出相当大的更新。而在搜索引擎方面，Google在一年前宣布了基于AI的生成式搜索体验（SGE），今年的看点将是Google是否认为这项服务已经足够成熟，能退出实验室预览计划。如果搜索引擎能够直接提供答案的时代正式到来（而不是提供一堆链接让用户自己点），这对使用者和内容发布者都将是影响深远的变化。与此同时，Google的地图应用一直在测试AI搜索，通过对话的方式来找到目的地。就地图的应用场景来说，对这类功能的需求倒不是那么普遍。最后，Google的开发者大会也存在提前泄露苹果WWDC消息的可能性。根据最新消息，苹果可能接近与OpenAI达成合作，在iOS系统中使用外部AI，同时也在与Google就引入Gemini进行谈判。这件事情的核心问题在于，这些外部AI将如何在iOS系统中呈现。而Google在下周推出的一系列Android系统AI功能，可能会暗示苹果正在酝酿的内容。目前在Android系统中，AIGC的主要用途是Gemini Nano驱动的输入法键盘自动回复、短信魔法撰写、摘要总结和修图。随着芯片和软件的升级，设计基于人工智能的手机操作系统也已经提上日程。例如AI时代的主屏幕、锁屏以及通知栏，应该是什么样的？这也是Google和苹果需要在未来一个月内交出的答卷。除了AI外，目前开发者预览阶段的Android 15还展现出卫星连接性、摄像头控制功能和隐私沙箱等改进。硬件靠边站可能与前几年不太一样，今年Google应该没准备留太多时间给硬件设备。在去年I/O推出折叠屏手机Pixel Fold后，但这款设备的升级可能会面临重大升级，要等到秋季与最新的Pixel 9手机一同登场。同时为了避免新手机发布的消息被“掩埋”在一堆AI新闻里，Google已经在本周官宣了最新的中端Pixel 8a手机，并将在I/O大会揭幕当天正式开售。（来源：Google商店）鉴于Google通常都不太在意对新设备的保密，所以到现在这个点还没有消息，足以显示公司希望将更多的时间花在AI相关的公告上。不难想象，Google会花不少篇幅聊一聊Pixel手机如何应用最新的Android功能。最后，今年的I/O大会上也有可能出现与有关虚拟现实头显有关的消息。在去年的I/O大会上，Google确认正在与三星开发基于Android的XR头显操作系统。与此同时，Meta在去年据传拒绝使用“Android XR”后，又开始推动各大厂商安装Horizon OS系统。最后，在官方主题演讲后，Google也会在同一天举行开发者主题演讲，主要披露最新的开发工具。有不少华尔街分析师也在密切关注这场会议，主要的看点是“变现路径是否变得更加清晰”，以及是否会有其他的AI催化剂。 ... PC版： 手机版：