文|智東西 ZeR0
編輯|漠影
智東西11月3日報道，昨晚，谷歌舉辦人工智能（AI）年度活動，并公布多項AI研究進展，包括用AI生成具有難以置信的真實性的視頻、文字、圖像、音頻，以及用AI預防洪水、野火等自然災害，解決社會面臨的重大挑戰。
同時，谷歌宣布推出“一千種語言計劃”，其語言模型將支持全球1000種最常用語言的模型，讓更多語種受益于AI。
01.AI準確理解文字描述，生成超分辨率視頻
生成式AI已經成為高效生成文本、代碼、音頻、圖像和視頻的強大工具。
今夏早些時候，谷歌介紹了兩種AI生成圖像模型Imagen和Parti，它們都能從文本提示生成圖像。隨后谷歌又公布兩種互補的研究方法Phenaki和Imagen Video，能根據文本生成短視頻。
其中，Phenaki可以隨著文本描述（prompts）的時間變化，生成長達數分鐘的連貫視頻；Imagen Video是應用于視頻序列的擴散模型，在文本理解方面建立在大型Transformer語言模型之上，在高保真圖像生成方面依賴于擴散模型，因此兼具高逼真度和極強的語言理解能力。
谷歌Imagen Video和Phenaki團隊一直在合作制作AI生成的超級分辨率視頻，將Imagen Video和Phenaki模型結合起來時，能得到兩全其美的結果：在幀級的超級分辨率和時間上的一致性。
02.寫小說、3D合成、音頻生成，AI樣樣在行
除了從文本生成視頻外，谷歌也分享了其用于協作的可控文本生成項目LaMDA Wordcraft，可幫助產生一些新的想法或重寫句子，來為作家提供協作靈感。
為了測試LaMDA Wordcraft的能力，谷歌與專業作家合作組成研討會，讓他們使用探索寫作的文本生成項目Wordcraft編輯器來創作一卷短篇小說，來試驗AI文本生成的能力。
在從文本到3D合成方面，谷歌研發了一個預訓練的2D文本到圖像的擴散模型DreamFusion。給定一個描述生成，DreamFusion就能生成具有高保真外觀、深度和法線且能夠在不同光照條件下進行渲染的3D模型。
在音頻生成方面，谷歌有一個全新的音頻生成框架AudioLM。這是一個純音頻模型，在沒有任何文字或音樂符號表示的情況下進行訓練，可以只根據簡短的音頻樣本學習生成逼真的、高質量的語音和音樂。
谷歌還宣布推出第二代AI Test Kitchen，為人們提供一個了解、體驗和反饋其新興生成性AI技術的途徑。第二代AI Test Kitchen將通過兩個演示來進一步展示從文本到圖像的生成。
第一個演示是“城市夢想家”（City Dreamer），它使用谷歌對話引擎LaMDA和谷歌的圖像模型組合，使用戶能快速構建個性化的城市景觀；第二個演示叫“Wobble”，使用谷歌的圖像模型LaMDA和谷歌最新的2D-3D休閑動畫技術，可以創造能移動、跳舞的友好怪物。
這些體驗將在AI Test Kitchen中陸續登陸，用戶可從Play Store或App Store獲得該應用，并開始使用LaMDA。
03.推出“一千種語言計劃”讓AI助攻全球語言
語言是人們互相交流和理解周圍世界的核心介質。2017年，谷歌開發了Transformer語言模型，它被視作所有現代語言模型的“鼻祖”，此后谷歌一直專注于具有突破性的語言模型研究，諸如谷歌翻譯等應用已經支持幾百種語言，谷歌還宣布新增對24種語言的支持。
但這些仍然遠遠不夠。世界上有超過7000種語言，而目前互聯網只能很好地支持其中一小部分。
為了向全球更廣泛的地區提供基于AI的語言技術，谷歌推出“一千種語言計劃”，以支持全球1000種最常用語言的模型。谷歌將這比作“登月行動”，希望以此為世界各地邊緣化群體的數十億人帶去更大的包容性。
這個計劃覆蓋了谷歌長期在多模態、與更多語言群體合作等方面的努力。當前谷歌在研究更先進的模型，能直接處理基于語言的信息，跨越圖像、視頻和語音等多種模態。
例如，谷歌已經開發了一個通用語言模型（Universal Speech Model），它支持400多種語言，是迄今覆蓋語種最多的語言模型。
谷歌正與世界各地的語言群體合作，以獲得語言數據，最近宣布在Gboard上支持另外9種非洲語言的語音輸入，并在南亞積極收集所有方言和語言的代表性音頻樣本。
