AI TrendTrackers

OpenAI 公司，这家负责管理 ChatGPT、DALL-E 3、GPT-4 以及其他高能力生成 AI 系统的 AI 初创公司的非营利性管理机构 OpenAI, Inc. (一家 501(c)(3) 非营利组织)，已经解雇了 Sam Altman。他将离开公司董事会，并卸任 CEO 职务。 在 OpenAI 官方博客上的一篇文章中，公司写道，Altman 的离职是在董事会进行了“审慎的审查过程”后得出的结论，这个过程发现 Altman “在与其他董事会成员的沟通中并不总是坦率”，“阻碍了其履行职责的能力”。“董事会不再对 [Altman] 继续领导 OpenAI 的能力有信心。” OpenAI 的这次重大领导层变动还将看到 Greg Brockman — 他和 Altman 一样是 OpenAI 的联合创始团队成员 — 卸任董事会主席，但仍然担任 OpenAI 的总裁，向公司新任命的临时 CEO Mira Murati 汇报。Murati 此前是 OpenAI 的首席技术官。OpenAI 表示，它将立即开始进行正式的 CEO 搜索。 “OpenAI 是有意构建的，以推进我们的使命：确保人工通用智能惠及全人类，”董事会在一份联合声明中写道。“董事会仍然全力支持这一使命。我们感谢 Sam…

社交媒体巨头 Meta 根据 11 月 16 日的博客文章，介绍了其最新的用于内容编辑和生成的人工智能（AI）模型。 这家公司推出了两种 AI 驱动的生成模型。第一个是 Emu Video，利用 Meta 之前的 Emu 模型，能够基于文本和图像输入生成视频剪辑。第二个模型 Emu Edit，专注于图像操作，承诺在图像编辑方面更精确。 这些模型仍处于研究阶段，但 Meta 表示其初步结果显示了对创作者、艺术家和动画师等的潜在用途。 据 Meta 的博客文章，Emu Video 接受了一种“分解”方法的训练，将训练过程分为两步，以使模型能够响应不同的输入： “我们将过程分为两步：首先，根据文本提示生成图像，然后根据文本和生成的图像生成视频。这种‘分解’或分割方法让我们能够高效地训练视频生成模型。” 同一模型还可以根据文本提示“动画化”图像。根据 Meta 的说法，不是依赖于“深度级联模型”，Emu Video 只使用两个扩散模型来生成 512×512 分辨率、每秒 16 帧的四秒长视频。 专注于图像操作的 Emu Edit 将允许用户删除或添加图像背景、执行颜色和几何变换，以及图像的局部和全局编辑。 “我们认为，主要目标不应该仅仅是制作一个‘可信的’图像。相反，模型应该专注于精确地改变与编辑请求相关的像素，” Meta 指出，声称其模型能够精确地遵循指令： “例如，在棒球帽上添加‘Aloha!’文本时，帽子本身应保持不变。” Meta 使用包含 1000 万合成图像的数据集训练 Emu Edit，每个图像都有输入图像和任务描述以及目标输出图像。“我们认为这是迄今为止同类最大的数据集，”公司说。 Meta 新发布的 Emu 模型是使用 11…

微软的2023 Ignite活动带来了许多更新，AI产品的发布和扩展成为该公司为IT专业人士展示其更新愿景的核心。 正如我们自己的Devin Coldewey在10月份所写，微软首席执行官萨提亚·纳德拉已经明确表示，公司全力以赴投入AI，并且Ignite证明了这一点。从将其ChatGPT竞争对手必应聊天重命名为Copilot，到备受期待的自定义AI芯片，以与英伟达竞争，再到生成语音合成头像的方法，周三的活动中有许多以AI为中心的揭露。 我们汇集了我们各自的微软和AI专家Frederic Lardinois和Kyle Wiggers的各种公告，以防你错过了。 Bing Chat的竞争对手现在是Copilot 微软将今年早些时候在Bing上推出的AI驱动的聊天机器人Bing Chat重命名为Bing中的Copilot。