Google I/O keynote 2025 摘要

這週比較重磅的新聞除了黃仁勳的輝達選址敲定，各大媒體都非常鼓舞之外，另一個就是Google I/O 2025 keynote了。


輝達相關的部分，黃先生演講非常多，但是烏梅菓的解讀中大多為行銷語言，硬體先行，放在台灣是很容易讓產業鏈興奮到模糊，不過我看不出來在台灣可以做出什麼「骨架很強而且有大腦」的AI。這部分我的觀察與擔憂，與葉肇元醫師的臉書文章是比較一致的。


Google keynote 2025就不一樣了，它擘劃的Google 整合AI藍圖很有前瞻性，也是眾多中到高度使用Google 工具的使用者更關心的，我閱讀了幾篇相關文章之後，自己摘錄重點備忘免得自己忘記。

1. Gemini 系統會直接內建在各種 Google 服務裡

  • 以後 Google Search、YouTube、Gmail、Docs 都有「AI 回答」的功能。
  • 不只是外部工具，而是變成內建，像系統的一部分。

［烏梅菓講人話］：
不用另外打開 ChatGPT、Gemini，或其他外掛，Google 本身就會用 AI 幫你整理資料、回信、摘要影片內容。我個人覺得目前聽起來除了摘要影片內容的功能之外，都覺得soso，不會過度期待。要是寫個Gmail Docs一直跳出AI 建議，我可能不會決定是智慧服務，而是干擾，很吵。所以可能要可以設定低干擾或靜音比較好。


2. Gemini 有三個版本：Pro、Flash、Nano（已昏倒）

  • Pro：大資料量、複雜任務用（雲端版，支援 100 萬token的超長文）
  • Flash：反應快、省電版（雲端，但更快適合行動裝置）
  • Nano：直接跑在 Android 裝置上（離線也可用，像個手機小秘書）

［烏梅菓講人話］：
從博士顧問級Pro，到超級助理Flash到Nano小秘書，不過我已經被他們名詞搞混，就像我在GPT 一直被那mini，turbo，4o ，3o...版本搞得頭昏。


3. 搜尋會改成「AI 先告訴你答案」的樣式

  • 用戶搜尋問題時，Google 先給你 AI 整理的總結，再列出資料來源。
  • 這叫做「AI Overview」。

［烏梅菓講人話］：
以後 Google 不是先丟連結，而是先「幫你整理」一段回答，讓你直接看到結論。其實我好怕，如果Google 丟出來的還預設立場預設判斷甚至胡說八道？那我還是人工驗證真偽比較好。免得深度偽造越來越靠近生活週遭。


4. Project Astra 讓手機相機也能變成 AI 助理

  • 透過手機鏡頭或麥克風，AI 會即時解釋畫面或聲音內容，像個「數位眼睛和耳朵」。

［烏梅菓講人話］：
鏡頭一拍就知道是什麼東西，或是講話時即時翻譯、摘要、做筆記。這部分前者有點科幻片影劇感，我看韓劇 ［Healer］時就想要有池昌旭特務工作的那種超級眼鏡，不過Google Glass後來沒有做成了，我以為會有這麼酷的東西，停留在高端定位最後不了了之（？）。而後者就不太稀奇，只要正確性高就好。


5. 對企業與開發者來說

  • Workspace（像 Gmail、Docs）有「Gemini for Workspace」來加強會議筆記、文件生產。
  • 開發者可以用 Gemini Nano 直接在手機上加進去新功能，無須連雲端。

［烏梅菓講人話］：
對企業和工程師很方便，因為 AI 功能直接就能裝到現有的 App 裡。我自己並沒有在用Google開發工具，不確定細節。但若微軟家的power BI + Copilot 這種模式，我目前沒有感覺/使用過它建議出來的圖表是否可以比擬人腦分析，但這部分是我會持續關注的。


6. 我目前有點懵的「Flow」

  • 一個是指 Google Gemini 中，對應其上下文推理、邏輯判斷、多任務拆解處理
  • 應該是應用在AI影片製作部分，內嵌Veo Imagen...等等
  • 這部分我自己弄清楚再來補充
［烏梅菓講人話］：
我還有點懵，到底是指哪一個？若是前者的話，多任務拆解，未來好像更可期待更有判斷及任務導向的Gemini ultra，影片生成的話不在我的涉獵範圍。不過我覺得Google 產品的命名系統一向有點亂，容易混淆。

