谷歌推出Project Astra：一款旨在理解全球動態並與GPT-4競爭的人工智慧代理。

Home AI新聞谷歌推出Project Astra：一款旨在理解全球動態並與GPT-4競爭的人工智慧代理。

今天，Google在位於山景城的年度I/O開發者大會上，推出了多項與人工智慧相關的公告，其中包括雄心勃勃的Project Astra計畫，旨在為未來開發一個通用的AI代理人。大會上展示了該代理人的初始版本。其目標是創造一個多模態AI助手，能夠感知並理解其環境，實時回應以協助處理日常任務與問題。這一理念與OpenAI最近推出的基於GPT-4o的ChatGPT密切相關。

當OpenAI在接下來的幾週內準備為ChatGPT Plus訂閱者推出GPT-4o時，Google則對Astra採取了更加謹慎的策略。雖然Google仍在不斷完善此計畫，但尚未公布完全運作的AI代理人何時將會推出。不過，Astra計畫的一些功能預計將在今年稍晚整合入Gemini助手中。

Project Astra的期待

Project Astra（先進的感知與對話反應代理）建立在Gemini Pro 1.5以及其他專業模型的進展之上。該助手能夠在用戶與周圍環境交互時，理解其細微的動態。設計上，助手能夠理解所見所聞，並實時提供準確的答案。Google DeepMind的CEO Demis Hassabis表示：「要真正發揮作用，代理人需要像人類一樣理解並回應複雜而動態的世界。它必須吸收並記住所見所聞，以洞察上下文並採取行動。此外，它應該具有主動性、可教性和個人化，促成自然的對話，無需延遲。」

在一段演示視頻中，一個基於Pixel手機運行的Project Astra原型代理人能夠識別物體，描述其組成部分，並解讀白板上的代碼。該代理人甚至通過攝像頭識別附近環境，並記得用戶放置眼鏡的位置。

Google Project Astra的應用

第二個演示突出了類似的功能，例如代理人提出系統架構的改進建議，並通過眼鏡實時顯示增強效果。Hassabis承認，實現類人反應時間的重大工程挑戰。這些代理人不斷編碼視頻幀，將視頻和語音輸入合併成時間軸，以便高效回憶。

「透過我們先進的語音模型，我們改善了代理人的語音能力，讓其能表現更豐富的語調範圍。這一提升使代理人更能理解其上下文，快速做出回應。」他補充道。與此相比，OpenAI的GPT-4o則在統一模型中處理所有輸入和輸出，實現平均320毫秒的回應時間。Google尚未披露Astra的具體回應時間，但隨著開發的持續進展，延遲預計會有所改善。Project Astra代理人的情感範圍與OpenAI的能力相比尚不明朗。

可用性

目前，Astra代表了Google在設計協助日常工作（無論是個人還是專業）方面的初步努力，並保持對上下文的認知與記憶。該公司尚未具體說明這一願景何時會實現為具體產品，但已確認將把理解和互動真實世界的能力整合入Gemini應用程序，涵蓋Android、iOS和網頁平台。

Gemini Live功能將最初使用戶能與聊天機器人進行雙向對話。今年稍後，預計將更新視覺能力，允許用戶通過攝像頭與周圍環境互動。值得注意的是，用戶還能在對話中打斷Gemini，這一功能類似於OpenAI的ChatGPT。

Hassabis總結道：「有了這樣的技術，未來人們可以想象擁有一位專家AI助手伴隨在側，無論是通過智能手機還是眼鏡。」

OpenAI共同創始人兼首席科學家伊利亞·蘇茲克維爾宣布將離開公司

注意力外包如何在大規模下降低大型語言模型推理成本