
作者 | 周雅
来源 | 科技行者
每年开春,谷歌的员工都会紧锣密鼓地筹备五月份的I/O,这样的节奏至今已持续到第16年。
今年的Google I/O 2024将于美东时间5月14日-15日在加州山景城的Shoreline Amphitheatre举行,这个地点距离谷歌总部不远,是I/O的常驻地。
Mike Pegg曾在2011年至2017年期间负责谷歌I/O的营销,他表示:“I/O代表了谷歌为开发者提供的所有服务。”过去几年里,谷歌经历了一些里程碑式的时刻,比如2008年Android发布,或2011年宣布支持HTML 5。
而回顾去年的I/O,最重磅的内容莫过于AI届的大事件——Gemini的诞生,从目前的进展来看,谷歌正在试图把Gemini应用到其所有服务中:搜索、地图、照片、视频、Gmail、Google Docs 等等工具。当然,谷歌也一直在将AI功能融入到谷歌助手中,所以,我们有理由期待今年的I/O,Gemini究竟会进化到什么阶段。
当然,更不用说的是。今年的I/O也是一场被竞争对手忌惮的大会。以至于OpenAI要提前一天搞一场截胡式的发布,发布了多模态AI助手,并将更新后的ChaGPT-4o模型免费对外提供。
届时,科技行者也会奔赴Google I/O 2024带来现场报道。
不过,期待之余,回到I/O本身,它有什么含义?从公开资料来看,这里有两种常见的说法:
一种解释是,I/O代表“输入/输出”(Input/Output)。指的是计算机系统与外部世界连接的计算概念。
第二种解释是,I/O代表“开放式创新”(Innovation in the Open)。谷歌会关注AI前沿研究、下一代产品、全新的交互方式等。
这两个起源都是官方认可的说法,但I/O的历史却还有更多故事值得挖掘,呼应起源的内涵。
I/O的历史,可追溯到2006年5月,当时谷歌举办了第一场开发者大会,即Geo developer Day。它围绕谷歌第一个公开可用的开发者工具,即2005年推出的谷歌地图API。这次活动在谷歌山景城园区的Googleplex举行,只有100名与会者,规模很小。
一年后,谷歌的开发者工具套件大幅扩展——谷歌需要一个更大的活动来展示产品,同时还要与不断成长的开发者社区互动。于是,I/O有了雏形。
图为2008年的原始I/O商标,连接器的风格设计暗含了“输入/输出”概念
不过,当时的I/O还不是“I/O”。“2007年的第一场‘I/O’根本就不叫I/O,”活动和体验运营总监、最初的I/O活动组织者之一洛林·柏拉图(Lorin Platto)说:
“我们在圣何塞会议中心办了一场名为谷歌开发者日的活动,为开发者提供了1000张门票。”当时,谷歌的工程师和产品专家介绍了关于开发者工具的会议。“圣何塞的活动只开放了一个小时就满载了。那年的我们才意识到,接下来的一年,我们真的需要把这个活动提升一个档次,”洛林说。
直到2008年,该活动搬到了一个更大的场地——旧金山莫斯科尼中心西部,并有了使用至今的正式名称:Google I/O。
这些年过去,I/O早已经成为谷歌的一部分,甚至是I/O这个名字,其实也可以追溯到谷歌Google的命名。
谷歌Google的名字,来源于英语单词 "googol”,它其实是一个具体的数字,等于 10 的 100 次方,即1后面跟着100个零。这个数字,由美国数学家爱德华·卡斯纳的9岁侄子米尔顿·西罗塔在1938年提出。米尔顿试图找到一个无穷大但有限的数字名称,于是想到了googol。
当年,谷歌创始人拉里·佩奇和谢尔盖·布林在1997年注册了谷歌的域名,也想过很多名字,最终敲定了 "googol" 作为公司名。但可惜在注册域名时,"googol" 这个词已被注册,于是将其改为"Google",并在公司成立后沿用至今。
“googol是一个1,后面跟着100个0,这也是I/O名称和标志的来源。我们只是取了第一个和0,把其他的0都去掉了。”洛林说。“当我们头脑风暴时,就在想这个1和0意味着什么。这就是「输入/输出」和「开放式创新」口号的由来。”
googol(缩写):前两位数字给出了I/O的名称
总之,I/O的含义和Google名字的由来,这么看下来可能有点绕,但这也是谷歌一贯的风格。毕竟,谷歌一直有着在浏览器里植入各种节日彩蛋的传统,比如大家都熟知的“复活节彩蛋”,这或许就是这家公司科技中的人文气息。
“从一开始,我们就希望I/O能引起开发者社区的共鸣,”洛林说。
Mike也补充道:“I/O现在已经不仅是一场开发者大会,更是谷歌所做的一切、以及我们想要与世界分享的一切的绝佳展示。当谷歌CEO桑达尔·皮查伊上台说,‘大家早上好,欢迎来到Google I/O’的时候,就像是在说,‘我们的创新来了。’”
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。