Sự kiện Google I/O 2024: một I/O dành cho thế hệ mới

Google đã đầu tư vào AI trong hơn một thập kỷ, và luôn đổi mới ở từng cấp độ: nghiên cứu, sản phẩm, cơ sở hạ tầng.

Google vẫn đang trong những ngày đầu của quá trình chuyển đổi nền tảng sang AI khi nhận thấy đây là cơ hội dành cho các nhà sáng tạo, nhà phát triển, startups và tất cả mọi người. Thúc đẩy những cơ hội đó chính là trọng tâm mà kỷ nguyên Gemini hướng đến.

Kỷ nguyên Gemini

Trên sân khấu I/O 2023, lần đầu tiên Google chia sẻ những dự định của mình về Gemini: một mô hình AI năng lực nhất có khả năng đa phương thức một cách tự nhiên, suy luận xuyên suốt trên các định dạng văn bản, hình ảnh, video, code và hơn thế nữa. Đây là một bước tiến lớn trong việc hiện thực hóa bất kỳ đầu vào (input) và đầu ra (output) nào – một “I/O” dành cho thế hệ mới. (I/O là viết tắt của Input / Output)

Kể từ đó, Google đã giới thiệu những mô hình Gemini đầu tiên, những mô hình có khả năng nhất của mình. Chúng đạt được hiệu suất vượt trội trên mọi chuẩn đánh giá đa phương thức. Hai tháng sau, Google đã giới thiệu Gemini 1.5 Pro, mang lại bước đột phá lớn về xử lý ngữ cảnh dài. Với khả năng xử lý 1 triệu token dữ liệu một cách nhất quán, Gemini 1.5 Pro vượt qua bất kỳ mô hình nền tảng quy mô lớn nào khác cho đến nay.

Google mong muốn mọi người tận dụng được những khả năng của Gemini. Hiện nay, hơn 1,5 triệu nhà phát triển đang sử dụng những mô hình Gemini trên khắp các công cụ của chúng tôi, từ việc xác định lỗi code, thu thập insights mới và xây dựng thế hệ ứng dụng AI tiếp theo.

Google cũng đang mạnh mẽ tích hợp những khả năng đột phá của Gemini vào các sản phẩm của mình ví dụ như ứng dụng Gemini trong Search, Photos, Workspace, Android và nhiều sản phẩm khác.

Tiến độ sản phẩm

Hiện nay, tất cả các sản phẩm phục vụ 2 tỷ người dùng của Google đều tích hợp Gemini.

Google cũng mang đến những trải nghiệm mới cùng Gemini, bao gồm trên thiết bị di động. Người dùng giờ đây có thể trực tiếp tương tác với Gemini thông qua ứng dụng, hiện đã có sẵn trên Android và iOS. Ngoài ra, phiên bản Gemini Advanced cung cấp quyền truy cập vào các mô hình AI tiên tiến nhất. Chỉ trong ba tháng, đã có hơn một triệu người đăng ký dùng thử và vẫn đang tiếp tục thể hiện đà tăng trưởng mạnh mẽ.

Mở rộng AI Overviews trong Google Search

Một trong những đổi mới thú vị nhất của Gemini nằm ở Google Search.

Trong năm 2023, Google đã trả lời hàng tỷ truy vấn với thử nghiệm Search Generative Experience. Người dùng sử dụng thử nghiệm này để Tìm kiếm theo cách thức hoàn toàn mới, đặt ra nhiều dạng câu hỏi mới, dài hơn và phức tạp hơn, thậm chí tìm kiếm bằng hình ảnh và nhận được những kết quả tốt nhất.

Google đã thử nghiệm trải nghiệm này bên ngoài Search Labs và nhận thấy không chỉ lượng người dùng Google Search tăng lên mà mức độ hài lòng của người dùng cũng được cải thiện.

Google sẽ bắt đầu triển khai AI Overviews – một trải nghiệm toàn diện được cải tiến hoàn toàn cho tất cả người dùng tại Mỹ và sẽ sớm mang tính năng này đến nhiều quốc gia khác.

Hiện nay cũng có rất nhiều cải tiến đang diễn ra ngay trong Google Search. Nhờ Gemini, người dùng đã có thể có được trải nghiệm tìm kiếm tối ưu hơn nữa ngay trong các trong sản phẩm của mình.

