Треба сказати, що, мабуть, за всю історію Google I/O я не пригадаю такого обсягу анонсів, які мають цікавий вигляд і при цьому багато що вже працює. Щоправда, запальність презентації традиційно для Google прагне до нуля (як не згадати початок серіалу Silicon Valley), особливо зворушливо виглядали спікери, які намагалися зі сцени сказати «Wow!». Може, це ефект амфітеатру на відкритому повітрі, щоправда, у залі могло б бути більш насиченим.

Вирішив зібрати всі анонси разом. Ось повний набір запусків:

– Gemini Ultra – нова підписка за $249.99 на місяць із максимальним доступом до AI-сервісів Google, включно з Veo 3, Flow і 30 ТБ сховища.

– Deep Think – посилений режим «мислення» для Gemini 2.5 Pro, який розглядає кілька варіантів відповіді перед вибором найкращого (аналог reasoning від конкурентів).

– Veo 3 – нова модель генерації відео, здатна створювати звукові ефекти, фонові шуми та навіть діалоги персонажів.

– Imagen 4 – швидший генератор зображень з поліпшеною деталізацією для створення текстур тканин, крапель води й шерсті тварин.

– Gemini Live – отримав можливість потокової передачі відео з камери смартфона або екрана для AI-аналізу в режимі реального часу.

– Deep Research – тепер дає змогу завантажувати ваші власні PDF і зображення для дослідження.

– Project Mariner – AI-агент для автоматичної взаємодії з вебсайтами виходить з експериментальної стадії та зможе виконувати до дюжини завдань одночасно.

– Project Astra – багатомодальний AI з низькою затримкою, який буде впроваджено в Search, застосунок Gemini та сторонні продукти.

– Gemini в Chrome – новий AI-помічник для браузера, що допомагає швидко зрозуміти контекст сторінки й виконувати завдання.

– Gemma 3n – полегшена модель, оптимізована для роботи на телефонах, ноутбуках і планшетах із підтримкою аудіо, тексту, зображень і відео.

– AI Mode – експериментальна функція пошуку Google з AI-інтерфейсом для складних багатоскладових питань виходить для користувачів у США.

– Search Live – функція, що дає змогу ставити запитання на основі того, що бачить камера телефону в реальному часі (запуск влітку).

– Stitch – AI-інструмент для створення інтерфейсів веб і мобільних застосунків, що генерує необхідні UI-елементи та код за текстовим запитом або зображенням.

– Material 3 Expressive – нова мова дизайну Android з персоналізованим дизайном, плавною анімацією і динамічними колірними темами.

– Beam (раніше Starline) – 3D-платформа для відеоконференцій, що використовує шестикамерну систему і спеціальний дисплей для створення ефекту присутності.

– Google Meet – отримав функцію AI-перекладу мови в реальному часі зі збереженням голосу, тону і виразів оригінального оратора.

– Gmail – впровадження персоналізованих розумних відповідей і нової функції для очищення поштової скриньки.

– NotebookLM – отримує функцію Video Overviews для створення відеопрезентацій з документів.

– Flow – новий AI-інструмент для створення і редагування відео, що використовує технології Veo 3 та Imagen 4.

– Jules – розширено доступ до AI-агента для розробників, що допомагає виправляти помилки в коді, створювати pull-запити в GitHub і обробляти завдання з беклогу.

– Android Studio – інтеграція AI-функцій, включно з «Journeys» (агентний AI) і «Agent Mode» для комплексних процесів розробки.

– Wear OS 6 – оновлення операційної системи для розумних годинників з уніфікованим шрифтом і динамічним оформленням для Pixel Watch.

– Google Play – поліпшення для розробників, включно з інструментами для управління підписками, тематичними сторінками та аудіопревью для додатків.

– SynthID Detector – верифікаційний портал, що використовує технологію водяних знаків SynthID для ідентифікації AI-контенту.

– Advanced Protection Program – отримав нові функції захисту на рівні пристрою для підвищення безпеки Android-смартфонів.

– Розумні окуляри – Google розробляє окуляри з технологією Project Astra спільно з Samsung, Warby Parker та іншими партнерами.

– Lyria RealTime – AI-модель для створення музики тепер доступна через API для сторонніх розробників.

