谷歌ai未来发展趋势（谷歌AI大会纪要）

【谷歌搜索业务负责人 普拉巴卡尔·拉加万】

巴黎是我们最重要的人工智能研究中心之一，我们在这里讨论下一个信息的前沿领域——人工智能结合产品如何为未来提供动力。

谷歌的目标是改善尽可能多的人的生活，这是我们所有产品的单一重点。

谷歌搜索推出已有25年，它建立在语言理解的突破上，所以能够接受复杂的对话查询，比如我们搜索好吃的心形法式薄片糕点，谷歌就会帮助我们准确识别正在寻找的东西。

但我们并没有停止在搜索的改进， 我们在人工智能方面持续投资，现在谷歌搜索可以理解多种形式的信息，从语言到图像和视频，甚至是现实世界。通过这种更深入的理解，我们正在超越传统的搜索概念，帮助人们以新的方式理解信息。

现在如果人们简单地用镜头拍一张照片，通过谷歌搜索，它们可以立即了解人们遇到的困难并迅速贡献解决方案。

例如：如果人们正在购买一个新的沙发椅，人们可以从搜索中看到它，并利用AR把该沙发椅放在自家的客厅查看外观和效果；如果人们在一个陌生城市的地铁，可以在谷歌地图上找到该现实世界，并有箭头指出正确的方向。

早期的搜索与现在的例子展示相差甚远，正如我们常说的，搜索永远不会是个已解决的问题，因为有两件事在不断变化：人们的期望和科技的进步。

接下来将分为三个方面分别介绍：

• 理解信息（Multisearch）
• 探索真实世界（Google map）
• 释放创造力（Google art & Culture）

我们一次又一次地看到，获取信息使得人们越来越有力量。

但几个世纪以来，信息在很大程度上被限制在其创建或使用的语言中，并且只有理解这种语言的人才能获得。通过电子翻译，我们可以打破语言障碍，解锁信息。

今天，谷歌翻译可以跨越133种语言以了解对话、信息、现实世界。

我们最近在翻译离线模式中增加了33种新语言，包括科西嘉语、拉丁语和依地语（仅举几例）。因此，即使人们在没有互联网的地方，也能得到所需要的翻译帮助。

很快我们也会用更直观的方式来翻译有多种含义的单词，无论人们是想买一本新的小说还是任何一个新的想法，都会结合所处的背景来做出符合需要的翻译。

但我们还可以做得更多，为了弥合语言鸿沟并把翻译的力量带到更多的语言，我们使用了zero-shot机器翻译和先进的AI技术，它能把从未在NMT系统中训练过的语言对进行翻译，zero-shot机器翻译让我们在过去一年增加了20 种新语言翻译，总共有超过3亿人使用这些语言。

另一个重要的方式是我们对信息的视觉意义。早在2017年，我们通过引入镜头重新定义了搜索的含义，人们可以搜索用照片拍到的东西，后来我们把相机选项直接带到搜索栏，之后我们也不断带来新的能力。

现在我很高兴地宣布，我们刚刚达到一个重要的新里程碑。人们现在每月使用镜头超过100亿次，这预示着视觉搜索已经从一个新奇的东西走向现实。 正如我们预测的那样，视觉搜索的时代已经到来。在翻译的背景下，理解不仅仅局限于我们使用的语言，也包含我们看到的视觉效果。

这一功能现在已经在安卓手机上全面展开，人们可以使用镜头开始将文本翻译成上下文。我们希望通过镜头将人们与世界上的信息联系起来，我们继续在这些基础能力上不断发展。

【理解信息（Multisearch）】

现在人们已经可以使用镜头从相机或照片中搜索。但谷歌正在引入一个重要的更新，以帮助人们搜索手机屏幕上的东西。在未来几个月，人们将能够跨越网站和应用程序，来使用镜头搜索在照片或视频中看到的东西。

例如，假设一位用户从朋友那里收到一条信息，里面是朋友所发送的一段探索巴黎的视频，该用户想了解视频中看到的地标是什么，就可以长按手机上的电源按钮，调出谷歌助手并点击搜索屏幕，助手将用户连接到镜头，发现镜头已将地标识别为卢森堡宫，同时下方有链接，用户点击即可了解更多信息。

正如刚刚所谈到的，沟通的方式有时是文字和图像的组合。这就是为什么去年我们推出了多重搜索和镜头。通过多重搜索，人们可用图片和文字一起搜索，打开全新的方式来表达自己。

假设用户看到一把时尚的椅子，同时想要一个更柔和的颜色来匹配风格，这时就可以使用多重搜索来将它和用户所需的颜色匹配在一起，或者是发现一件花卉图案的衬衫，但想用其他图案来代替，也可以使用多重搜索。

