這週二，Google在Google的Cloud Next 2024上發布了一系列AI相關的模型更新和產品，其中包括Gemini 1.5 Pro首次提供了本地語音（語音）理解功能、程式碼生成新模型CodeGemma、首款自研Arm處理器Axion等等。
Gemini 1.5 Pro
#Gemini 1.5 Pro是Google功能最強大的生成式AI模型，現已在Google以企業為中心的AI開發平台Vertex AI上提供公共預覽版。這是Google面向企業的AI開發平台。它能處理的上下文從128,000個token增加到100萬個token。 100萬個token大約相當於70萬個單詞，或大約3萬行程式碼。這大致是Anthropic的旗艦模型Claude 3能作為輸入處理的資料量的四倍，也大約是OpenAI的GPT-4 Turbo最大上下文量的八倍。
官方原文連結：https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview -with-new-features.html
此版本首次提供了本地音訊（語音）理解功能和全新的檔案API，使檔案處理變得更加簡單。 Gemini 1.5 Pro 的輸入模式正在拓展，包括在 Gemini API 和 Google AI Studio 中增加對音訊（語音）的理解。此外，Gemini 1.5 Pro 現在能夠對 Google AI Studio 中上傳的影片的圖像（幀）和音訊（語音）進行推理。
可以透過上傳一個講座的錄音，例如這個由Jeff Dean進行的超過117000個token的講座，Gemini 1.5 Pro可以將其轉換成一個有答案的測驗。 （演示已加速）
Google在Gemini API 方面也進行了改進，主要有以下三個內容：
##目前可以在Google AI Studio和Gemini API中使用系統指令來指導模型的回應。定義角色、格式、目標和規則，以針對您的特定用例指導模型的行為。
在Google AI Studio 中輕鬆設定係統指令
2.JSON 模式：指示模型僅輸出JSON 對象。這種模式使從文字或圖像中提取結構化資料成為可能。現在可以使用 cURL，Python SDK 支援即將推出。
3. 函數呼叫的改進：現在可以選擇模式來限制模型的輸出，並提高可靠性。選擇文字、函數呼叫或僅函數本身。
此外，Google將發布下一代文字嵌入模型，其性能優於同類模型。從今天開始，開發者將能夠透過 Gemini API 存取下一代文字嵌入模型。這個新模型，text-embedding-004（在 Vertex AI 中為 text-embedding-preview-0409），在 MTEB 基準測試中實現了更強的檢索性能，並且超越了具有可比維度的現有模型。
在MTEB 基準測試中，使用256 dims 輸出的Text-embedding-004（又稱Gecko）優於所有較大的768 dims輸出模型
不過，需要注意的是，Gemini 1.5 Pro 對於沒有存取Vertex AI 和AI Studio 權限的人來說是不可用的。目前，大多數人透過 Gemini 聊天機器人來接觸 Gemini 語言模型。 Gemini Ultra 驅動了 Gemini Advanced 聊天機器人，雖然它功能強大，也能理解長指令，但它的速度不如 Gemini 1.5 Pro。
三大開源工具
在2024 年的Google Cloud Next 大會上，該公司推出多個開源工具，主要用於支援生成式AI 專案和基礎設施。其一是 Max Diffusion，它是各種擴散模型參考實現的集合，可在 XLA（加速線性代數）設備上運行。
GitHub 網址：https://github.com/google/maxdiffusion
其二是Jetstream，一個運行生成式AI 模型的新引擎。目前，JetStream 只支援 TPU，未來可能會相容於 GPU。谷歌聲稱，JetStream 可為Google自己的 Gemma 7B 和 Meta 的 Llama 2 等模型提供高達 3 倍的性價比。
GitHub 網址：https://github.com/google/JetStream
#第三個是MaxTest，這是一個針對雲端中的TPUs 和Nvidia GPUs 的文字產生AI 模型的集合。 MaxText 現在包括 Gemma 7B、OpenAI 的 GPT-3、Llama 2 和來自 AI 新創公司 Mistral 的模型，Google表示所有這些模型都可以根據開發人員的需求進行客製化和微調。
GitHub 網址：https://github.com/google/maxtext
首款自研Arm 處理器Axion
