Kas ir projekts Astra — Google atbilde uz OpenAI GPT-4o

Ikgadējā I/O konferencē Kalifornijā Google sniedza vairākus paziņojumus saistībā ar AI, tostarp jaunus modeļus un esošo jauninājumus. Viens no interesantākajiem paziņojumiem bija Project Astra – multimodāls palīgs, kas darbojas reāllaikā un apvieno Google Lens un Gemini iespējas sniegt jums informāciju no jūsu apkārtnes.

Kā darbojas projekts Astra? Konferencē Google demonstrēja projekta Astra agrīno versiju, kas darbojas kā kameru tērzēšanas robots un var apkopot informāciju no apkārtnes, izmantojot jūsu ierīces kameru. Tā kā tas ir multimodāls AI palīgs, tas var izmantot audio, video un attēlus kā ievades un nodrošināt nepieciešamo izvadi, pamatojoties uz tiem. Tas darbojas ar Gemini 1.5 Pro modeli, kas padara to neticami jaudīgu.

Tērzēšanas robots reāllaikā analizē objektus un apkārtni un var ļoti ātri atbildēt uz jautājumiem, padarot to diezgan līdzīgu cilvēka palīgam vai Tonija Stārka mīļotajam JARVIS. Project Astra darbojas arī ar valkājamām ierīcēm, piemēram, viedajām brillēm, kas nozīmē, ka AI tērzēšanas robotu var integrēt dažādās ierīcēs.

Projekts Astra var labāk izprast kontekstu, kurā tas tiek izmantots, ātrāk apstrādāt informāciju un saglabāt to ātrākai atsaukšanai. Tā runas iespējas ir arī daudz uzlabotas, salīdzinot ar iepriekšējiem Gemini modeļiem, tāpēc tas izklausās dabiskāk un cilvēciskāk.

Ko var darīt projekts Astra? Īsajā demonstrācijā, ko demonstrēja Google, šķiet, ka Project Astra var palīdzēt paveikt daudz. Tas var novērot un saprast objektus un vietas, izmantojot kameras objektīvu un mikrofonu, un sniegt jums informāciju par tiem. Piemēram, varat vienkārši pavērst tālruni pret koda daļu un apspriest to ar tērzēšanas robotu vai lūgt tam identificēt objektu un tā lietojumu.

Tāpat, pateicoties atrašanās vietas apzināšanās iespējām, Project Astra var sniegt informāciju par jūsu atrašanās vietu, vienkārši apskatot jūsu apkārtni. Tā var arī saglabāt tai parādīto informāciju, kas var būt ļoti noderīga, ja vēlaties atrast nepareizi novietotus priekšmetus, kā parādīts demonstrācijā, kad tas palīdzēja lietotājam atrast brilles.

Varat arī lūgt AI palīgam radošas idejas, tāpat kā Gemini tālrunī. Piemēram, varat lūgt tai izdomāt dziesmas vārdus, mūzikas grupas nosaukumu vai jebko citu. Būtībā Project Astra mērķis ir būt universālam AI palīgam, kas var sniegt jums informāciju reāllaikā ļoti sarunvalodas veidā.

Grupas nosaukuma ģenerēšana, izmantojot projektu Astra. Avots: Google I/O Keynote

Kad Project Astra būs pieejams? Pagaidām Google nav sniegusi paziņojumus par Project Astra pieejamību. Demonstrācijā parādītā versija ir agrīns prototips, taču Google norādīja, ka šīs iespējas vēlāk varētu tikt integrētas esošajā Gemini lietotnē.

Izmantojot projektu Astra, Google cenšas vadīt AI palīgu attīstību, lai tie kļūtu vēl noderīgāki un vieglāk lietojami. Tomēr Google nav vienīgais, kas cenšas sasniegt šo mērķi. OpenAI arī nesen paziņoja par GPT-4o, padarot savu ChatGPT multimodālu, uzlabojot tā iespējas un efektivitāti. ChatGPT jaunais balss režīms (drīzumā tiks izlaists), mijiedarbojoties ar lietotājiem, var izmantot arī video ievadi no ierīces kameras.

Šobrīd atšķirība starp abiem ir tāda, ka GPT-4o drīzumā būs pieejams visās ierīcēs, kurās darbojas ChatGPT, savukārt Project Astra ir paredzēts kā Gemini Live kādreiz nākotnē, lai gan pašlaik nav izlaišanas datuma. Tā kā GPT-4o darbinātais ChatGPT bija pieejams agrāk, atliek noskaidrot, vai Google projekts Astra būs pietiekami labs, lai konkurētu ar populārāko OpenAI tērzēšanas robotu.