Bing Chat Enterprise也被重新命名为Copilot。 正如Kyle所指出的，这一改变很可能是因为Bing Chat并没有为Bing带来多大的改变。现在看来，该公司正试图将这项技术与搜索引擎分离，以更好地与ChatGPT和其他流行聊天机器人竞争。 Copilot现在除了Copilot.Microsoft.com和Bing外，还可以在Windows中使用，并且在微软的企业订阅计划中免费提供。从12月1日起，Copilot将包含在Microsoft 365 F3中，并且其他客户将以每月5美元的价格提供。 自定义芯片，重点是人工智能 微软正在努力摆脱对GPU的依赖，推出了两款定制设计的、面向数据中心的AI芯片：Azure Maia 100 AI加速器和Azure Cobalt 100 CPU。 Maia 100可用于训练和运行AI模型，而Cobalt 100则设计用于运行通用工作负载。 微软表示，Maia 100和Cobalt 100将于明年初开始在Azure数据中心推出。它将首先为微软的AI服务提供动力，如Copilot和Azure OpenAI服务。 新的AI工具Copilot Azure、Copilot for Service和Copilot Studio 微软在Copilot中推出了新的AI工具，这是该公司生成性AI技术的品牌：Copilot for Azure、Copilot for Service、Copilot Studio和Dynamics 365 Guides中的Copilot。 Copilot for Azure是微软对谷歌云最近宣布的Duet AI的回应，它采用了一个面向云客户的聊天驱动助手的形式。Azure的Copilot目前可预览。 Copilot for Service是一个面向客户服务需求的工具，可以通过利用公司的网站、知识文章、离线数据库等回答客户服务代理常见的问题。 Dynamics 365…

中国的研究人员开发了一种由人工智能 (AI) 支持的机器人化学家，它可能能够从火星的水中提取氧气。该机器人使用火星上发现的材料生产催化剂来分解水，释放氧气。这个想法可以补充现有的氧气生成技术，或导致开发能够在火星上合成有用资源的其他催化剂。 英国利物浦大学的化学家安迪·库珀 (Andy Cooper) 说：“如果您考虑一下去火星的挑战，您必须使用当地的材料。” “所以我可以理解它的逻辑。” 这项发表在《自然合成》杂志上的研究由中国科学技术大学的姜俊领导。姜俊和他的团队使用了一个冰箱大小的移动机器，配备了一个机械臂，分析了五颗来自火星或在地球上收集但模仿火星表面的陨石。该团队的目标是调查机器是否可以从材料中生产有用的催化剂。 AI 驱动的系统使用酸和碱来溶解和分离材料，然后分析产生的化合物。然后，这些化合物形成了对超过 370 万个化合物的搜索的基础，以寻找一种可以分解水的化学物质 – 已知存在于火星的两极和行星表面下 – 该团队表示，这个过程需要人类研究人员 2,000 年才能完成。结果是用于从水中释放氧气的氧气释放反应催化剂，有可能在未来的火星任务中使用。 “我们已经开发了一个具有化学大脑的机器人 AI 系统，”姜说。 “我们认为我们的机器无需人工指导即可利用火星矿石中的化合物。” 催化剂创造者 如果可以在火星上制造出能够从水中产生氧气的催化剂，这将消除需要任务从地球携带这种催化剂。姜说，对于每平方米的火星材料，他的团队的系统每小时可以产生近 60 克氧气，这可能会消除未来在该行星执行任务的宇航员携带氧气从地球携带到那里的需要。姜说：“机器人可以连续工作多年。” 然而，麻省理工学院干草堆天文台的迈克尔·海特 (Michael Hecht) 说，在火星上生产氧气有一种更简单的方法。