- Проект Ellmann от Google использует Gemini AI для создания персонализированных историй жизни на основе фотографий пользователей.
- Google лицензирует Gemini AI для Google Cloud, что позволяет обрабатывать информацию в мультимодальном режиме.
- Google подчёркивает баланс между инновациями и конфиденциальностью пользователей при разработке Ellmann.
Google представил «Project Ellmann» — амбициозную инициативу по использованию технологий ИИ для обработки фотографий пользователей и поисковых запросов. Проект, предполагающий создание «личного рассказчика жизненных историй», опирается на большие языковые модели (LLM), такие какGemini AI, чтобы извлекать информацию из фотографий пользователей и создавать чат-бота, способного давать точные ответы на вопросы пользователей.
Основная цель проекта Ellmann — дать пользователям уникальный и подробный обзор их жизни, анализируя закономерности в фотографиях и превращая эту информацию в интерактивный ИИ-опыт. Хотя интеграция Ellmann в Google Photos, который насчитывает более миллиарда пользователей и хранит триллионы фотографий и видео, остаётся неопределённой, Google активно ищет способы оптимизировать свои продукты с помощью технологий ИИ.
Gemini AI: мультимодальный прорыв
Одно из последних дополнений к линейке ИИ от Google — Gemini, модель, которая в ряде сценариев превзошла OpenAI GPT-4. Google планирует лицензировать Gemini пользователям Google Cloud, позволяя им разрабатывать собственные функции. Отличительная особенность Gemini — его «мультимодальные» возможности, позволяющие понимать текст, изображения, видео, аудио и многое другое.
На внутренней встрече один из руководителей Google Photos представил проект Ellmann, подчеркнув потенциал больших языковых моделей в создании «полной картины» реального опыта пользователя. Ellmann стремится к глубокому пониманию контекста с помощью биографий, предыдущих записей и фотографий. Например, анализируя серию фрагментов, Ellmann может распознавать такие темы, как студенческая жизнь.
Читайте также:Обзор Gemini от Alphabet — модели ИИ, нацеленной на соперничество с ChatGPT-4
Ellmann Chat
Согласно внутренним документам, Google рассматриваетEllmann Chat— чат-бота, который при открытии уже обладает целостным пониманием жизни человека. Пользователи могли бы задавать вопросы вроде «Есть ли у меня собака?» и получать подробные ответы, включая имя питомца и сведения о членах семьи, которым нравится общество собаки. Ellmann также может помогать с вопросами о переезде, предлагая города, похожие на текущее место жительства пользователя.
Читайте также:Google запускает NotebookLM на базе ИИ для улучшенного ведения заметок
Баланс инноваций и этических соображений
Google подчёркивает, что Ellmann находится на ранней стадии изучения, и его официальный запуск зависит от гарантии пользы для пользователей с учётом проблем конфиденциальности и безопасности. Многие технологические компании стремятся использовать новые технологии для создания более персонализированных воспоминаний пользователей, и проект Ellmann — лишь один из них.
Будь то Google Photos или альбомы Apple, обе платформы активно анализируют фотографии, чтобы выявлять закономерности и автоматически создавать альбомы. Хотя перспектива персонализированных воспоминаний на базе ИИ выглядит многообещающей, несовершенство технологий Google и Apple, продемонстрированное прошлыми инцидентами, такими как ошибочная идентификация людей, напоминает нам, что проблемы в этой области сохраняются.
Проект Ellmann — значительный шаг к персонализированному повествованию на основе ИИ, который потенциально меняет то, как пользователи взаимодействуют со своими цифровыми воспоминаниями. По мере развития технологий баланс между инновациями и учётом этических соображений остаётся критически важным аспектом этих разработок. Направление развития ИИ никогда не заключалось в замене людей или стирании индивидуальности «усреднёнными» данными. Достижения в области больших данных и алгоритмов могут помочь рассказывать персонализированные истории — и это очень позитивная тенденция.