谷歌I/O四大更新：科技本質(zhì)不是硬件和軟件，而是知識與計算

科技的存在，應(yīng)該為了我們更好地理解世界，并被世界所理解。

文｜杜晨    編輯 | Lianzi      所有圖片來源：谷歌

經(jīng)過三年，谷歌開發(fā)者大會 I/O 終于今天回歸線下。

位于谷歌山景城總部旁邊的 Shoreline 露天劇院今天座無虛席。上千名公司員工、合作伙伴代表，以及幸運(yùn)的第三方開發(fā)者，終于在他們最熟悉的地方得以齊聚一堂。

在歡快的電子舞曲之后，谷歌 CEO Sundar Pichai 走了出來：“哈咯，大家能聽到我嗎？”這引得臺下一陣歡笑。

“過去兩年里，每次我進(jìn)會議都是靜音的，所以我想也許我應(yīng)該跟大家一起測試一下麥。”

Pichai 表示，今年的 I/O 大會會發(fā)布和預(yù)告一系列科技含量非常高的產(chǎn)品和功能，橫跨谷歌的搜索、地圖、Android 軟件、Pixel 硬件產(chǎn)品，以及 AI 研究等多個部門。

然而這些產(chǎn)品和功能本身，并不是科技的本質(zhì)。

幾年前，谷歌重新設(shè)計了自己的公司使命：整合全球信息，使人人都能訪問并從中受益。在 Pichai 看來，這個使命有兩個最根本的組成部分：知識和計算。在 Pichai 的帶領(lǐng)下，谷歌在過去幾年內(nèi)在技術(shù)和產(chǎn)品創(chuàng)新方面所做的努力，包括感知計算 (Ambient Computing)、多模態(tài)學(xué)習(xí)、融合搜索 (Multisearch)、超大規(guī)模語言模型、增強(qiáng)現(xiàn)實等——其實歸根結(jié)底，都是在做兩件事：

1）加深對于信息的理解，將其變?yōu)橹R；

2）推進(jìn)計算的范式創(chuàng)新，從而讓任何人在世界任何角落，都可以更容易地訪問和獲取知識。

最直接的例子，就是谷歌在過去兩年所扮演重要的信息樞紐角色：

在2021年，人們通過谷歌搜索和地圖來查找疫苗接種信息超過20億次；

在印度和孟加拉國，谷歌采用最新神經(jīng)網(wǎng)絡(luò)技術(shù)開發(fā)的季風(fēng)預(yù)警系統(tǒng)，已經(jīng)為超過2300萬人提供了暴雨洪水預(yù)警，預(yù)計已挽救數(shù)十萬災(zāi)民的生命。 

信息只是信息，在民眾之間流轉(zhuǎn)的效率極低，并且很難保持準(zhǔn)確度。但是因為有了先進(jìn)的知識圖譜技術(shù)，這些信息能夠被系統(tǒng)識別、提取、精煉、匯總，最終以搜索結(jié)果、手機(jī)通知、災(zāi)害報告等形態(tài)，作為一種知識，得到了準(zhǔn)確和高效的傳播。

在今天的 I/O 大會，谷歌發(fā)布了一系列以推進(jìn)知識和計算為核心的新產(chǎn)品、功能和技術(shù)。

| 讓真實世界可以被"Ctrl-F"

今年4月，谷歌發(fā)布了一個全新的多模態(tài)搜索功能，讓用戶手機(jī)上通過拍照+文本的方式，進(jìn)行更加定制化的搜索。比如很想買別人穿的一雙鞋，但想要另一款顏色，就可以拍照，再加上“藍(lán)色”的文字。這樣，只需要進(jìn)行一次搜索，就可以更容易地找到自己正在尋找的信息和產(chǎn)品。

但這還不夠。對于谷歌來說，他們想要索引和組織的信息，早已不僅限于網(wǎng)上。比如，我們用谷歌地圖來搜索真實世界中的地理位置相關(guān)信息。但如果想要更進(jìn)一步，讓用戶可以更加精確地搜索真實世界，特別是他們附近的特定信息，能做到嗎？

在今天 I/O 大會上，谷歌還真發(fā)布了一個這樣的功能：Multisearch Near Me（周邊多重搜索）.

我們可能都遇到過這樣的情況：在網(wǎng)上看到一道之前從未見過，但讓你口水直流的菜，但是你壓根都不知道它叫什么菜，屬于什么菜系，附近有沒有對應(yīng)的餐館。

這個功能就是專門來解決這個痛點的。你只需要拍照或者把照片上傳，然后文字輸入加上 “在我周圍”：谷歌不僅能告訴你這道菜叫什么名字，還能夠搜到附近有這道菜的店家。

這個搜索能力不僅限于食物，因為它的背后是谷歌搜索已經(jīng)在采用的多模態(tài)機(jī)器學(xué)習(xí)引擎。一個模型可以同時理解并處理文字、圖片、語音等多種不同模態(tài)的信息。原則上，任何物體它都能夠搜索，包括并不限于食物、商品、服務(wù)（比如美甲）等。