他是美国宇航局毅力号漫游车上的“火星氧气现场资源利用实验”（MOXIE）的首席研究员，该漫游车于 2021 年 2 月登陆火星，并成功展示了从火星大气中生产氧气的能力，其中大部分是二氧化碳。 MOXIE 由于毅力号的功率输出有限，只能一次生产几克氧气。但将来，可以将 MOXIE 的放大版本用于生产足够多的人类定居点氧气。MOXIE 还可以生产足够量的气体作为火箭燃料的氧化剂，以发射航天器返回地球。海特说：“你每小时可以生产两到三公斤。” “扩大规模没有任何障碍。” 姜指出，他的团队的机器人化学家也可以用于在火星上生产其他有用催化剂，用于诸如施肥植物等过程。他说：“这种机器人可以制造不同的化学物质。” 而且火星并不是它唯一可以使用的的地方。姜说：“也许月球土壤是另一个方向。” 库珀说，以这种方式使用 AI 来合成有用材料是一个新兴的研究领域，除了太空旅行外还有其他应用。他说：“这是一种新兴的 AI 应用方法，更广泛地适用于所有类型的化学，而不仅限于催化和氧气生产。”

最近很火的人工智能技术ChatGPT,估计大家都听说过吧。它代表了新一代的生成式人工智能技术的到来。使用这种技术,会在专业人士和企业中出现一个明显的分界线:那些利用这项变革性技术来提高生产力和创新能力的人,和那些落后于时代潮流的人。成功的前景正在迅速演变,决定因素将是对生成式人工智能的心态。 那么问题就变成不是如果而是如何调整自己迎合这波变化。这是一个我们都应该思考的大问题。但是对于任何变革来说,出发点通常是弄清我们自己需要如何改变。我相信对大多数人来说,这意味着我们需要考虑如何培养生成式人工智能的心态。 那么什么样的心态呢?如果我们想充分利用机遇,我们应该如何训练自己的思维、行动和应对方式? 这不仅仅是技能的问题,尽管技能也是另一个关键环节,更多关乎使用技术的方式。心态更多关乎做好准备,识别机遇并抓住机遇。所以,我将试着定义其核心特征,并看看任何人,不仅仅是天生具备这些特征的人,如何改进和掌握这些特征。 生成式人工智能心态的核心信念是,生成式人工智能是一种工具。它不会代替我们的工作,我们会用它来更有效地完成工作。它不会取代人类对创造力和解决问题的渴望,但它会大大减少我们在重复或技术方面的工作时间,这样我们就可以花更多时间在这些事情上。 当然,这与其他成功采用我们这辈子的重大变革的人所采用的心态变化是一致的。例如互联网的出现。从杰夫·贝佐斯创立亚马逊,到Z世代的数字创业者找到从社交媒体中创收的无数新方法。他们都拥有、采用或培养一系列的特征,这使他们在识别机会时不会被自我设限的信念、过程或行为所阻碍。 那么,这些心态品质是什么?我们如何判断自己是否拥有这些品质?如果我们没有,我们可以做些什么来培养这些品质? 生成式人工智能心态的特征 采用生成式人工智能心态,我认为,需要从传统的思维方式转变为更具适应性、协作性和前瞻性的方式。 适应性是关键。这意味着愿意摒弃我们熟知的东西,即使我们认为它有效,以采用新的东西。即使对一个适应性强的人来说,不熟悉也让人不舒服,但他们会以此作为激励,熟悉任何新的东西 – 新的工具、流程、技能甚至一个新的人。 与此密切相关的是好奇心,这推动了每一位伟大的发明家和探险家。我们可以通过在不确定某些事情时自我训练提出问题来培养这种品质。有时,我们倾向于对不理解如何、为什么或假设了解的东西感到满意。提出这些问题并为我们的环境、经验或流程寻找答案,让我们识别可以做得更好的地方。如果你不明白某件事是如何运作的,那么它可能就不能正常工作,这是一个改进的机会! 培养持续的学习也很重要。过去学校和大学为我们一生的职业做好了准备的日子一去不复返了。今天保持领先意味着不断更新我们的技能和知识。幸运的是,大量免费和负担得起的在线课程的激增,以及雇主对于再培训员工的需求日益增长,意味着机会往往是可得到的。 其他因素包括愿意与人和机器协作的意愿、对生成式人工智能伦理影响的认识、批判性思维能力和解决问题的动力。 