Giới thiệu tính năng Ask Photos

Ví dụ điển hình là Google Photos, ứng dụng được ra mắt cách đây gần 9 năm. Kể từ đó, người dùng đã sử dụng Photos để lưu trữ những khoảnh khắc quý giá nhất, với hơn 6 tỷ ảnh và video được tải lên mỗi ngày.

Và họ thích việc dùng Photos để tìm kiếm những khoảnh khắc của từng giai đoạn trong cuộc sống. Nhờ có Gemini, trải nghiệm này sẽ trở nên dễ dàng hơn rất nhiều.

Giả sử bạn đang thanh toán tại bãi đỗ xe nhưng lại không nhớ rõ biển số xe. Trước đây, bạn có thể tìm kiếm trong Photos theo từ khóa, sau đó lướt qua kho ảnh hằng năm để tìm biển số. Giờ đây, bạn chỉ cần hỏi Photos. Ứng dụng có thể nhận diện những chiếc xe thường xuyên xuất hiện trong kho ảnh, xác định xe của bạn và cung cấp biển số xe.

Tính năng Ask Photos còn giúp bạn tìm lại kỷ niệm cách chuyên sâu hơn. Ví dụ, bạn đang hồi tưởng về những cột mốc đầu đời của con gái Luciana. Giờ đây, bạn có thể hỏi Photos: “Lucia biết bơi từ khi nào?” Và thậm chí phức tạp hơn: “Cho tôi xem quá trình học bơi của Lucia.”

Ở trường hợp này, Gemini vượt xa một chức năng tìm kiếm đơn thuần, nhận diện nhiều bối cảnh khác nhau, từ bơi lội trong hồ đến lặn biển, thậm chí cả chữ viết và ngày tháng trên chứng nhận bơi. Photos sẽ tổng hợp tất cả thông tin thành một bản tóm tắt, cho phép bạn xem và sống lại những kỷ niệm tuyệt vời một lần nữa. Chúng tôi sẽ triển khai tính năng Ask Photos vào mùa hè này, cùng nhiều khả năng khác sắp ra mắt.

Mở khóa tri thức cùng phương thức đa nhiệm và ngữ cảnh dài

Mở khóa tri thức trên nhiều định dạng là lý do Google xây dựng Gemini với khả năng đa phương thức ngay từ đầu. Đây là một mô hình duy nhất, tích hợp sẵn tất cả các phương thức xử lý dữ liệu. Do đó, Gemini không chỉ hiểu được từng loại dữ liệu đầu vào mà còn tìm ra mối liên kết giữa chúng.

Tính năng đa phương thức mở rộng đáng kể các câu hỏi và câu trả lời chúng ta có thể đặt ra và nhận được. Khả năng xử lý ngữ cảnh dài đã tạo ra một bước tiến lớn, cho phép chúng tôi đưa vào mô hình nhiều thông tin hơn nữa: hàng trăm trang văn bản, hàng giờ âm thanh hoặc một giờ video, toàn bộ kho lưu trữ code…hoặc 96 thực đơn của Cheesecake Factory nếu bạn muốn.

Để xử lý một lượng lớn thông tin thực đơn như vậy, bạn sẽ cần một triệu token cửa sổ ngữ cảnh (chú thích dịch: token là đơn vị cơ bản của văn bản mà mô hình hiểu được trong LLM), giờ đây hoàn toàn khả thi với Gemini 1.5 Pro. Các nhà phát triển đã tận dụng tính năng này theo những cách vô cùng thú vị.

Trong vài tháng qua, Google đã triển khai bản thử nghiệm của Gemini 1.5 Pro với khả năng xử lý ngữ cảnh dài. Kèm theo đó là một loạt cải tiến chất lượng cho các tác vụ dịch thuật, lập trình và suy luận. Bắt đầu từ hôm nay, bạn sẽ thấy những cập nhật này được tích hợp vào mô hình.

Phiên bản cải tiến của Gemini 1.5 Pro đang được triển khai đến các nhà phát triển trên toàn cầu. Ngoài ra, bắt đầu từ hôm nay, phiên bản Gemini Advanced cũng cung cấp quyền truy cập trực tiếp vào Gemini 1.5 Pro với khả năng xử lý ngữ cảnh 1 triệu token. Tính năng này hỗ trợ tới 35 ngôn ngữ.