這個功能將于今年內(nèi)正式推出，初期僅支持英文，后續(xù)將會增加更多語言。與此同時，這個功能已經(jīng)上線谷歌移動端 App，用戶已經(jīng)可以開始使用。

除此之外，今年谷歌在視覺搜索上面還有另一個大動作：對移動的取景框內(nèi)，多個不同物體，進(jìn)行同時和連續(xù)搜索，并且通過AR疊加的方式來展現(xiàn)這些物體相關(guān)的信息。

比如在超市，面對一整面貨架的咖啡豆，不知道該買哪一款，你只需要掏出手機(jī)，打開 Google Lens（谷歌搜索和相機(jī)的視覺搜索功能），就可以看到這些不同品牌咖啡豆的評分了。

不僅如此，你還可以繼續(xù)進(jìn)行條件過濾，比如“高分”、“深烘焙”、“不含堅果等”：

這個功能叫做 Scene Exploration，目前仍在開發(fā)中，尚無具體發(fā)布的計劃。除了 AR 之外，它也同樣利用了剛才提到的多重搜索技術(shù)。

Pichai 表示：這就像給真實世界加入了 "Ctrl-F" 功能一樣。

| 谷歌地圖：觀察真實的世界，現(xiàn)在有了全新角度

疫情兩年以來，很多人恐怕已經(jīng)忘記旅行是一種怎樣的體驗。這也是為什么很多人現(xiàn)在只能通過谷歌地圖/地球，以及瀏覽各種網(wǎng)站照片和旅行視頻來“過眼癮”。

深知這一點，谷歌地圖團(tuán)隊決定給用戶們送上一份大福利。

先看下面這張圖。如果不說清楚的話，你可能以為這是一張倫敦實景照片：

但其實，這是谷歌地圖團(tuán)隊使用最先進(jìn)的繪圖和機(jī)器學(xué)習(xí)技術(shù)，開發(fā)出的全新的3D渲染地圖功能 Immersive View：

對于一些知名的地標(biāo)建筑，比如倫敦的大本鐘和西敏寺大教堂，用戶可以旋轉(zhuǎn)3D地圖查看不同角度，甚至還可以自選查看地標(biāo)建筑物在不同時間和天氣下多變的樣貌：

谷歌地圖 Immersive View （沉浸式視圖）將在今年內(nèi)推出，支持 Android 和 iOS，支持的城市和地標(biāo)有限，首批包括洛杉磯、倫敦、紐約、舊金山和東京，之后將逐漸增加更多城市和知名建筑物。

| AI 幫你“長求總”

在谷歌，Pichai 會要求員工給他發(fā)送較長文檔或電郵的時候，把內(nèi)容總結(jié)成 TLDR (Too Long Didn't Read，也就是“長求總”)，放在文檔或電郵的最前面。這引發(fā)了團(tuán)隊的思考：如果更多東西也能被 TLDR，那該多好？

之前谷歌還就真的推出過這么一個功能：

在文檔當(dāng)中，機(jī)器學(xué)習(xí)模型會在后臺運(yùn)行，從文檔和聊天記錄當(dāng)中提取文本，提煉出關(guān)鍵內(nèi)容，然后自動生成一份總結(jié)：

以下面這份團(tuán)隊出游計劃為例：AI 可以提取出組織者、成員、每一位成員的登記狀態(tài)和提問，以及相關(guān)參考資料等重要信息，放在文檔的開頭，讓文檔的參與者可以一目了然。

而在這屆 I/O 大會上，谷歌宣布把這個 TLDR 功能遷移到整個企業(yè)套件 Google Workspace 的更多功能里，比如 Space 和 Google Chat。

（Space 是谷歌企業(yè)服務(wù)的團(tuán)隊溝通產(chǎn)品，和 Slack 對標(biāo)。）

畢竟我們可能都有特別喜歡在聊天的時候一句話只發(fā)幾個字，還不停的發(fā)的同事或朋友——有了這個功能之后，我們也許就可以直接屏蔽ta的消息通知，然后隔段時間看一下總結(jié)就行了。

在這個 TLDR 功能的背后，實際上是谷歌在自然語言理解和處理方面的一次“大躍進(jìn)”式的突破。

在過去，類似的文本總結(jié)功能通常需要神經(jīng)網(wǎng)絡(luò)模型同時具有長文本段落理解、信息壓縮和語言生成方面的能力，對于以往的模型來說是不可能的。

隨著谷歌近幾年在超大規(guī)模語言模型和多模態(tài)機(jī)器學(xué)習(xí)方面的進(jìn)步，這一看起來非常簡單，正常人可以輕松具備的能力，才終于被機(jī)器獲得。

| 用計算的力量，讓知識無遠(yuǎn)弗屆

去年，谷歌推出了 LaMDA (Language Model for Dialog Applications)，一個主要用于對話類應(yīng)用的語言生成模型。我們在去年的 I/O 大會報道中曾經(jīng)詳細(xì)介紹過這個模型。

今年，谷歌在 LaMDA 的基礎(chǔ)上進(jìn)一步開發(fā)，強(qiáng)化了模型的參數(shù)量和能力，并終于推出了 LaMDA 2 模型。已經(jīng)有數(shù)千名谷歌員工在試用這一模型并為 Google AI 的研究開發(fā)團(tuán)隊提供反饋。