极客心态 最近,我有幸读到了麻省理工学院主要研究员兼数字经济倡议负责人安德鲁·麦卡菲的最新著作《极客之道》的预发行版本。 麦卡菲对极客的定义是一个“痴迷的反叛者”,他们执着并敢于非常规。他将他所说的“极客之道”定义为四个特征:速度、所有权、科学和开放。 采用这种心态使极客继承了地球。正如麦卡菲最近在与我交谈时所说,21世纪美国公司所有市值增长的三分之一都是由北加州的企业产生的 – 具体来说,他是指硅谷,极客的故乡。 速度体现在科技界取得成功的人能够快速迭代的能力上 – 启动最小可行产品,在必要时失败,并利用吸取的教训改进。 所有权是指确保每个人对自己的工作和达成自己目标负责。科学意味着根据数据行事 – 根据证据显示的最佳方向前进。开放是接受批评或新想法的能力。 所有这些品质与我所认为的生成式人工智能心态息息相关,而且同样是可以学习的特征。此外,它们与使我们成为成功人类的特征密切相关 – 学习、批判性思维和协作 – 而不是技术或机械能力。 正确的心态 从上面的例子可以看出,这些品质大多是我们所有人在日常生活中或不使用的品质,这取决于我们是什么样的人。 但至关重要的是,这些都是几乎任何人都可以在我们的日常环境和工作生活中培养和改进的品质。 适应能力、好奇心、开放性、协作意愿和解决问题的能力都是我们可以在自己和他人身上发现的人性品质。 它们大多是通过与其他人互动和接触培养的技能。反过来,我相信当它来定义我们与将改变每个行业的新一代机器和智能工具的关系时,它们会非常有益。 朋友们,新的技术革命已经来临,我们必须做好准备迎接它。调整心态非常重要,这样我们才能在这个变革中获得成功。让我们保持积极心态,培养适应能力和团队合作精神,抓住机遇创造更美好的未来!

让开吧,Meta,开源界出现了新王者。Mistral 7B在2023年9月底发布,它不仅采用了Apache 2.0协议,还比Llama 2体积更小、性能更好,现在有传言a16z要以25亿美元估值投资它4亿美元。 当然,Mistral在发布文章中强调的97.5%的压缩率中,有75%来自Chinchilla论文,我们在播客中已经讨论过它了,现在大家也都知道了。但真正的重点是它改变了模型大小与性能之间的效率前沿: 根据Mistral的论文。注意图中的轴都没有从0开始,这夸大了差异,但这仍然是一个重大成就。 Mistral称其为“示范模型”,我们之前已经讨论过猜测,Mistral 7B可能是建立在高达8T标记的数据集上训练的800B检查点。而Llama 2只训练了2T标记。如果这种猜测是真的,再考虑到Together AI本月发布了一个新的30T标记数据集,那么“标记危机”似乎还不是问题(OpenAI和EleutherAI的领导者都认为存在这一问题)。 微调。在发布一个月后,Mistral彻底改变了开源模型的局面,最明显的是HuggingFace基于UltraChat数据集对Mistral的微调Zephyr 7B,它使用了一种名为DPO的PPO-RLHF的简单替代方案。这种微调令Mistral 7B的表现超过Llama 2 70B在MT Bench上的成绩,这对一个体积小10倍的模型来说是一个令人印象深刻的成就。Nous Research社区(在OpenAI开发者日有了高调亮相)也非常活跃,将Hermes基模型切换到了Mistral,击败了之前的Hermes 13B和70B模型。自然,自定义微调现在非常热门,Brev和WandB也在这个领域大显身手。 “开源”意味着什么? 尽管Mistral的权重确实是无BS的开源许可,但他们的数据集没有开源,虽然发表了论文,但只提供了关于滑动窗口注意力的红鲱鱼(误导信息)。我们并不真正知道它为什么表现那么好,而且研究社区似乎也没有从Mistral的发布中受益——那么,Mistral真的开源吗?