Google雲端宣布推出首款自主研發的Arm 處理器，名為Axion。其基於 Arm 的 Neoverse 2，專為資料中心設計。谷歌表示其 Axion 實例的效能比其他競爭對手如 AWS 和微軟的基於 Arm 的實例高出 30%，與相應的基於 X86 的實例相比，性能提高了最多 50%，能源效率提高了 60%。
Google在周二的發布會上強調，由於Axion 建立在一個開放的基礎上，Google雲端的客戶將能夠將他們現有的Arm 工作負載帶到Google雲，而無需任何修改。
不過，Google目前還沒有發布對此進行詳細介紹的內容。
程式碼補全、生成利器－CodeGemma
CodeGemma 以Gemma 模式為基礎，為社群帶來了強大而輕量級的編碼功能。此模型可分為專門處理程式碼補全和程式碼產生任務的7B 預訓練變體、用於程式碼聊天和指令跟隨的7B 指令調優變體、以及在本機電腦上執行快速程式碼補全的2B 預訓練變體。
CodeGemma 有以下幾大優勢：
- 智慧程式碼補全和產生：補全行、函數，甚至產生整個程式碼區塊，無論你是在本地還是雲端上工作；
- 更高準確性：CodeGemma 主要使用來自網頁文件、數學和程式碼的5000 億token 的英語語言資料進行訓練，生成的程式碼不僅語法更正確，語義也更有意義，有助於減少錯誤和debug 時間；
- ##多語言能力：支持Python、JavaScript、Java 和其他流行程式語言；
- 簡化工作流程：將CodeGemma 整合到你的開發環境中，以減少編寫的樣板程式碼，並更快地編寫重要、有趣且差異化的程式碼。
CodeGemma 與其他主流程式碼大模型的一些比較結果如下圖所示：
CodeGemma 7B 模型與Gemma 7B 模型在GSM8K、MATH 等資料集上的比較結果。
更多技術細節與實驗結果請參考Google同步放出的論文。
論文網址：https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf#
開放語言模型 ——RecurrentGemma
Google DeepMind 也發布了一系列開放權重語言模型 ——RecurrentGemma。 RecurrentGemma 基於 Griffin 架構，透過將全局注意力替換為局部注意力和線性循環（linear recurrences）的混合，在產生長序列時實現快速推理。
技術報告：https://storage.googleapis.com/deepmind-media/gemma/recurrentgemma-report.pdf
#RecurrentGemma-2B 在下游任務上實現了卓越的效能，可與 Gemma-2B（transformer 架構）媲美。
同時，RecurrentGemma-2B 在推理過程中實現了更高的吞吐量，尤其是在長序列上。
影片編輯工具－Google Vids
Google Vids 是一款AI 影片建立工具，是Google Workspace 中新增的功能。
Google表示，借助 Google Vids，使用者可以與文件和表格等其他 Workspace 工具一起製作視頻，並且可與同事即時協作。
企業專用程式碼助理－Gemini Code Assist
Gemini Code Assist 是一款為企業的AI 程式碼完成和輔助工具， 對標GitHub Copilot Enterprise。 Code Assist 將透過 VS Code 和 JetBrains 等流行編輯器以插件的形式提供。
圖片來源：https://techcrunch.com/2024/04/09/google-launches-code-assist-its-latest- challenger-to-githubs-copilot/
Code Assist 由Gemini 1.5 Pro 提供支援。 Gemini 1.5 Pro 擁有百萬 token 的上下文窗口，這使得谷歌的工具能夠比競爭對手引入更多的上下文。谷歌表示，這意味著 Code Assist 能夠提供更準確的程式碼建議，並具備推理和更改大段程式碼的能力。
Google表示：「Code Assist 使客戶能夠對整個程式碼庫進行大規模更改，從而實現以前不可能實現的人工智慧輔助程式碼轉換。」
#智能體建構器－Vertex AI
AI 智能體是今年熱門的產業發展方向。 Google現在宣布推出一款幫助企業建構 AI 智能體的新工具 ——Vertex AI Agent Builder。
Google雲端執行長Thomas Kurian 表示：「Vertex AI Agent Builder 讓人們能夠非常輕鬆、快速地建置和部署可用於生產的、由人工智慧驅動的生成式對話智能體，並且能夠以指導人類的方式指導智能體，以提高模型生成結果的品質和正確性。」
