文|智东西 ZeR0

编辑|漠影

智东西11月3日报道，昨晚，谷歌举办人工智能（AI）年度活动，并公布多项AI研究进展，包括用AI生成具有难以置信的真实性的视频、文字、图像、音频，以及用AI预防洪水、野火等自然灾害，解决社会面临的重大挑战。

同时，谷歌宣布推出“一千种语言计划”，其语言模型将支持全球1000种最常用语言的模型，让更多语种受益于AI。

01.AI准确理解文字描述，生成超分辨率视频

生成式AI已经成为高效生成文本、代码、音频、图像和视频的强大工具。

今夏早些时候，谷歌介绍了两种AI生成图像模型Imagen和Parti，它们都能从文本提示生成图像。随后谷歌又公布两种互补的研究方法Phenaki和Imagen Video，能根据文本生成短视频。

其中，Phenaki可以随着文本描述（prompts）的时间变化，生成长达数分钟的连贯视频；Imagen Video是应用于视频序列的扩散模型，在文本理解方面建立在大型Transformer语言模型之上，在高保真图像生成方面依赖于扩散模型，因此兼具高逼真度和极强的语言理解能力。

谷歌Imagen Video和Phenaki团队一直在合作制作AI生成的超级分辨率视频，将Imagen Video和Phenaki模型结合起来时，能得到两全其美的结果：在帧级的超级分辨率和时间上的一致性。

02.写小说、3D合成、音频生成，AI样样在行

除了从文本生成视频外，谷歌也分享了其用于协作的可控文本生成项目LaMDA Wordcraft，可帮助产生一些新的想法或重写句子，来为作家提供协作灵感。

为了测试LaMDA Wordcraft的能力，谷歌与专业作家合作组成研讨会，让他们使用探索写作的文本生成项目Wordcraft编辑器来创作一卷短篇小说，来试验AI文本生成的能力。

在从文本到3D合成方面，谷歌研发了一个预训练的2D文本到图像的扩散模型DreamFusion。给定一个描述生成，DreamFusion就能生成具有高保真外观、深度和法线且能够在不同光照条件下进行渲染的3D模型。

在音频生成方面，谷歌有一个全新的音频生成框架AudioLM。这是一个纯音频模型，在没有任何文字或音乐符号表示的情况下进行训练，可以只根据简短的音频样本学习生成逼真的、高质量的语音和音乐。

谷歌还宣布推出第二代AI Test Kitchen，为人们提供一个了解、体验和反馈其新兴生成性AI技术的途径。第二代AI Test Kitchen将通过两个演示来进一步展示从文本到图像的生成。

第一个演示是“城市梦想家”（City Dreamer），它使用谷歌对话引擎LaMDA和谷歌的图像模型组合，使用户能快速构建个性化的城市景观；第二个演示叫“Wobble”，使用谷歌的图像模型LaMDA和谷歌最新的2D-3D休闲动画技术，可以创造能移动、跳舞的友好怪物。

这些体验将在AI Test Kitchen中陆续登陆，用户可从Play Store或App Store获得该应用，并开始使用LaMDA。

03.推出“一千种语言计划”让AI助攻全球语言

语言是人们互相交流和理解周围世界的核心介质。2017年，谷歌开发了Transformer语言模型，它被视作所有现代语言模型的“鼻祖”，此后谷歌一直专注于具有突破性的语言模型研究，诸如谷歌翻译等应用已经支持几百种语言，谷歌还宣布新增对24种语言的支持。

但这些仍然远远不够。世界上有超过7000种语言，而目前互联网只能很好地支持其中一小部分。

为了向全球更广泛的地区提供基于AI的语言技术，谷歌推出“一千种语言计划”，以支持全球1000种最常用语言的模型。谷歌将这比作“登月行动”，希望以此为世界各地边缘化群体的数十亿人带去更大的包容性。

这个计划覆盖了谷歌长期在多模态、与更多语言群体合作等方面的努力。当前谷歌在研究更先进的模型，能直接处理基于语言的信息，跨越图像、视频和语音等多种模态。

例如，谷歌已经开发了一个通用语言模型（Universal Speech Model），它支持400多种语言，是迄今覆盖语种最多的语言模型。

谷歌正与世界各地的语言群体合作，以获得语言数据，最近宣布在Gboard上支持另外9种非洲语言的语音输入，并在南亚积极收集所有方言和语言的代表性音频样本。

与此同时，谷歌计划在YouTube、GBoard、Translate等产品中改进语言支持，方便人们基于不同语种使用这些技术，并找到相关内容。

04.AI预警洪水，能精确大约100米的范围

洪水每年在世界各地夺走数以万计的生命，造成数十亿美元的损失。而可靠的早期预警系统已被证明可减少43%的死亡、35-50%的经济损失。

谷歌早在2017年就启动洪水预测项目，通过引入AI技术，为人们提供准确而详细的警报，以抵御每年洪水带来的灾难性损失。谷歌洪水预测系统能告诉人们哪些地区将受到影响，以及每个点位的水深是多少，可精确到大约100米的范围，即大概精确到一个村庄或一个社区。