还是说我们只满足于权重开源许可就算作“开源”? 6月份,OSS Capital试图定义一个开源权重基金会,但没有获得关注。实际上,公司没有任何动机公开自己的数据集,因为这只会引来诉讼和竞争。他们也没有多少动机公开模型架构和训练流程,只有在允许推理和微调时才会公开,就像Mistral和Meta做的那样。 来自“开源如何吞噬AI”的更新图表,我们难以相信这已经是一年前的事了。 斯坦福来了!来自Percy Liang的CRFM实验室的新的基础模型透明度指数(FMTI),是开源模型迈出的最重要的一步,因为它是由同行设置的开放标准: 它不是由开源倡议组织或其他监管基金会强加的二元开放/不开放模型,而是根据100个透明度点对模型和实验室进行评分,让他们可以选择透明度的程度,但使用他们比空谈开源抱怨者更在意的一件事:同行压力。 现在,开源模型运动可能有机会通过模型实验室的行动量化改进,而不是那些没有立场的人想要的开放程度,收敛到可集体接受的最大开放程度

机器学习方法检测阿尔茨海默症的准确率超过90%——这对临床医生和开发治疗方法的科学家来说是一个潜在的福音。 华盛顿特区 研究人员筛选了成千上万人的基因组,努力寻找与阿尔茨海默症相关的基因。但这些科学家面临一个严峻的障碍:很难确定这些人中谁确实患有阿尔茨海默症。这种疾病没有确凿的血液测试方法,而痴呆是阿尔茨海默症的一个关键症状,也由其他疾病引起。早期阿尔茨海默症可能不会引起任何症状。 现在,研究人员开发了基于人工智能的方法,这可能会有所帮助。一种算法可以有效地筛选大量的大脑图像,挑出那些包含阿尔茨海默症特征的图像。第二种机器学习方法识别大脑的重要结构特征——这最终可能帮助科学家在大脑扫描中发现阿尔茨海默症的新迹象。 目标是将人们的大脑图像用作阿尔茨海默症的“视觉”生物标志物。将该方法应用于也包含医疗信息和遗传数据的大型数据库(例如英国生物库)中,可能使科学家找出对该疾病起贡献作用的基因。反过来,这项工作可能有助于开发治疗方法和预测谁有患病风险的模型。 将基因组学、大脑成像和人工智能结合起来,使研究人员能够“找到与基因驱动因素紧密相关的大脑测量指标”,该研究的带头人,洛杉矶南加州大学的神经科学家保罗·汤普森说。 汤普森等人于11月4日在华盛顿特区召开的美国人类遗传学年会上描述了这些新型人工智能技术。 数据过载 过去20年来,成千上万的人既测序了基因组,又进行了大脑扫描,以构建巨大的研究数据库。但产生这股信息洪流的速度正超过研究人员分析和解释它的能力。 “与5-10年前相比,我们现在数据非常丰富,这就是人工智能(和机器学习)方法可以发挥作用的地方,”纽约市西奈山伊坎医学院遗传学家艾莉森·戈特说。 2020年,汤普森启动了AI4AD,这是一个跨美国的研究人员联盟,旨在开发人工智能工具来分析和整合与阿尔茨海默症有关的遗传、图像和认知数据。作为这个项目的一部分,研究人员创建了一个人工智能模型,该模型经过对数万张磁共振成像(MRI)大脑扫描进行训练。这些图像之前已由医生进行审查,医生挑出显示阿尔茨海默症证据的扫描。从这些图像中,人工智能工具学习了患病和未患病人员的大脑外观。 自学算法 在一项尚未经同行评议的预印本研究中报告,AI分类器检测阿尔茨海默症大脑扫描的准确率超过90%。该联盟还使用了类似的方法创建了一个分类器,可以准确地将扫描分类到与认知衰退和痴呆相关的大脑病理变化的独立类别中。 德桂治,得克萨斯大学休斯顿健康科学中心的数据科学家及其同事采取了不同的方法。汤普森和他的团队让人工智能模型关注已知与阿尔茨海默症相关的大脑区域,而德桂治希望工具自己学习有助于诊断该疾病的大脑结构特征。 研究人员的人工智能工具检查了成千上万的大脑扫描,选择了最可靠区分一个人大脑与其他人大脑的特征。德桂治说,这最大限度地减少了人为偏见对算法的影响。现在,德桂治的团队正在使用该算法来识别最能区分患病和未患病人员大脑扫描的特征。 