Google zaprezentował swoją odpowiedź na GPT‑4o. Co potrafi jego nowy asystent AI?

Niedawno OpenAI pokazało nowy, wszechstronny model GPT-4o, który pozwala ChatGPT odpowiadać w czasie rzeczywistym na pytania dotyczące obrazu z kamery smartfona lub ekranu komputera. Z pewnością dlatego startup zorganizował swoją konferencję tuż przed Google I/O 2024. Wynika z tego, że wiedział on dobrze o tym, że Google ma coś podobnego w zanadrzu.

Project Astra to prototypowy, multimodalny duży model językowy, który łączy analizę obrazu, dźwięku i tekstu. Podczas jego demonstracji pokazano film, na którym kobieta, spaceruje po biurze z włączonym aparatem telefonu i zadaje skomplikowane pytania dotyczące otoczenia. Wirtualny asystent bez wahania rozwiewa jej wątpliwości związane z tworzonym kodem, pomaga poprawić schemat firmowej serwerowni, proponuje nazwę dla psiego zespołu, a nawet wskazuje zgubione okulary.

A jeśli mowa o okularach, to warto wspomnieć, że w pewnym momencie kobieta przełącza się na zamontowaną w nich kamerę i kontynuuje przy ich użyciu rozmowę ze sztuczną inteligencją. Czy ma to wskazywać na to, że już wkrótce możemy się spodziewać następcy Google Glass?

Nowy asystent Google może się okazać nieocenionym wsparciem dla osób z problemami wzrokowymi i ułatwić im w ten sposób codzienne funkcjonowanie. Nie bez znacznie jest także potencjał edukacyjny tego projektu. Google DeepMind bada, jak taki uniwersalny agent AI może być naprawdę pomocny w codziennym życiu i czy może zmienić sposób, w jaki integrujemy się z technologią na co dzień.

Google nie ukrywa jednak, że asystent i okulary są nadal w fazie prototypowania, ale niektóre z zaprezentowanych funkcji mają zostać wprowadzone do aplikacji Gemini i "innych produktów" firmy jeszcze w tym roku. Mimo zbliżonego terminu prezentacji wydaje się, że Project Astra trafi na rynek znacznie później niż asystent głosowo-obrazowy OpenAI, który ma być dostępny dla użytkowników już za kilka tygodni.