Puncte Cheie
Google prezintă Project Astra
În 2018, Google a impresionat și îngrijorat în același timp cu prezentarea tehnologiei sale de asistent vocal Duplex la conferința de dezvoltatori.
Astăzi, la I/O 2024, compania pare să provoace aceleași reacții, de data aceasta prin demonstrarea unei alte aplicații a inteligenței sale artificiale, numită Project Astra.
Google a postat un videoclip pe rețelele sociale pentru a face publicitate Project Astra înainte de prezentarea principală de astăzi.
În cadrul discursului său de astăzi, CEO-ul DeepMind al Google, Demis Hassabis, a declarat că echipa sa „și-a dorit întotdeauna să dezvolte agenți AI universali care să fie utili în viața de zi cu zi”.
Project Astra este rezultatul progresului în această direcție.
Ce este Project Astra?
Conform unui videoclip pe care Google l-a prezentat în timpul unei sesiuni de informare media de ieri, Project Astra pare a fi o aplicație care are un vizor ca interfață principală.
În videoclip, o persoană care ținea un telefon își îndrepta camera către diferite părți ale unui birou și spunea verbal „Spune-mi când vezi ceva care face zgomot”.
Când un difuzor de lângă un monitor a intrat în vizor, Gemini a răspuns „Văd un difuzor, care face zgomot”.
Persoana din spatele telefonului s-a oprit și a trasat o săgeată pe ecran către cercul de sus al difuzorului și a întrebat: „Cum se numește acea parte a difuzorului?”
Gemini a răspuns prompt „Acesta este tweeterul. Produce sunete de înaltă frecvență”.
În videoclipul pe care Google a declarat că a fost înregistrat într-o singură luare, testatorul s-a mutat la un pahar cu creioane mai jos pe masă și a cerut „Dă-mi o aliterație creativă despre acestea”, la care Gemini a răspuns „Creioanele creative colorează vesel. Cu siguranță creează creații colorate”.
Google Glass se întoarce?
Restul videoclipului arată Gemini în Project Astra identificând și explicând părți de cod pe un monitor, spunându-i utilizatorului în ce cartier se află pe baza vederii din fereastră.
Cel mai impresionant, Astra a reușit să răspundă la întrebarea „Ți-ai amintit unde ai văzut ochelarii mei?” chiar dacă ochelarii respectivi erau complet în afara cadrului și nu fuseseră indicați anterior.
„Da, îmi amintesc”, a spus Gemini, adăugând „Ochelarii tăi erau pe un birou lângă un măr roșu”.
După ce Astra a localizat ochelarii, testatorul i-a pus și videoclipul s-a mutat la perspectiva a ceea ce ați vedea pe dispozitivul purtat.
Folosind o cameră încorporată, ochelarii au scanat împrejurimile purtătorului pentru a vedea lucruri precum un diagramă pe o tablă albă.
Persoana din videoclip a întrebat apoi „Ce pot adăuga aici pentru a face acest sistem mai rapid?”
Pe măsură ce vorbeau, o formă de undă pe ecran se mișca pentru a indica că ascultă, iar pe măsură ce răspundea, apăreau subtitrări text în tandem.
Astra a spus „Adăugarea unui cache între server și baza de date ar putea îmbunătăți viteza”.
Testatorul s-a uitat apoi la o pereche de pisici desenate pe tablă și a întrebat „La ce te face să te gândești asta?”
Astra a spus „Pisica lui Schrodinger”.
În final, au luat o jucărie de pluș în formă de tigru, au pus-o lângă un adorabil golden retriever și au cerut „un nume de trupă pentru acest duo”.
Astra a răspuns prompt „Dungi aurii”.
Cum funcționează Project Astra?
Asta înseamnă că Astra nu doar că procesa date vizuale în timp real, dar își amintea și ce vedea și lucra cu un stoc impresionant de informații stocate.
Acest lucru a fost realizat, potrivit lui Hassabis, deoarece acești „agenți” au fost „proiectați pentru a procesa informațiile mai rapid prin codificarea continuă a cadrelor video, combinând intrarea video și vocală într-o cronologie a evenimentelor și stocând aceste informații pentru o reamintire eficientă”.
A fost de asemenea demn de remarcat faptul că, cel puțin în videoclip, Astra răspundea rapid.
Hassabis a menționat într-o postare pe blog că „Deși am făcut progrese incredibile în dezvoltarea de sisteme AI care pot înțelege informații multimodale, reducerea timpului de răspuns la ceva conversațional este o provocare de inginerie dificilă”.
Google a lucrat și la oferirea AI-ului său de un spectru mai larg de exprimare vocală, folosindu-și modelele de vorbire pentru a „îmbunătăți modul în care sună, oferind agenților o gamă mai largă de intonații”.
Acest tip de imitare a expresivității umane în răspunsuri amintește de pauzele și exclamațiile Duplex care au făcut ca oamenii să creadă că AI-ul Google ar putea fi un candidat pentru testul Turing.
Când va fi disponibil Project Astra?
Deși Astra rămâne o caracteristică timpurie fără planuri discernabile de lansare, Hassabis a scris că în viitor, acești asistenți ar putea fi disponibili „prin intermediul telefonului sau al ochelarilor”.
Nu există încă informații despre dacă acei ochelari sunt de fapt un produs sau succesorul Google Glass, dar Hassabis a scris că „unele dintre aceste capacități vin la produsele Google, cum ar fi aplicația Gemini, mai târziu anul acesta”.
