O CEO da DeepMind Demis Hassabis diz que o Google acabará combinando seus modelos Gemini and Veo AI

Em uma aparição recente sobre “Possível”Um podcast co-apresentado pelo co-fundador do LinkedIn, Reid Hoffman, o CEO do Google Deepmind, Demis Hassabis, disse que o Google planeja eventualmente combinar seu Gêmeos Modelos de IA com seu Veo Modelos geradores de vídeo para melhorar a compreensão do primeiro do mundo físico.

“Sempre construímos Gemini, nosso modelo de fundação, para ser multimodal desde o início”, disse Hassabis, “e a razão pela qual fizemos isso (é porque) temos uma visão para essa idéia de um assistente digital universal, um assistente que (…) realmente o ajuda no mundo real”.

A indústria da IA ​​está se movendo gradualmente para os modelos “Omni”, se você preferir – modelos que podem entender e sintetizar muitas formas de mídia. Os modelos mais novos de gêmeos do Google podem gerar áudio Além de imagens e texto, enquanto o modelo padrão do OpenAI no ChatGPT pode criar imagens nativamente – incluindo, é claro, Arte no estilo Ghibli. Amazon tem também anunciou planos Para lançar um modelo “qualquer qualquer coisa” ainda este ano.

Esses modelos OMNI exigem muitos dados de treinamento – imagens, vídeos, áudio, texto e assim por diante. Hassabis implicava que os dados de vídeo para o VEO estão chegando principalmente no YouTube, uma plataforma que o Google possui.

“Basicamente, ao assistir a vídeos do YouTube – muitos vídeos do YouTube – (Veo 2) podem descobrir, você sabe, a física do mundo”, disse Hassabis.

O Google disse anteriormente ao TechCrunch que seus modelos “podem ser” treinados em “algum” conteúdo do YouTube de acordo com seu contrato com os criadores do YouTube. Alegadamente, O Google ampliou seus termos de serviço No ano passado, em parte, para permitir que a empresa toque em mais dados para treinar seus modelos de IA.