7. Veo3 Imagen4

  • 影片/圖片生成神器，Veo3 還可以導演視角，自己控制分鏡
  • 不過好像只有美國版
［烏梅菓講人話］：
進步很好，不要拿來做深度偽造編假新聞，這個世界已經夠亂了

8. Stitch 

  • 超快的UI生成工具
  • 一個網頁，不用自己寫HTML CSS ，它可以用自然語言描述就幫你寫好
  • 可以幫開發團隊省時間
［烏梅菓講人話］：
好的，烏梅菓20年以前練就過的一身只需要靠記事本就可以寫html的本事，現在正式被AI取代。

9. 虛擬試穿功能（👚👗👖）

  • 烏梅菓自己很不爭氣catch 到的亮點：紙娃娃試穿室
  • 它可以上傳使用者照片，然後幫你模擬穿上不同衣服的樣子

［烏梅菓講人話］：
這個功能感覺很不錯啊，做為一個偶爾會敗家的女生，這個功能應該算是可以理性購物，協助排雷避坑的好工具。

結論：AI進步很快，近來不論是Open AI，Google Gemini，還是輝達擘劃的AI Agent（黃仁勳口中的「數十億個小黃」），這些一波波的都不是一次性熱潮，人類似乎被迫要擁抱AI，但我個人傾向需持續清醒觀察，包括AI大量運算帶來的碳排放，以及是否會過於聰明到讓人類失去自主性和人格完整性？這些我都比較願意先處在「觀察者」，並選擇性使用的角度來理解它們。



圖；沒有chatGPT 幫畫插畫，只好借用網路圖

※ 本文為作者實際使用經驗與觀察整理，純屬個人意見。



留言

張貼留言

這個網誌中的熱門文章

人間清醒使用者觀察日記：AI應該怎麼用？

圖片
人間清醒使用者觀察日記：AI應該怎麼用？ AI會讓人類變笨嗎？ 前幾天，朋友傳來一段ChatGPT產出的和弦，要我幫忙彈成一首歌 我當下其實有點不開心。 不只是曲子的「卡農曲式」高度公式化，而是那種「創作可以被AI輕鬆跳過」的感覺。 這篇是我從那一刻出發，寫下的觀察與反思。 10年前大家收到一個腦筋急轉彎或數學題，把它丟進Google，然後在數十篇的分享貼文部落格中抽絲剝繭找答案；10年後的現在，我們把它直接丟給ChatGPT，然後大部份的人居然還不驗算、不求證。（該不會說中你了吧？） 筆者剛開始使用AI的時候，我曾經覺得AI的推理邏輯，讓我對自己平常「auto pilot」時，無意識自然而然的決策行為更有邏輯上的校準對齊，並且知道了自己「還正常著」，因為經過AI的推理邏輯分析，也能同時帶給我冷靜反思的空間。 但那是因為烏梅菓自認為是極高度的AI自律使用者，我寫文章堅持要自己原汁原味地寫，或至少是經AI整理、但是我自行消化輸出。但後來站在週遭朋友們更普遍的使用立場來觀察，我就開始感覺…AI的便利性99%會讓人變笨。剩下的是1%的「人間清醒」、「懂得區分AI邊界」的使用者。 10年前我們就已知道AI會作曲，但還沒感覺它發生在我們自己身上，因為那似乎是研究室的「成果發表」；10年後的現在，我的朋友寫了歌詞，請ChatGPT幫忙套和弦，丟給我看，要我幫彈鋼琴做曲… 我突然感覺到「藝術創作的辛苦過程，完全被輕視」的不適感。 我看見了那段ChatGPT產生的和弦進行，是全世界流行歌曲中最芭樂的「卡農曲式」，依照我所能理解的ChatGPT回應邏輯，它提供一個「大眾審美/賞樂」最容易接受的答案，這在大語言模型的回饋來說再正常不過了。但是我無法接受的是「拿來直接套用」、「不經思考驗證」，甚至「要求別人加工」這些衍生而來的輕率感… 我到樓下順了和聲，然後進入一個「隨便彈」的狀態，順了兩次之後直接錄下來，十分鐘完成。自己知道非常普通，但其實我並不想用心。我的感想就是自己對創作歌曲的能力是不足的，在10分鐘之內我對友人的歌詞無法產生共鳴，也沒有強烈的創作動機。但我也確實在這個卡農曲式裡面可以很快的拼裝出「聽著很順但沒特色的大串燒」，可以和其他的卡農曲式歌曲來個二重奏、跳接拼歌不違和。我對自己的演繹定位是：「理解和弦，可以用和弦演奏旋律，但目前尚無法進行真正的創作。」充其量，有點像音樂系術...
閱讀完整內容