Mở rộng khả năng xử lý 2 triệu token trong bản preview riêng tư

Một triệu token đã mở ra những khả năng hoàn toàn mới. Thật thú vị; tuy nhiên, mọi thứ vẫn có thể tiến xa hơn nữa. Vì vậy ngay hôm nay, Google sẽ mở rộng cửa sổ ngữ cảnh lên 2 triệu token và chia sẻ preview riêng tư cho các nhà phát triển.

Thật tuyệt vời khi nhìn lại và thấy được những tiến bộ mà Google đã đạt được chỉ trong vài tháng. Đây là bước tiếp theo của Google trên hành trình đạt đến mục tiêu tối thượng của mình: xử lý ngữ cảnh không giới hạn.

Đưa Gemini 1.5 Pro vào Workspace

Cho đến nay, Google đã đề cập đến hai tiến bộ kỹ thuật: đa phương thức và xử lý ngữ cảnh dài. Mỗi tính năng này đều vượt trội riêng lẻ. Nhưng khi kết hợp lại, chúng mở ra những khả năng sâu hơn và thông minh vượt trội.

Mọi người thường xuyên tìm kiếm email trong ứng dụng Gmail. Với Gemini, tính năng tìm kiếm trở nên mạnh mẽ hơn bao giờ hết. Ví dụ, với vai trò là phụ huynh, bạn luôn muốn cập nhật mọi thứ liên quan đến trường học của con mình. Gemini có thể giúp bạn theo kịp thông tin.

Bây giờ, chúng ta có thể yêu cầu Gemini tóm tắt tất cả email gần đây từ trường. Trong quá trình xử lý, Gemini sẽ xác định các email liên quan và thậm chí phân tích các tệp đính kèm, chẳng hạn như tệp PDF. Sau đó, bạn sẽ nhận được bản tóm tắt các điểm chính và việc cần làm.

Có thể tuần này bạn đi công tác và không thể tham dự cuộc họp phụ huynh, và bản ghi cuộc họp trên Google Meet dài khoảng một tiếng. Bạn có thể yêu cầu Gemini ghi chú lại điểm chính yếu của cuộc họp. Hoặc đang có nhóm phụ huynh cần tìm tình nguyện viên và bạn lại rảnh vào ngày hôm đó. Tất nhiên, Gemini có thể giúp bạn soạn thư phản hồi.

Còn vô số ví dụ khác về cách thức Gemini giúp cuộc sống dễ dàng hơn. Gemini 1.5 Pro hiện có sẵn trong Workspace Labs.

Đầu ra âm thanh trong NotebookLM

Vừa rồi chúng ta đã tìm hiểu một ví dụ với đầu ra là văn bản. Nhưng với mô hình đa phương thức, chúng ta có thể làm được nhiều hơn thế nữa.

Tính năng Audio Overviews trong NotebookLM là một ví dụ điển hình. Đây là tính năng sử dụng Gemini để tổng hợp tài liệu nguồn của bạn và tạo ra một cuộc trò chuyện âm thanh tương tác và được cá nhân hóa.

Đây chính là tiềm năng của tính năng đa phương thức. Trong tương lai gần, bạn sẽ có thể kết hợp linh hoạt các đầu vào và đầu ra khác nhau. Đó cũng là lý do vì sao từ ban đầu chúng tôi gọi đây là I/O dành cho thế hệ mới. Nhưng liệu Google có thể tiến xa hơn nữa?

Tiến xa hơn cùng với AI Agents

Một trong những cơ hội tiến xa hơn mà chúng tôi nhận thấy là cơ hội cùng AI Agents. Tôi coi chúng là những hệ thống thông minh thể hiện khả năng suy luận, lập kế hoạch và ghi nhớ, có thể “nghĩ” trước nhiều bước và hoạt động trên nhiều phần mềm cùng hệ thống khác nhau, tất cả để hoàn thành công việc cho bạn và quan trọng nhất là dưới sự giám sát của bạn.

Bắt đầu với việc mua sắm. Mua giày thì khá thú vị, nhưng việc trả lại chúng khi không vừa thì lại không vui chút nào.