在此基礎(chǔ)上，谷歌還推出了一個名為 AI Test Kitchen 的測試環(huán)境。這是一個應(yīng)用，目前仍在小范圍封閉測試中，主要目的是讓一小部分人跟它背后的 LaMDA 2 進(jìn)行對話，提出各種各樣的問題，或者讓它完成各種各樣的任務(wù)。

目前 AI Test Kitchen 已經(jīng)開放了三個 Demo：

1）想象 Imagine it，用戶給出一個地點，讓模型自己想象那里的景色并生成描述：

2）分解步驟/規(guī)劃列表 List it，你可以問它一個復(fù)雜的問題，比如“把大象裝進(jìn)冰箱”，然后看它把完成任務(wù)需要的步驟列出來。

值得一提的是，分解和生成的步驟列表當(dāng)中的每一項，還可以繼續(xù)分解裂變；而且，它不僅能夠生成列表（提煉知識），還能夠在具體步驟上提供額外的詳細(xì)指導(dǎo)（設(shè)定幾種不同的具體情況，并提供不同的建議）。

3）描述 Talk About It，給一個既定的話題，讓他隨便說些什么。

目前，LaMDA 模型技術(shù)還處于早期階段，在實際試用和完成具體任務(wù)的時候會出現(xiàn)一些預(yù)料之中或之外的異常情況，比如在用戶意圖繼續(xù)討論當(dāng)前話題的時候出現(xiàn)跑題，或者分解生成的步驟列表存在錯誤信息等。

目前，谷歌搜索和其它一些重度依賴知識圖譜 (Knowledge Graph) 的產(chǎn)品，已經(jīng)在利用類似的語言生成模型了。通過 AI Test Kitchen，谷歌希望測試者能夠更多地和 LaMDA 進(jìn)行互動，做出評價，給予反饋。

在未來，谷歌的計劃是采用其在最近一年里開發(fā)的超大規(guī)模語言模型集大成者——PaLM（全稱 Pathways Language Model）來完成更加復(fù)雜的語言模型類任務(wù)。

PaLM 和前序超大規(guī)模語言模型最大的不同，就在于它有一個“思路鏈條”(Chain of Thought) 系統(tǒng)，并且能夠在輸出結(jié)果的時候把這個推理邏輯一同體現(xiàn)出來。這和以往被認(rèn)為是黑盒子的神經(jīng)網(wǎng)絡(luò)模型工作方式產(chǎn)生了非常大的不同，不僅在 AI 可解釋性上獲得了長足進(jìn)展，還展現(xiàn)出神經(jīng)網(wǎng)絡(luò)在仿生（人類）的工作機(jī)制上的重要進(jìn)步。

開發(fā)超大規(guī)模語言模型、多模態(tài)神經(jīng)網(wǎng)絡(luò)等目前最先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)，并且將其用于谷歌的核心商業(yè)產(chǎn)品，對于這家公司來說尤為重要。

互聯(lián)網(wǎng)乃至整個人類社會每天都在生成大量的信息，而谷歌需要維持將這些信息高效地轉(zhuǎn)變成成為知識，并且讓這些知識可以被每一位用戶及時、方便地獲取的能力。

雖然今天谷歌仍然是世界的百科全書，但只有維持這種能力，谷歌才能繼續(xù)實現(xiàn)其當(dāng)前商業(yè)地位和人類社會地位的永續(xù)。

| One More Thing: 借助 AR 和翻譯的力量，打破語言的隔閡

這場 I/O 大會也發(fā)布了不少硬件產(chǎn)品，它們并非我們今天主要關(guān)注的對象，你可以通過硅星人的母站品玩的報道來了解這些硬件產(chǎn)品。

不過值得一提的是，還真有一款今天展示的硬件，以它自己獨特的方式，強(qiáng)化了今天谷歌想要傳達(dá)的主題。

主題演講的最后，Pichai 播放了一段視頻，展示了谷歌正在開發(fā)的一款智能眼鏡原型產(chǎn)品。

這支眼鏡，看起來一點都不“智能”。然而，它卻能夠?qū)崟r翻譯面前的人所說的話，并且把翻譯結(jié)果顯示在鏡片上：

更厲害的是，它還能夠翻譯美國手語 (ASL)：

語言是人際溝通最重要的工具。然而，如果對方說的是完全不懂的語言，或者當(dāng)對方是聾啞人的時候，我們之間的溝通就成了一堵難以跨越的高墻。

在高墻面前，谷歌選擇了它最熟悉的方式——用技術(shù)去消弭隔閡，使得難以進(jìn)行的溝通，終于得以成為可能。

曾幾何時，“科技以人為本”作為一家科技公司的標(biāo)語，被傳為佳話。而在今天，谷歌更加具體地幫助我們拆解了“科技以人為本”的概念究竟是什么：

科技的本質(zhì)是知識與計算。而歸根結(jié)底，知識與計算的存在，都應(yīng)該是為了我們更好地理解世界，并被世界所理解。