人们能直接在谷歌地图（Google Maps）上看到这些信息，及时做出响应。

此前该系统主要用在印度和孟加拉国。去年，谷歌向印度和孟加拉国的2300万人发送了1.15亿条有关洪水的通知，并引导他们关注Google Search和Maps上的洪水预警。在谷歌的支持下，耶鲁大学经济增长研究中心进行的初步研究表明，其通知使收到洪水预警的人数增加了2倍，采取保护行动的人数也增加了3倍。

借助迁移学习AI技术，谷歌宣布该系统将扩展到18个新的国家，包括巴西、哥伦比亚、斯里兰卡、布基纳法索、喀麦隆、乍得、刚果民主共和国、象牙海岸、加纳、几内亚、马拉维、尼日利亚、塞拉利昂、安哥拉、南苏丹、纳米比亚、利比里亚、南非等。

此外，谷歌还在全球范围内推出新的模型Google FloodHub，该平台可以显示洪水可能发生的时间和地点。

05.实时火灾追踪，及时扑救野火

因气候变化，野火近年来持续恶化。每年，野火造成的损失高达26亿美元，并产生约2千兆吨的二氧化碳排放。

谷歌野火团队使用卫星图像来训练机器学习模型，使其能从空间和时间的维度去识别野火，并及时告知其用户野火发生的地点。其野火追踪项目已在澳大利亚、美国、加拿大和墨西哥上线。

目前谷歌正在研究的3个模型：

1、实时火灾追踪：其模型可实时识别现有火灾的范围。该模型自2021年11月在澳大利亚的Google SOS警报上推出，2022年7月在美国、加拿大和墨西哥的Google SOS警报上推广。

2、火灾蔓延预测：该模型旨在预测现有的火灾将如何演变，以便为正在进行野火扑救的小组提供如蔓延方向预测等的业务信息。

3、早期野火探测：此模型能在火灾出现后不久就发现火灾，以便在火势失控前通知有关部门。

06.为产妇和视网膜疾病筛查带来福音

面向医疗健康，谷歌正通过引入AI技术，帮助呵护产妇健康和加强糖尿病视网膜病变等眼部疾病问题的筛查。

上个月，谷歌在国际学术顶刊Nature的子刊Nature Communications Medicine上发表了一篇论文，展示了AI如何帮助读取和分析低成本超声设备的数据。这可以向准父母提供他们所需的信息，以便其在孕期更早地发现问题。

此外，谷歌还与美国西北大学医学院合作开发AI，协助护士和助产士轻松地收集和解释超声图像。该工具有能力确定胎儿的位置和胎龄，而且可以在没有网络连接的设备上运行，对医护人员在怀孕早期发现问题很有帮助。

与此同时，谷歌也在加强眼科筛查计划，利用其自动视网膜疾病评估工具（ARDA）开展了大量工作，已经成功筛查了超15万名患者，其中有超过一半的筛查是今年完成的。

谷歌还在开发用手机监测呼吸和心率的技术。

07.结语：致力于研发负责任的AI

推进AI研究的旅程中，在帮助人们解决重要现实问题的同时，谷歌一向对道德约束和社会影响非常谨慎。

在本次年度AI活动上，谷歌也再度重申了对负责任的AI的重视，强调如果在没有任何原则或道德指导的情况下开发生成式AI技术，这可能带来很大风险，比如被恶意行为者利用去做坏事。

因此，谷歌研究团队正积极地将谷歌AI原则（Google AI Principles）融入其中，尤其注重3个关键方面：

1、“可控”：确保制造的工具有益于人类，模型和项目需要适当的人为控制，以确保用户安全，例如文本生成图像模型使用了保障数据集来防止生成有害的图像。

2、制造能够检测生成式AI的工具：谷歌在AudioLM项目中训练了一个分类器，能以近99%的准确率检测合成语音。

3、与世界各地的社区积极合作：开源对于谷歌来说是很重要的一部分，谷歌计划制定一套开源政策，以适应其AI原则。谷歌还在积极与艺术家和创作者等合作。