汤普森和德桂治都承认,人工智能模型的质量与其训练数据的质量一样好。英国生物库等数据库中进行过大脑扫描和基因组测序的人员种族和地理分布不均,所以这种人工智能引导的研究结果可能不适用于所有人。此外,戈特说,证明人工智能模型的性能可以在其他数据库中复制,并显示出一致的结果,这将至关重要。 波士顿麻省总医院的神经遗传学家鲁道夫·坦西说,这些生物标志物有望成为疾病风险评分的一部分,还整合了血液生物标志物和遗传学。当所有这些数据点结合在一起时,风险评分可以变得“指数级更敏感”,这有望让人们在疾病进展之前寻求早期治疗,他补充说。 汤普森说,阿尔茨海默症只是开始。如果这种方法有效,也可以应用于在大脑成像上有体征的其他疾病,他说。

在当前的技术发展浪潮中，开源模型的飞速进步成为了一个让人振奋的亮点。以Llama 2和Mistral为代表的这些模型正在重新定义我们与技术的互动方式。在这个进步的背后，一个重要的推动力是消费硬件制造商不断在产品中集成GPU。这不仅仅是一个趋势，而是一个颠覆性的行业变革。 这种变革尤其在开源软件模型的发展上体现得淋漓尽致。如今，这些模型变得更加小巧、运行更快，这意味着使用像Ollama（Ollama on GitHub）这样的工具在本地硬件上运行模型不再是遥不可及的梦想，而是即将成为常态。 然而，尽管最近几个月针对浏览器的向量存储和嵌入技术等专用模型取得了巨大的进步，但大型语言模型（LLMs）仍然存在一个不小的挑战——它们的庞大体积使得直接将其打包进网页应用变得不现实。 这就引出了一个问题：如果我们想要在网页应用中利用本地的大型模型，该如何是好呢？幸运的是，有了像Ollama AI’s blog on building LLM-powered web apps这样的资源，我们可以探索将强大且预先安装的LLM模型与网页应用结合的新方法。 随着这些技术的不断发展和优化，未来在网页应用中融入本地运行的高级AI模型将成为一种越来越吸引人的探索方向。这不仅仅是技术的一次飞跃，更是开启普通用户接触和利用高级AI技术的大门，预示着一个更加智能、互动的数字世界的到来。

根据工会达成的劳动协议，电影制片厂必须获得演员的许可，才能在由人工智能生成的作品中使用他们的形象，并且每当他们的数字替身出现在屏幕上时，都必须支付给演员报酬。 演员们作为周三晚些时候宣布的协议的一部分，确保了这些新的保障措施，根据演员工会SAG-AFTRA的首席谈判代表Duncan Crabtree-Ireland的说法。 在这份为期三年的合同下，演员们“拥有同意权和公平报酬权，无论何时他们的数字复制品或替代品被使用”，Crabtree-Ireland告诉路透社。Crabtree-Ireland说，拟议的协议为AI使用设定了最低报酬标准。演员们也可以自由谈判更高的报酬。 SAG-AFTRA的全国董事会将在周五对该提案进行投票后，将公布新合同的全部细节，工会表示。然后，该协议将提交给工会成员批准。电影和电视表演者将AI视为一种存在的威胁，担心他们会被自己肖像的数字版本或由AI创造的“元人类”所取代。 背景和配音演员特别担心他们会失去工作，被合成表演者所取代。Crabtree-Ireland说，拟议的合同还包括围绕使用生成性AI创造合成演员的安全保障。AI技术已经被用来消除年龄线条或替换对话片段，引发了人们的担忧，即工作室可能会让演员说出他们未经批准的话。 Crabtree-Ireland说，这个问题成为SAG-AFTRA工会的一个主要难题，该工会代表约16万名演员、特技表演者、配音艺术家和其他表演者，也是最后一个待解决的话题之一。“我们终于，在过去几天取得的改变中，达到了一个我们可以自信地说，我们的成员确实拥有了保护措施的地步，”Crabtree-Ireland说。 “这些保护措施是这样设立的，即使随着技术的发展，这些保护也会随之发展。”谈判代表华特迪士尼、华纳兄弟探索、奈飞和其他主要制片厂的电影和电视制片商联盟表示，合同提供了“在使用人工智能时广泛的同意和报酬保护”。在好莱坞经商的技术高管表示，制片厂一直在等待业界就AI使用建立基本规则，之后他们才会全面探索新的用途。 电影和电视编剧也在今年作家工会长达五个月的罢工后赢得了围绕AI使用的保护。 其中，制片厂必须向编剧披露是否有任何材料是由AI生成的……