與此同時，谷歌計劃在YouTube、GBoard、Translate等產品中改進語言支持，方便人們基于不同語種使用這些技術，并找到相關內容。
04.AI預警洪水，能精確大約100米的范圍
洪水每年在世界各地奪走數以萬計的生命，造成數十億美元的損失。而可靠的早期預警系統已被證明可減少43%的死亡、35-50%的經濟損失。
谷歌早在2017年就啟動洪水預測項目，通過引入AI技術，為人們提供準確而詳細的警報，以抵御每年洪水帶來的災難性損失。谷歌洪水預測系統能告訴人們哪些地區將受到影響，以及每個點位的水深是多少，可精確到大約100米的范圍，即大概精確到一個村莊或一個社區。
人們能直接在谷歌地圖（Google Maps）上看到這些信息，及時做出響應。
此前該系統主要用在印度和孟加拉國。去年，谷歌向印度和孟加拉國的2300萬人發送了1.15億條有關洪水的通知，并引導他們關注Google Search和Maps上的洪水預警。在谷歌的支持下，耶魯大學經濟增長研究中心進行的初步研究表明，其通知使收到洪水預警的人數增加了2倍，采取保護行動的人數也增加了3倍。
借助遷移學習AI技術，谷歌宣布該系統將擴展到18個新的國家，包括巴西、哥倫比亞、斯里蘭卡、布基納法索、喀麥隆、乍得、剛果民主共和國、象牙海岸、加納、幾內亞、馬拉維、尼日利亞、塞拉利昂、安哥拉、南蘇丹、納米比亞、利比里亞、南非等。
此外，谷歌還在全球范圍內推出新的模型Google FloodHub，該平臺可以顯示洪水可能發生的時間和地點。
05.實時火災追蹤，及時撲救野火
因氣候變化，野火近年來持續惡化。每年，野火造成的損失高達26億美元，并產生約2千兆噸的二氧化碳排放。
谷歌野火團隊使用衛星圖像來訓練機器學習模型，使其能從空間和時間的維度去識別野火，并及時告知其用戶野火發生的地點。其野火追蹤項目已在澳大利亞、美國、加拿大和墨西哥上線。
目前谷歌正在研究的3個模型：
1、實時火災追蹤：其模型可實時識別現有火災的范圍。該模型自2021年11月在澳大利亞的Google SOS警報上推出，2022年7月在美國、加拿大和墨西哥的Google SOS警報上推廣。
2、火災蔓延預測：該模型旨在預測現有的火災將如何演變，以便為正在進行野火撲救的小組提供如蔓延方向預測等的業務信息。
3、早期野火探測：此模型能在火災出現后不久就發現火災，以便在火勢失控前通知有關部門。
06.為產婦和視網膜疾病篩查帶來福音
面向醫療健康，谷歌正通過引入AI技術，幫助呵護產婦健康和加強糖尿病視網膜病變等眼部疾病問題的篩查。
上個月，谷歌在國際學術頂刊Nature的子刊Nature Communications Medicine上發表了一篇論文，展示了AI如何幫助讀取和分析低成本超聲設備的數據。這可以向準父母提供他們所需的信息，以便其在孕期更早地發現問題。
此外，谷歌還與美國西北大學醫學院合作開發AI，協助護士和助產士輕松地收集和解釋超聲圖像。該工具有能力確定胎兒的位置和胎齡，而且可以在沒有網絡連接的設備上運行，對醫護人員在懷孕早期發現問題很有幫助。
與此同時，谷歌也在加強眼科篩查計劃，利用其自動視網膜疾病評估工具（ARDA）開展了大量工作，已經成功篩查了超15萬名患者，其中有超過一半的篩查是今年完成的。
谷歌還在開發用手機監測呼吸和心率的技術。
07.結語：致力于研發負責任的AI
推進AI研究的旅程中，在幫助人們解決重要現實問題的同時，谷歌一向對道德約束和社會影響非常謹慎。
在本次年度AI活動上，谷歌也再度重申了對負責任的AI的重視，強調如果在沒有任何原則或道德指導的情況下開發生成式AI技術，這可能帶來很大風險，比如被惡意行為者利用去做壞事。
因此，谷歌研究團隊正積極地將谷歌AI原則（Google AI Principles）融入其中，尤其注重3個關鍵方面：
1、“可控”：確保制造的工具有益于人類，模型和項目需要適當的人為控制，以確保用戶安全，例如文本生成圖像模型使用了保障數據集來防止生成有害的圖像。
2、制造能夠檢測生成式AI的工具：谷歌在AudioLM項目中訓練了一個分類器，能以近99%的準確率檢測合成語音。
3、與世界各地的社區積極合作：開源對于谷歌來說是很重要的一部分，谷歌計劃制定一套開源政策，以適應其AI原則。谷歌還在積極與藝術家和創作者等合作。