เดโม Gemini "Duck" ไม่ได้ดำเนินการแบบเรียลไทม์หรือด้วยเสียง

[GN⁺]

ความเห็นจาก Hacker News

• ในชั้นเรียนวิทยาการคอมพิวเตอร์ครั้งแรก ได้รับโจทย์ให้ใช้ Raspberry Pi สร้าง "อะไรสักอย่าง" โดยไม่มีประสบการณ์เขียนโค้ดหรือคำแนะนำมาก่อน

  • สมาชิกทีมสามคนซื้อเซ็นเซอร์ความชื้นเพื่อสร้างระบบตรวจจับน้ำท่วม ติดตั้งไว้ใต้สะพาน และคิดไอเดียให้ส่งอีเมลไปยังผู้เกี่ยวข้องเมื่อเกิดน้ำท่วม
  • ตอนสาธิต พวกเขารันสคริปต์ง่ายๆ ให้แสดงข้อความอย่าง "รอความชื้น", "ตรวจพบความชื้น" เป็นต้น และทำเหมือนว่ามีการส่งอีเมลจริง จนจบโปรเจ็กต์ได้สำเร็จ

• แสดงความผิดหวังที่แม้ Google จะเป็นผู้คิดค้น Transformer แต่กลับตามหลังคู่แข่งในหลายด้าน

  • Google Docs, บริการคลาวด์, เทคโนโลยีรถไร้คนขับ และด้านอื่นๆ กำลังเสียตลาดให้ Microsoft, Amazon, Tesla และรายอื่นๆ

• Sundar Pichai ตั้งคำถามกับโมเดล AI ในลักษณะที่ยากต่อการตัดสินว่าจริงหรือไม่ ทำให้เกิดข้อสงสัยเกี่ยวกับความแม่นยำของโมเดล

  • ผลเบนช์มาร์กแทบไม่ได้ดีขึ้นมากนัก แต่ในการสาธิตกลับดูเหมือนให้ข้อมูลได้อย่างถูกต้อง
  • มองว่าโมเดลมัลติโหมดมีความสำคัญต่อพัฒนาการของ AI แต่ยังต้องมีหลักฐานว่าโมเดลสามารถจำลองความสัมพันธ์เชิงเหตุและผลได้จริงหรือไม่

• รู้สึกว่าเว็บเพจและเนื้อหาของ Gemini เลียนแบบการตลาดของ Apple

  • การใช้ถ้อยคำเกินจริง การเน้นความหลากหลายมากเกินไป และแอนิเมชันที่ไม่จำเป็น ทำให้ดูเหมือนเป็นความพยายามของบริษัทเล็กที่อยากให้ตัวเองดูเหมือนบริษัทใหญ่

• ชี้ว่า Google ประกาศว่าโมเดลสามารถรับอินพุตวิดีโอและเสียงได้ แต่ความจริงแล้วเป็นการสาธิตที่ผ่านการตัดต่อ

  • ส่วนการสร้างเพลงก็ไม่ใช่เอาต์พุตจริงจากโมเดล แต่เป็นเพียงคำอธิบายอย่างหนึ่งเท่านั้น
  • วิจารณ์ว่า Google ปรับแต่งทั้งเบนช์มาร์กและการสาธิต และมุ่งเน้นแต่การโฆษณาเกินจริงเพื่อเอาใจผู้ถือหุ้น

• แชร์ประสบการณ์การใช้วิธีป้อนข้อความแบบ Swype มาเป็นเวลานาน

  • ตอนแรกอาจไม่คุ้นเคย แต่เมื่อใช้งานจนชินแล้วจะมีประสิทธิภาพมาก
  • ทุกผลิตภัณฑ์อาจมีช่วงเริ่มต้นที่ยากลำบาก แต่เมื่อเวลาผ่านไป ข้อดีก็จะเด่นชัดขึ้น

• รายงานว่าหน้า Bloomberg ที่ลิงก์ผ่าน Twitter ถูกถอดลงแล้ว

  • ในหน้าใหม่มีการระบุว่าเนื้อหาบางส่วนถูกดัดแปลง

• ตั้งคำถามเรื่องความน่าเชื่อถือของวิดีโอ เสียง และภาพ ว่าเป็นของจริงหรือไม่

  • แสดงความสงสัยว่าจะตรวจสอบได้อย่างไรว่าพนักงานทำงานทางไกลเป็นมนุษย์จริง หรือเป็นสิ่งที่ถูกสร้างขึ้นบางส่วน

• แม้อาจมีความเข้าใจผิดเกี่ยวกับความสามารถของ Gemini แต่คาดว่าการโต้ตอบแบบเรียลไทม์จะถูกเพิ่มเข้ามาในแอปในไม่ช้า

• อาจมีความเข้าใจผิดเกี่ยวกับความสามารถของ AI แต่ในวิดีโอก็มีข้อสงวนสิทธิ์เกี่ยวกับการตัดต่ออยู่

  • มีเทคโนโลยีรู้จำเสียงและแปลงข้อความเป็นเสียงที่ดีอยู่แล้ว ดังนั้นส่วนนี้จึงไม่ใช่ปัญหา
  • คำถามหลักอยู่ที่ส่วนที่เกี่ยวกับเกมสลับแก้ว ว่าโมเดลรับอินพุตวิดีโอสั้นๆ จริงหรือไม่