各位网友，大新闻来了！今年，我们的搜索小组把玩具箱里的新宠——生成型人工智能（AI），搬到了搜索引擎上，让大家能以新颖又快捷的方式找到心中所求。有了搜索生成体验（SGE），只需动动手指，AI就能帮你汇总出最有帮助、最相关的信息摘要。 过去，搜索就像是在海里捞针，现在好了，生成型AI的加持下，我们不仅提供了更广范围的信息，还能从多角度满足你的好奇心。现在的SGE，就像是给搜索结果页开了个链接自助餐，品类丰富，让更多的内容有机会大展身手。 不仅如此，我们还将视野扩大到了美国以外，印度和日本的小伙伴们也开始享受这项服务。反馈呢？大多数像尝到了甜头一样，尤其是对那些曾经想都不敢想的复杂问题，AI就像个无所不知的小能手，给出了意想不到的答案。 现在，请允许我放大招——我们的生成型AI搜索将拓展到超过120个新国家和地区，同时还加入了四种新语言的支持哦。此外，在美国率先推出的一些升级功能，将让SGE的交互性更上一层楼——包括更简便的后续提问、AI助力的翻译帮手，以及像编程这样的主题更多的定义解释。 惊不惊喜，意不意外？从今天开始，包括墨西哥、巴西、韩国、印尼、尼日利亚、肯尼亚和南非在内的120多个新地区，都能用英语体验Search Labs和SGE啦！ 而且，对于SGE的用户，我们还特别开通了西班牙语、葡萄牙语、韩语和印尼语的支持。比如说，如果你在美国用西班牙语溜达，现在可以用自己习惯的语言使用生成型AI搜索啦！ Search Labs是我们提供的一种全新方式，让你在谷歌应用（Android和iOS）和Chrome桌面端上测试搜索的早期实验。一旦你加入了Search Labs，开启SGE实验就可以大显身手了。新加入的国家今天就可以通过Chrome桌面端访问，通过谷歌应用的访问权限将在接下来的一周内开放。 想要更自然地获得信息，或者更深入探讨一个话题？我们了解到，大家喜欢提问后续问题，所以我们正在试验直接在搜索结果页面提问后续问题的新方法。你可以轻松查看之前的问题和搜索结果，包括整个页面上的专属广告位中的搜索广告。 也许你最初搜索的是“如何和我的比格犬一起跑步”，现在想问“那远足呢？”只需点击输入你的问题，让好奇心引领你继续探索。这项更新将在未来几周首先在美国的英语搜索结果中推出，并且我们将继续对这一体验进行迭代。 在进行语言翻译时，有时候真的得靠猜——比如，很多语言中的一个词可能有多个含义，而标准的翻译工具可能不会检测到这一点。假设你想将“is there a tie?”从英语翻译成西班牙语。看似简单，但tie可能既指一种服饰，也可能指一场比赛的平局。 好消息是，生成型AI搜索可以帮你避免这种含糊其辞。不久的将来，如果你要求搜索翻译一个可能有多个意思的短语，你会看到这些词被下划线标出。点击任何一个这样的词，你就可以指出反映你想表达的特定含义。当你需要指定某个词的性别时，这个选项也可能出现。 很快，这项AI驱动的翻译能力将在美国推出，支持英语到西班牙语的翻译，并计划在不久的将来覆盖更多国家和语言。 在今年八月，我们增加了一种新的互动方式，可以在AI驱动的概述中看到教育主题的定义——比如科学、经济或历史。现在，我们将这个功能扩展到更多领域，包括编程和健康信息。在相关搜索中，你将看到某些词被突出显示，只需将鼠标悬停在它们上方，就可以预览它们的定义或查看相关图片。这项更新将在下个月推出，在美国的英文搜索中先行一步，预计很快就会有更多国家和语言跟进。