这种独特的能力使我们能够混合图像和文本等模式，它开辟了整个世界的可能性，可以想象到未来会有更多模式被应用。

多重搜索现在正式在全球移动设备上线，这意味着现在可以使用70多种语言进行多重搜索，这些语言将我们引领到世界各地。

在美国，我们可以拍摄食物、菜肴或物品的照片或截图，然后通过“我的附近”这一多重搜索从谷歌上的数百万商家中找到附近的地方，在接下来的几个月里，我们将把 "我的附近 "也带到所有可以使用镜头的语言和国家。

到目前为止，我们已经谈到了人工智能如何帮助人们更深入地了解世界的信息。我们长期以来一直是这个领域的先驱，在我们的研究和产品中都是如此。

我们为科学界做出了重大贡献，如开发transformer，这为我们今天看到的许多生成性人工智能奠定了基础。我们将继续以负责任的态度将这些技术带给世界，使每个人受益。

在2021年的对话市场上，我们公布了LaMDA人工智能模型，这是对话技术的一个突破。接下来我们将把LaMDA带到一个实验性的对话人工智能服务中，我们称之为Bard。人们将能够与Bard互动，探索复杂的话题，实时合作，并获得创造性的新想法。

假设人们在市场上购买一辆适合家庭的新车，Bard可以帮助从预算、安全等不同角度来考虑，并进行简化和合理化。

Bard将世界知识的广度与大型语言模型的力量、智慧和创造力结合起来。它将信息引向网络，以提供新鲜、高质量的回应。当发布Bard时，最初是用LaMDA的轻量级模型版本，这个小得多的模型需要的计算能力明显减少，这意味着能够将其扩展到更多用户并获得更多反馈。 我们刚刚采取了下一个重大步骤，本周向受信任的测试者开放了Bard，我们会基于内部和外部测试的反馈，以确保它符合我们对质量、安全和接地气的高标准，这之后再全面推出。

更广泛地说，人类的好奇心是无止境的，多年来，我们一直在帮助消除获取信息的路障，这样人们就可以跟随好奇心了解任何主题。

人们经常使用谷歌以获得快速、事实性的答案。比如什么是宪法？今天我们已经为像这样的直接询问提供了快速的答案，但许多问题是没有正确的答案的，比如在观星时要寻找的最佳星座是什么？对于像这样的问题，人们可能想探索不同的意见或观点，这就是为什么我们引入了生成性人工智能。

如果人们问，观星时最好的星座是什么？新的生成性人工智能功能将帮助我们在搜索结果中直接组织复杂的信息和多种观点，从而人们就能迅速了解大局，从不同的角度继续探索。

生成式人工智能的潜力远远超出了语言和文本。正如我们前面提到的，人们参与信息的最自然的方式之一是视觉上的。有了生成式人工智能，我们已经可以从少量的静态照片中自动完成360度展示，这在以前是需要商家使用数百张产品照片的，而且技术成本很高。

当我们展望未来时，可以想象生成性人工智能如何使人们以全新的方式与视觉信息互动。它可能会帮助当地的面包师合作设计蛋糕，或者玩具制造商组队进行新的创作，也可能会帮助某人设想他们的厨房是什么样子，或者描述并找到完美匹配的新西装外套。

当我们继续将生成性人工智能技术引入我们的产品时，搜索的唯一限制只会是人们的想象力。

下个月，我们将开始接纳开发者、创作者和企业，这样他们就可以尝试生成式语言API。

Google的AI原则：

【探索新世界（Google map）】

18年来，谷歌地图改变了人们认识世界的方式，它是超过10亿人的宝贵工具，帮助他们在上班路上避免交通堵塞，在新的城市寻找餐馆以及更多。

在谷歌地图之前，获取方向意味着将它们打印在一张纸上。但谷歌地图重新想象了地图可以是什么，将实时交通和有关地方的有用信息直接带到用户的手机上。

现在，我们正在再次改变谷歌地图，将我们的2D地图发展成现实世界的多维视图。沉浸式视图是一种全新的探索方式，更加自然和直观。它使用人工智能来融合数十亿的街景和航空图像，创建一个丰富的世界数字模型，让用户在踏入一个地方之前得到真实的体验。

比如我们来看看阿姆斯特丹的莱克斯博物馆，如果用户考虑参观它，可以在建筑上空虚拟翱翔，找到入口并了解该地区的情况。通过时间滑块，用户可以看到它在一天中不同时间的样子以及参观时的天气情况。为了帮助用户避开人群，地图能指出繁忙地区。因此用户通过谷歌地图获得了所有信息，可以顺利地决定去哪。如果饿了，用户可以探索附近不同的餐馆。甚至可以在街上滑行来窥视餐厅内部，并在预订之前了解它的氛围。

这种令人惊叹的逼真的室内视图是由神经辐射场提供的。这是一种先进的人工智能技术，它使用2D图像生成高度精确的3D表示，再现了一个地方的整体环境，包括滑动材料的纹理和背景中的东西。你也可以看到一家餐厅的灯光是否适合约会之夜，或者一家咖啡馆的室外景观是否适合与朋友一起吃午餐。

