กูเกิลเผยแพร่งานวิจัยในวารสารวิทยาศาสตร์ Nature ว่าด้วยเทคโนโลยี Machine Learning ที่ถูกใช้ในการพยากรณ์การเกิดน้ำท่วมในสเกลทั่วโลก ซึ่งกูเกิลเริ่มทำมาตั้งแต่ปี 2008 ผ่านเครื่องมือ Flood Hub รองรับข้อมูลใน 80 ประเทศ

กูเกิลบอกว่า AI ปัจจุบันสามารถพยากรณ์การเกิดน้ำท่วมในพื้นที่ได้ล่วงหน้าถึง 7 วัน จึงสามารถแจ้งข้อมูลในหน่วยงานรัฐบาลของประเทศนั้น ตลอดจนองค์กรมนุษยธรรมที่เกี่ยวข้อง ให้เตรียมการช่วยเหลือและลดความสูญเสียที่เกิดขึ้นจากภัยพิบัติ

Google Research เผยแพร่งานวิจัยหัวข้อ "VLOGGER: Multimodal Diffusion for Embodied Avatar Synthesis" เป็นโมเดล AI ที่ใช้อินพุทภาพบุคคล 1 ภาพ และไฟล์เสียง สามารถสร้างวิดีโอที่ขยับได้ตามเสียงทั้งปาก ใบหน้า ศีรษะ ตลอดจนมือ

โมเดลนี้มีจุดเด่นคือไม่ต้องอาศัยการเทรนข้อมูลบุคคลนั้นมาก่อน ไม่ต้องระบุตำแหน่งใบหน้าและส่วนต่าง ๆ ก็สามารถสร้างการเคลื่อนไหวในทุกจุดในภาพ โมเดลนี้จึงมีโอกาสนำไปต่อยอดใช้ในการนำเสนอผลงาน งานประกอบการสอน หรืองานที่เดิมมีข้อมูลเฉพาะตัวหนังสือ ให้เป็นภาพเคลื่อนไหวได้ดีขึ้น อย่างไรก็ตามมีความเสี่ยงในการนำไปใช้งานอย่างไม่เหมาะสมด้วยเช่นกัน

Google Research เปิดตัว Lumiere โมเดล AI สำหรับสร้างวิดีโอขึ้นจาก Prompt ตัวหนังสือ หรือรูปภาพต้นแบบ มีจุดเด่นคือโมเดลทำงาน โดยดูองค์ประกอบในภาพข้อมูลตั้งต้น และสร้างวิดีโอต่อเนื่องขึ้นจากสิ่งเหล่านั้น ทำให้รักษาภาพรวมและสไตล์ไว้ได้มากกว่าโมเดลอื่น

ตัวอย่างวิดีโอที่สร้างขึ้นมาจาก Lumiere มีหลายรูปแบบทั้ง Text-to-Video สร้างคลิปสั้นตามข้อความอินพุท, Image-to-Video ให้รูปภาพตั้งต้นแล้วใส่อินพุทสิ่งที่ต้องการให้ภาพเคลื่อนไหว, Stylized Generation กำหนดภาพรูปแบบตั้งต้น แล้วสร้างผลลัพธ์ตามอินพุทที่ต้องการให้ได้โทนเดียวกัน

กูเกิลประกาศร่วมโครงการ Brain Research Through Advancing Innovative Neurotechnologies (BRAIN) ของ NIH หน่วยงานวิจัยด้านสุขภาพของสหรัฐฯ โดยจะทำแผนที่สมองหนูเฉพาะส่วนฮิปโปแคมปัสขนาดประมาณ 2-3% ของสมองทั้งก้อน รวมปริมาณนิวรอนที่จะวิเคราะห์อยู่ที่ระดับ 1 ล้านนิวรอน

กูเกิลเปิดตัวงานวิจัย MusicLM ซึ่งเป็น AI สำหรับสร้างดนตรีขึ้นจากการใส่แคปชั่นอธิบายรายละเอียดของเพลง โมเดลนี้เทรนด้วยชุดข้อมูลเพลงกว่า 280,000 ชั่วโมง พร้อมกับรายละเอียดประกอบในแต่ละเพลง

เสียงดนตรีผลลัพธ์ที่ได้มีความละเอียดระดับ 24 kHz งานวิจัยนี้ยังทดสอบในระดับรายละเอียดมากขึ้น เช่น รองรับแคปชันแบบเล่าเรื่อง ให้ดนตรีมีรูปแบบตามจังหวะเวลานั้น สร้างชุดเพลงแยกทั้งเสียงร้อง เครื่องดนตรีแต่ละชิ้น หรือใช้อินพุทเป็นรูปภาพประกอบคำบรรยาย แล้วสร้างดนตรีประกอบได้ด้วย

กูเกิลเปิดตัวโครงการ Imagen Video ระบบ AI สำหรับสร้างคลิปวิดีโอตามคำบรรยาย Text แนวเดียวกับ Make-A-Video ของ Meta ที่เปิดตัวเมื่อสัปดาห์ก่อน

Imagen Video พัฒนาต่อยอดจากโครงการ Imagen ที่เป็น AI สร้างรูปภาพตามคำบรรยายของกูเกิลเอง ขั้นตอนการทำงานคือถอดข้อความออกมา และสร้างวิดีโอร่างแรกขึ้นจากภาพจำนวน 16 เฟรม, 3 เฟรมต่อวินาที ความละเอียดต่ำ จากนั้นเริ่มอัพสเกลและปรับแต่งภาพให้ละเอียดขึ้น ผลลัพธ์สุดท้ายจะเป็นวิดีโอ 128 เฟรมที่ 24 เฟรมต่อวินาที ความละเอียด 720p

ชุดข้อมูลที่ใช้เทรนมาจาก วิดีโอที่จับคู่คำอธิบาย 14 ล้านคลิป, รูปภาพที่จับคู่คำอธิบาย 60 ล้านรูป และชุดข้อมูลสาธารณะ LAION-400M

Google Research และหุ่นยนต์ผู้ช่วย Everyday Robots เปิดตัวโมเดล Machine Learning เพื่อให้หุ่นยนต์เข้าใจคำสั่งแบบ NLP และสามารถปฏิบัติต่อได้อย่างถูกต้อง โดยมีชื่อว่า PaLm-SayCan

กูเกิลบอกว่า PaLm-SayCan เป็นการเรียนรู้ชุดภาษาธรรมชาติ และแปลงออกมาเป็นการกระทำสำหรับหุ่นยนต์ ผู้ใช้งานอาจป้อนข้อมูลด้วยการสั่งผ่านเสียงหรือส่งข้อความ โดยมีได้ทั้งงานง่าย ๆ ไปจนถึงงานที่มีความซับซ้อนต้องตีความ

ตัวอย่างคำสั่งเช่น "ฉันทำน้ำส้มหก ช่วยจัดการให้หน่อย แล้วทำความสะอาด จากนั้นขอกระป๋องใหม่ด้วย" หุ่นยนต์จะคำนวณความเป็นไปได้ แล้วแปลงออกมาเป็น 3 งาน เริ่มจากเก็บกระป๋องไปทิ้ง ไปหยิบผ้าเช็ด แล้วเอาน้ำส้มกระป๋องใหม่มาให้ เป็นต้น