AI智能客服？

圖片
最近Umeiko在使用自己平日手機裡的一些APP/Line工具，例如金融、保險、藝文訂票服務等的「AI智能客服」功能時，非常一致性地發現，其實它們不怎麼AI，完全只是「穿著AI面具的FAQ」啊？ 這些「AI智能客服」有幾個共通處： （1）上下文記憶：幾乎沒有 （2）一次只能問一個清楚的問題（所以甚至大多提供了樹狀選項） （3）無法處理交叉條件的問題：例如詢問XX展覽-->列出展覽資訊；詢問票別-->列出購票資訊；但你若詢這 XX展覽 可以 買愛心票 嗎？它會回答： 我聽不懂你的意思……@@ （4）幾乎都是FAQ導引任務導向型，偶有出現在輸入時AutoComplete的優化介面 烏梅菓使用小結：這完全是【 穿著AI外衣的FAQ 】啊！這不是AI！這不是AI！這不是AI！算是AI幼幼班？ 為此，我認真地研究了目前台灣的各產業限制，為什麼這些聊天式的AI，都還只能在「類似FAQ」的範圍內發展，原來這涉及了很多層面的限制： 一、 技術底層並非真正的LLM 。多半都是關鍵字--〉意圖分類--〉對應答案。背後的邏輯對應應該也都是將SOP或既有的Rule輸入。涉及較複雜的詢問例如：「請問外幣定存商品建議投資什麼幣別？」這類複雜的判斷，它會建議你： 轉接真人客服 。 二、 上下文記憶的技術瓶頸 ：本來不知道GPU那麼燒錢，但是黃仁勳先生在台灣演講了很多次，所以我現在知道了它真的 很燒錢、很難訓練、出錯風險高。 三、除了難以訓練、成本高之外，倘以金融、保險這些 產業的性質 ，一旦像ChatGPT出現「一本正經的胡說八道」，那還不如不回答。 所以這是烏梅的使用小結： 這些「穿著AI外衣的FAQ」確實是台灣聊天型AI產品的發展現實。但我個人期望它在低風險場域（例如文史、觀光、導覽…等公部門），聊天型AI可以更進化、真的做出有LLM底層的導覽/ChatAI，只是我不知道究竟有沒有這樣的產品。 圖：穿著AI外衣的FAQ 筆者提供角色概念，ChatGPT生成圖 ※ 本文為作者實際使用經驗與觀察整理，純屬個人意見。
閱讀完整內容

AI作曲工具：Suno AI生成音樂實驗

圖片
今天烏梅菓實驗了一下AI作曲工具： Suno ，它是個語意+音樂模型匹配的音樂生成工具，樂器的話實驗了鋼琴和人聲中文歌，看起來它似乎偏好新世界樂風，給它明確的蕭邦曲目參考也沒什麼用，生出來的就是New Age。 聲明：以下 全部都是實驗 ， 沒有 半首半句來自本人創作。 【實驗一】：羅卡角之歌 咒語：A lyrical piano piece with a rubato rhythm, in a minor key. ABA form. Style similar to Chopin's nocturnes (Op. 27-1, Op. 9-2, Op. 15-2). It should evoke the feeling of standing on Cape Roca, Portugal, looking at the Atlantic Ocean, and reflecting on the longing for the distant American continent. It should express both gentle hope and a hint of wistful melancholy, with a sense of stirring emotion and inspiration in the heart of the character, Umeiko （其實打到Portugal就吃不進去了，好像是免費版字數限制） 結果聽起來兩組都是新世紀，一點都不古典，因為模型偏好新世紀曲風 https://suno.com/s/IOPExu6iqjWeuPSP https://suno.com/s/mQWh2Ig8Ig5ZqITP 因為上面的音樂覺得：「好像順順的，但又沒什麼特色」，太無趣了吧，我因此再度實驗一個比較不常見的和弦進行（其實我就是亂打），但依然算是合理，樂句也有解決。 【實驗二】：給定降B大調，把「1 4 2 5 7dim 6 5 1」的和弦進行丟給 Suno 咒語：A lyrical piano piece in B-flat Major  using this chord progression:  B♭ - E♭ -Cm - F - Adim - Gm - F - B♭ . It should be w...
閱讀完整內容