Hãy tưởng tượng nếu Gemini có thể thực hiện tất cả các bước cho bạn:

Tìm kiếm hóa đơn trong hộp thư đến của bạn …

Tìm số đơn hàng từ email của bạn …

Điền vào biểu mẫu trả hàng …

Thậm chí lên lịch nhận hàng của UPS.

Dễ dàng hơn nhiều đúng không nào?

Hãy lấy một ví dụ khác phức tạp hơn một chút.

Giả sử bạn vừa chuyển đến Chicago. Bạn có thể tưởng tượng Gemini và Chrome làm việc cùng nhau để giúp bạn thực hiện một số tác vụ sẵn sàng như thay mặt bạn sắp xếp, lý luận, tổng hợp.

Ví dụ: bạn sẽ muốn khám phá thành phố và tìm các dịch vụ gần đó — từ tiệm giặt khô đến người dắt chó đi dạo. Và bạn sẽ phải cập nhật địa chỉ mới của mình trên hàng chục trang web.

Gemini có thể thực hiện những nhiệm vụ này và sẽ nhắc bạn cung cấp thêm thông tin khi cần, điều này giúp bạn luôn nắm quyền kiểm soát.

Đây là những trường hợp sử dụng đơn giản nhưng chúng giúp bạn hiểu rõ về các loại vấn đề mà Google muốn giải quyết, bằng cách xây dựng các hệ thống thông minh có khả năng nghĩ trước, lập luận và lập kế hoạch — tất cả đều thay mặt bạn để thực hiện.

Điều có ý nghĩa đối với sứ mệnh của Google

Sức mạnh của Gemini — với tính đa phương thức, bối cảnh dài và các tác nhân — đưa Google đến gần hơn với mục tiêu cuối cùng là làm cho AI trở nên hữu ích cho mọi người.

Đối với Google, đây là cách đạt được tiến bộ cao nhất trong sứ mệnh của mình: Tổ chức thông tin của thế giới trên mọi đầu vào, giúp thông tin có thể truy cập được qua bất kỳ đầu ra nào, và kết hợp thông tin của thế giới với thông tin trong thế giới RIÊNG CỦA BẠN theo cách hữu ích dành cho bạn.

Những đột phá mới

Để nhận ra toàn bộ tiềm năng của AI, chúng ta cần phải có bước đột phá mới. Nhóm Google DeepMind đã làm việc chăm chỉ về vấn đề này.

Google đã thấy rất nhiều điều thú vị xung quanh 1.5 Pro và cửa sổ ngữ cảnh dài của nó. Nhưng đồng thời các nhà phát triển cũng cho biết họ muốn thứ gì đó nhanh hơn và tiết kiệm chi phí hơn. Vì vậy, Google sẽ giới thiệu Gemini 1.5 Flash, một mẫu máy có trọng lượng nhẹ hơn được thiết kế cho quy mô lớn. Điều quan trọng là nó được tối ưu hóa cho các tác vụ có độ trễ và chi phí thấp. 1.5 Flash sẽ có sẵn trong AI Studio và Vertex AI.

Nhìn xa hơn về phía trước, Google luôn muốn xây dựng một tác nhân phổ quát hữu ích trong cuộc sống hàng ngày. Project Astra, thể hiện sự hiểu biết đa phương thức và khả năng đàm thoại theo thời gian thực.

Google cũng đã đạt được tiến bộ trong việc tạo video và hình ảnh với Veo và Imagen 3, đồng thời giới thiệu Gemma 2.0, thế hệ mô hình mở tiếp theo của chúng tôi để đổi mới AI có trách nhiệm.

Cơ sở hạ tầng cho kỷ nguyên AI: Ra mắt Trillium

Việc đào tạo các mô hình hiện đại đòi hỏi rất nhiều sức mạnh máy tính. Nhu cầu về tính toán của máy học trong ngành đã tăng theo hệ số 1 triệu trong sáu năm qua và mỗi năm tăng gấp 10 lần.

Google được xây dựng dành cho việc này. Trong 25 năm, chúng tôi đã đầu tư vào cơ sở hạ tầng kỹ thuật đẳng cấp thế giới,

Từ phần cứng tiên tiến hỗ trợ Tìm kiếm cho đến các đơn vị xử lý tensor tùy chỉnh hỗ trợ các tiến bộ AI.

