12月11日，谷歌宣布发布最新大模型 Gemini 2.0，并推出基于此模型的AI智能体 Mariner。该智能体能够浏览电子表格、购物网站等，甚至在用户监督下代表用户采取行动。这一创新进一步推动了人工智能技术的实际应用。
Gemini 2.0：支持多模态输入与高级推理
Gemini 2.0 是谷歌最新推出的大语言模型，其首个实验版本 Gemini 2.0 Flash 支持多模态输入与输出，能够直接生成图文混合内容，以及通过多语言文本转语音（TTS）功能生成音频。新模型的强大功能还包括调用谷歌搜索、代码执行，以及运行用户定义的第三方函数。
谷歌CEO桑达尔·皮查伊（Sundar Pichai）表示：“Gemini 2.0 的高级推理能力使得解决复杂问题成为可能，例如高等数学方程、多模态查询和编程问题。这一技术的突破将加速通用人工智能助手的构建。”
AI智能体Mariner：Chrome浏览器中的行动助手
基于 Gemini 2.0，谷歌专门为 Chrome 浏览器开发了 AI 智能体 Mariner。Mariner 的核心功能是帮助用户浏览网页并在需要时采取行动。例如，用户可以让 Mariner 浏览购物网站，将商品加入虚拟购物车，随后由用户确认和完成购买。
谷歌项目经理杰克琳·孔泽尔曼（Jaclyn Konzelmann）解释，Mariner 的设计是“在用户参与的情况下”使用，以确保用户对最终决策有控制权。她补充道，虽然 Mariner 能够简化任务流程，但它仍处于实验阶段，并且可能犯错。“聊天机器人在生成文本时的错误可能被忽略，但当它试图操作网站并采取其他行动时，错误的影响将更加明显。”
目前，谷歌正与外部少数测试人员分享 Mariner，但尚未公布何时向公众发布。
谷歌的AI战略与挑战
除了 Mariner，谷歌还展示了新版数字助手 Project Astra，其功能包括对图像、文本和语音命令做出反应。这表明，谷歌正在通过一系列技术探索和产品，试图在未来的人工智能市场中占据主导地位。
然而，谷歌的战略也面临阻力。美国司法部要求联邦法官迫使谷歌出售或分拆 Chrome 浏览器，称其涉嫌非法垄断。作为谷歌 AI 战略的重要平台，Chrome 的未来发展可能对公司整体计划产生重大影响。
技术的潜力与限制
尽管 Gemini 2.0 和 Mariner 展现了人工智能技术的巨大潜力，但谷歌也承认这些工具尚未完全成熟。Mariner 的应用仍需用户监督，而类似技术在操作网站时的潜在错误需要进一步解决。
目前，AI 技术正在以惊人的速度发展，谷歌的最新尝试为未来智能化浏览器和通用AI助手的实现铺平了道路。随着技术的不断迭代，Mariner 和类似的AI工具可能成为日常生活中不可或缺的助手。