沉浸式视图代表了一种与地图互动的全新方式，使用今天谷歌地图中的所有详细信息，并以更直观的方式进行可视化。沉浸式视图今天开始在伦敦、洛杉矶、纽约、旧金山等几个城市推出带有实时视图的搜索。在未来几个月，我们将把它扩展到更多的地方，如巴塞罗那、都柏林和马德里。

现场视频连线进行谷歌地图的沉浸式视图展示：

将人工智能与AR配对，正在改变人们与世界的互动方式。增强现实技术在室内导航棘手的地方是非常有帮助的，如机场、火车站和购物中心等地。我们在选定的城市推出了室内实时视图，使用AR箭头来帮助用户找到最近的电梯、行李提取和美食广场等。

在未来几个月内，我们将把它带到1000个新的场所和城市，如柏林、伦敦、纽约、东京和巴黎。

谷歌地图能帮助用户做出最稳妥且简便的选择。

我们最近在欧洲推出了生态友好路线，以帮助用户选择最省油、最节能的路线到达目的地。同时也推出了谷歌内置的电动车新地图功能，以确保电车车主有足够的电量。

在许多地方，人们在谷歌地图上选择更多可持续的选择，如步行、骑自行车或乘坐交通工具。我们正在通过新的可扫视方向使出行变得更加简单。例如，当用户步行时，可以从路线概览中跟踪旅程，这让用户轻松地获得最新的ETA，并告诉他们在哪里做下一个转弯，这些信息以前只有通过使用我们的综合导航模式才能获得。但在未来几个月里，导航开始在安卓和iOS上全球推广。

在保护环境方面产生全球影响需要大家一起努力，包括城市、人民和企业。所以我们多年来一直与城市合作，通过google的环境洞察工具（简称EIE）这一免费平台提供关键见解，旨在帮助城市衡量排放。

都柏林市议会一直在使用EIE来分析整个城市的自行车使用情况并实施智能交通政策。而在哥本哈根，我们正在使用街景车来测量超标准空气质量的地点，有了这些数据，该市正在设计低排放区，并探索如何将学校和操场建在远离高污染地区的地方。

这些只是AI帮助我们重新想象谷歌地图未来的几种方式，它对世界各地的人们和城市来说都更有沉浸感和可持续性。

【释放创造力（Google art & culture）】

在过去的十年里，我们在谷歌艺术和文化的日常工作中也在寻找新的途径，特别是在技术和文化的交叉点。

我们在超过5年的时间里，一直努力在巴黎的谷歌艺术和文化实验室将AI应用于文化追求。因此今天想展示AI在创意和文化专家手中可以实现什么。

第一个例子是blob opera，blob opera是用4位专业的歌剧歌手的声音训练的神经网络，基本上是在教AI算法如何唱歌和协调，所以它们能发出好歌剧的声音，基调、男高音、美声、女高音和女高音。如果用户想学习但并不熟悉歌剧演唱，这个与艺术家大卫-李合作创造的实验就是为他们所准备的。

Al还可以用于保护非物质文化遗产，Google Woolaroo是一个适用于濒危语言的Translate-App，在手机浏览器中打开woolaroo后，使用Google Translate和Cloud Vision创建的工具使用机器学习和图像识别，将物体的照片转换成本地人的语言。

AI还能为文化机构服务，以及发现已经丢失或被忽视的东西。

站在科学前沿的女性往往没有得到适当的承认，我们与史密森尼美国妇女历史倡议的研究人员合作，开发实验性AI驱动的研究。首先，它通过连接不同的节点，比较档案记录跨越历史，然后根据女性科学家的名字的变化来识别她们（因为有时她们不得不在公开场合使用丈夫的名字），接下来，它能够很快地分析图像参考，恢复女性贡献者。初步结果是非常有希望的，我们已经迫不及待地应用这项技术来发掘更多的成就。

保护网上的文化遗产是我们的核心。我们已经能够为许多艺术作品探索提供帮助。在高分辨率下，当用户点击它时将能够放大笔触水平，看到作品的所有丰富细节。

在未来几周，我们将把可用的语言数量增加三倍，包括法语和西班牙语。

谷歌搜索中的3D和AR模型真正释放了人们的好奇心，仅在过去的一年，我们已经看到了8倍的增长。

普拉巴卡尔总结：今天我们展示了如何应用最先进的AI技术来使google的信息产品对人们更有帮助。我们希望当人们下次寻求信息时，不会被语言所限制，也不会被单一的搜索方式所限制。虽然google在搜索领域有25年的经验，但我们的故事才刚刚开始。我们将改变人们搜索、工作和娱乐的方式，重新创造搜索的意义。

,