Gemini đã được đào tạo và phục vụ hoàn toàn trên TPU thế hệ thứ tư và thứ năm của Google. Và các công ty AI hàng đầu khác, bao gồm cả Anthropic, cũng đã đào tạo các mô hình của họ về TPU.

Google đồng thời cũng rất hào hứng công bố thế hệ TPU thứ 6 của mình, được gọi là Trillium. Trillium là TPU hiệu suất cao và hiệu quả nhất của chúng tôi cho đến nay, mang lại sự cải thiện 4,7 lần về hiệu suất tính toán trên mỗi chip so với thế hệ trước là TPU v5e 

Trillium sẽ được cung cấp cho khách hàng trên Đám mây vào cuối năm 2024.

Bên cạnh TPU, các CPU và GPU cũng được cung cấp để hỗ trợ mọi khối lượng công việc.

Trong đó bao gồm bộ xử lý Axion mới công bố vào tháng trước, CPU dựa trên Arm tùy chỉnh đầu tiên mang lại hiệu suất và hiệu quả sử dụng năng lượng hàng đầu trong ngành.

Google cũng tự hào là một trong những nhà cung cấp dịch vụ Cloud đầu tiên cung cấp GPU Blackwell tiên tiến của Nvidia, sẽ ra mắt vào đầu năm 2025. Đây là mối quan hệ hợp tác lâu dài giữa NVIDIA và Google nhằm mang những khả năng đột phá của Blackwell đến với khách hàng của mình.

Chip là một phần nền tảng của hệ thống tích hợp đầu cuối của Google. Từ phần cứng và phần mềm mở được tối ưu hóa hiệu suất đến các mô hình tiêu dùng linh hoạt. Tất cả những điều này kết hợp với nhau trong Siêu máy tính AI, một kiến trúc siêu máy tính mang tính đột phá.

Các doanh nghiệp và nhà phát triển đang sử dụng nó để giải quyết những thách thức phức tạp hơn, với hiệu quả cao hơn gấp đôi so với việc chỉ mua phần cứng và chip thô. Những tiến bộ về Siêu máy tính AI có thể thực hiện được một phần nhờ vào phương pháp làm mát bằng chất lỏng trong các trung tâm dữ liệu của chúng tôi.

Google đã làm điều này trong gần một thập kỷ, rất lâu trước khi nó trở thành công nghệ tiên tiến nhất trong ngành. Và ngày nay, tổng công suất đội xe được triển khai dành cho hệ thống làm mát bằng chất lỏng là gần 1 Giga Watt và đang tăng lên — gấp gần 70 lần công suất của bất kỳ đội xe nào khác.

Điều này dựa trên cơ sở về quy mô tuyệt đối trong mạng lưới có khả năng kết nối cơ sở hạ tầng của Google trên toàn cầu. Mạng lưới trải dài hơn 2 triệu dặm cáp quang trên mặt đất và dưới biển: gấp hơn 10 lần phạm vi tiếp cận của nhà cung cấp dịch vụ đám mây hàng đầu tiếp theo.

Chương thú vị nhất của công cụ Tìm kiếm

Một trong những lĩnh vực đầu tư và đổi mới lớn nhất là sản phẩm sáng lập của Google, Tìm kiếm. 25 năm trước, Google đã tạo ra Tìm kiếm để giúp mọi người hiểu được làn sóng thông tin di chuyển trực tuyến.

Với mỗi lần thay đổi nền tảng lại mang đến những bước đột phá để giúp trả lời câu hỏi của bạn tốt hơn.

Trên thiết bị di động, Google đã mở khóa các loại câu hỏi và câu trả lời mới bằng cách sử dụng ngữ cảnh, nhận thức về vị trí và thông tin theo thời gian thực tốt hơn. Với những tiến bộ trong khả năng hiểu ngôn ngữ tự nhiên và thị giác máy tính đã tạo ra những cách mới để tìm kiếm, bằng giọng nói hoặc tiếng ngân nga để tìm bài hát yêu thích của bạn; hoặc với hình ảnh bông hoa mà bạn nhìn thấy khi đi dạo. Và bây giờ bạn thậm chí có thể khoanh tròn để tìm kiếm những đôi giày mà bạn có thể muốn mua.

