當(dāng)?shù)貢r(shí)間5月20日，谷歌在I/O 2025大會上發(fā)布一系列人工智能新進(jìn)展，更新了谷歌圖像和視頻生成模型，為搜索和Gmail增加新的AI功能，推出了配備攝像頭和揚(yáng)聲器的安卓XR眼鏡，最新模型Gemini 2.5 Pro則擁有Deep Think增強(qiáng)推理模式。

谷歌在其搜索引擎中引入一項(xiàng)名為AI Mode的新功能，它類似于聊天機(jī)器人，允許用戶使用Gemini人工智能聊天機(jī)器人進(jìn)行網(wǎng)絡(luò)搜索。從本周開始，該功能將向美國所有用戶推出。谷歌將在今年夏天測試AI Mode的新功能，比如深度搜索、為 金融 和體育查詢生成圖表，并在“未來幾個(gè)月”推出在AI Mode下的購物功能。

谷歌DeepMind首席執(zhí)行官戴米斯·哈薩比斯（Demis Hassabis）表示，谷歌希望保留傳統(tǒng)的搜索方式，同時(shí)通過其人工智能摘要（ AI summaries）、人工智能模式聊天機(jī)器人（AI Mode chatbot）和Gemini助手，為搜索帶來新的人工智能能力。

哈薩比斯展示了谷歌最新的模型Gemini 2.5 Pro。他表示，實(shí)驗(yàn)室一直在繼續(xù)努力把Gemini變成一個(gè)可識別和解決現(xiàn)實(shí)世界問題的虛擬助手。

憑借其百萬token的上下文窗口，Gemini 2.5 Pro擁有長上下文和視頻理解性能。Deep Think是一種用于高度復(fù)雜的數(shù)學(xué)和編程的實(shí)驗(yàn)性增強(qiáng)推理模式，Gemini 2.5 Pro將通過Deep Think進(jìn)一步升級。Gemini 2.5 Pro的Deep Think在數(shù)學(xué)基準(zhǔn)2025 USAMO上取得49.4%的成績，在競賽級編程的難度基準(zhǔn)LiveCodeBench中處于領(lǐng)先地位，獲得80.4%的成績，并在測試多模態(tài)推理的MMMU上取得了84.0%的分?jǐn)?shù)。

Gemini 2.5 Pro的Deep Think性能表現(xiàn)。

“我們正努力拓展我們最強(qiáng)的多模態(tài)基礎(chǔ)模型Gemini 2.5 Pro，使其成為一個(gè)能夠通過理解和模擬世界的各個(gè)方面來制定計(jì)劃和構(gòu)想新體驗(yàn)的世界模型，就像大腦一樣。”哈薩比斯表示。

Gemini系統(tǒng)是谷歌Gmail中個(gè)性化智能回復(fù)功能的支柱。在用戶允許的情況下，系統(tǒng)會從用戶過去的郵件中提取信息，查看用戶的寫作方式，并根據(jù)用戶的語氣和風(fēng)格自動給出回復(fù)建議。谷歌還將Gemini引入谷歌搜索的購物體驗(yàn)中。用戶可以要求系統(tǒng)顯示與灰色沙發(fā)相匹配的地毯并優(yōu)化結(jié)果，顯示易于清潔的地毯。智能體可以讓人們設(shè)定可接受的最高價(jià)格，并在商品開始銷售時(shí)自動購買。

谷歌同時(shí)推出人工智能視頻生成器Veo3，可創(chuàng)建和整合音頻，包括人物之間的對話以及動物的聲音。Veo2則帶有相機(jī)控制和物體移除等工具。新推出的圖像生成工具Imagen 4可根據(jù)用戶提示生成更高質(zhì)量圖像。新的電影制作工具Flow可以根據(jù)用戶描述的地點(diǎn)、鏡頭和風(fēng)格偏好來創(chuàng)建電影視頻。Flow使用Veo、Imagen和Gemini，根據(jù)文本或圖像創(chuàng)建8秒人工智能生成視頻，還配備了場景構(gòu)建工具，可將剪輯拼接，創(chuàng)建更長的人工智能視頻。

谷歌希望將其人工智能產(chǎn)品用到硬件中，推出了配備攝像頭和揚(yáng)聲器的安卓XR眼鏡，可以顯示文本和拍照，用戶可以用Gemini虛擬助手識別和評論人物和地點(diǎn)。不過，該XR眼鏡仍是原型。

“在過去十年中，我們?yōu)楝F(xiàn)代AI時(shí)代奠定了許多基礎(chǔ)，從率先提出所有大型語言模型賴以構(gòu)建的 Transformer架構(gòu)，到開發(fā)AlphaGo和AlphaZero等可以學(xué)習(xí)和規(guī)劃的智能體系統(tǒng)。”哈薩比斯表示谷歌將繼續(xù)在基礎(chǔ)研究的廣度和深度上加倍投入，致力于發(fā)明實(shí)現(xiàn)通用人工智能所必需的下一個(gè)重大突破。

【來源：澎湃新聞】