Tất nhiên, Tìm kiếm trong Kỷ nguyên Gemini sẽ đưa điều này lên một tầm cao hoàn toàn mới, kết hợp sức mạnh cơ sở hạ tầng của Google, khả năng AI mới nhất, tiêu chuẩn cao về chất lượng thông tin và hàng thập kỷ kinh nghiệm kết nối bạn với sự phong phú của web. Kết quả sẽ mang đến một sản phẩm tuyệt vời dành cho bạn.

Trải nghiệm Gemini thông minh hơn

Gemini không chỉ là một chatbot; nó được thiết kế để trở thành trợ lý cá nhân, hữu ích, có thể giúp bạn giải quyết các nhiệm vụ phức tạp và thay mặt bạn thực hiện các tác vụ.

Tương tác với Gemini sẽ mang lại trải nghiệm đối thoại và trực quan. Đó là lý do Google công bố một trải nghiệm mới của Gemini giúp đến gần hơn với tầm nhìn mang tên Live (Trực tiếp), cho phép bạn có những cuộc đối thoại sâu sắc hơn với Gemini bằng giọng nói của mình. Google cũng sẽ mang 2 triệu token đến Gemini Advanced vào cuối năm nay, giúp bạn có thể tải lên và phân tích các tệp siêu dày như video và mã dài.

Gemini dành cho thiết bị Android 

Với hàng tỷ người dùng Android trên toàn thế giới, Google rất vui mừng được tích hợp Gemini vào trải nghiệm người dùng một cách toàn diện hơn. Với tư cách là trợ lý AI mới của bạn, Gemini sẵn sàng trợ giúp bạn mọi lúc, mọi nơi.

Google đã kết hợp các mô hình Gemini vào Android, bao gồm cả mô hình trên thiết bị mới nhất của chúng tôi: Gemini Nano với Đa phương thức, xử lý văn bản, hình ảnh, âm thanh và giọng nói để mở ra những trải nghiệm mới trong khi vẫn giữ thông tin ở chế độ riêng tư trên thiết bị của bạn.

Tiếp cận AI một cách có trách nhiệm

Google tiếp tục tiếp cận AI một cách cơ hội, táo bạo và đầy hứng khởi và đó cũng là điều cần đảm bảo thực hiện một cách có trách nhiệm. Google cũng đang phát triển một kỹ thuật tiên tiến được gọi là đội đỏ được hỗ trợ bởi AI. Kỹ thuật này dựa trên những đột phá về trò chơi của Google DeepMind như AlphaGo để cải thiện mô hình sẵn có. Ngoài ra, SynthID đã được mở rộng, công cụ tạo hình mờ giúp xác định nội dung do AI tạo ra dễ dàng hơn với hai phương thức mới: văn bản và video.

Cùng nhau kiến tạo tương lai 

Tất cả những điều này cho thấy sự tiến bộ quan trọng khi chúng ta thực hiện cách tiếp cận táo bạo và có trách nhiệm để giúp AI trở nên hữu ích cho mọi người.

Google đã tiên phong tiếp cận AI từ lâu. Những nhà lãnh đạo nghiên cứu hàng thập kỷ của Google đã đi tiên phong trong nhiều đột phá thúc đẩy sự phát triển của AI như hiện nay:

• Cơ sở hạ tầng hàng đầu thế giới được xây dựng cho kỷ nguyên AI
• Sự đổi mới tiên tiến trong Tìm kiếm, hiện được hỗ trợ bởi Gemini
• Các sản phẩm trợ giúp ở quy mô đặc biệt — bao gồm 15 sản phẩm với nửa tỷ người dùng
• Và các nền tảng cho phép tất cả mọi người — đối tác, khách hàng, người sáng tạo và tất cả các bạn — phát minh ra tương lai.

Tiến trình này chỉ có thể thực hiện được nhờ vào cộng đồng nhà phát triển tuyệt vời của Google. Chính các bạn là người biến chúng thành hiện thực thông qua những trải nghiệm và ứng dụng mà các bạn xây dựng hàng ngày. Gửi tới tất cả mọi người ở Shoreline và hàng triệu người đang theo dõi trên khắp thế giới, đây là những khả năng ở phía trước và hãy cùng chung tay tạo ra chúng.