27 цікавих анонсів конференції Google I/O

Під час недавнього візиту Трампа США підписали дві найважливіші угоди з ОАЕ і Саудівською Аравією. У макроекономічному плані угоди відкривають доступ до трильйона доларів капіталу для інфраструктури AI, що переважує будь-які негативні наслідки тарифних воєн. Геополітично Абу-Дабі та Ер-Ріяд сильніше прив'язуються до американських технологічних екосистем. Інфраструктурно багаті енергоресурсами країни Перської затоки стають надійними партнерами якраз у момент, коли американські датацентри досягають фізичних меж потужності.

За угодою з ОАЕ, G42 (підтримувана державою компанія) отримає гарантовану квоту на імпорт 500 тис. топових чіпів Nvidia щорічно, з яких 20% залишить собі, а решту направить американським компаніям. Також G42 разом з американськими партнерами побудує датацентр потужністю 5 ГВт, першу фазу в 1 ГВт уже розпочато. Кажуть, що OpenAI буде якірним клієнтом цього датацентру, до речі.

Саудівська Аравія в рамках пакета на 600 млрд дол. інвестує через DataVolt 20 млрд дол. в американські датацентри, залучить інвестиції від Oracle, Google, Salesforce, AMD і Uber у Саудівську Аравію, створить Humain (компанію, яка розгорне до 500 МВт обладнання AMD і стільки ж від Nvidia).

Ці угоди також запобігають проникненню Китаю на Близький Схід. Попри ризики (можливий перепродаж GPU в Китай і неправомірне використання моделей), Білий дім вважає, що ці проблеми можна вирішити через фізичні перевірки датацентрів і суворі правила KYC для орендарів обчислювальних потужностей.

Результати візиту Трампа на Близький Схід для розвитку AI

Страховики Lloyd's of London запустили новий продукт для компаній, що покриває збитки від несправних AI-інструментів. Поліси, розроблені стартапом Armilla за підтримки Y Combinator, покриватимуть судові витрати та компенсації, якщо компанія зіткнеться з позовами через некоректну роботу штучного інтелекту.

Необхідність такої страховки стає дедалі очевиднішою на тлі почастішання дорогих помилок і «галюцинацій» AI. Наприклад, чатбот Virgin Money просив вибачення за те, що насварив клієнта за використання слова «virgin»; бот кур'єрської служби DPD лаявся на клієнтів і називав свого власника «найгіршою службою доставки у світі»; а Air Canada за рішенням суду довелося дотримуватися знижки, яку їхній чатбот просто вигадав.

Страховка Armilla спрацює не за будь-якої помилки AI, а якщо система працюватиме гірше від заявлених характеристик. Наприклад, якщо чатбот, який спочатку давав точні відповіді в 95% випадків, почне давати їх тільки в 85%.

Це побічно може свідчити, що якість чатботів уже досягла певного рівня – якщо вже страховики зрозуміли, як визначати ризики за такого страхування.

Страховка від «галюцинацій» AI

Якщо я зазвичай натякаю, що низка розробників LLM оптимізують свої моделі під оцінки на Chatbot Arena, то автори дослідження від Cohere, Стенфорда, MIT і Ai2 звинувачують LM Arena, організацію, що стоїть за популярним бенчмарком, у наданні переваг обраним AI-компаніям коштом конкурентів.

Згідно з висновками авторів, LM Arena дала змогу деяким провідним компаніям, включно з Meta, OpenAI, Google та Amazon, приватно тестувати кілька варіантів моделей, публікуючи потім тільки результати найкращих. Це давало їм перевагу в потраплянні на верхні рядки рейтингу.

«Лише кільком компаніям повідомили про можливість приватного тестування, і обсяг такого тестування в деяких компаній набагато більший, ніж в інших», – заявила Сара Хукер, віцепрезидентка Cohere з досліджень у сфері AI.

Особливо виділяється Meta, яка змогла приватно протестувати 27 варіантів моделей у період з січня по березень перед випуском Llama 4, але публічно представила тільки одну модель з високим рейтингом.

LM Arena відкидає звинувачення, заявляючи, що дослідження сповнене «неточностей» і «сумнівного аналізу». За їхніми словами, якщо одна компанія вирішує відправити більше моделей на тестування, ніж інша, це не означає несправедливого ставлення. Так собі виправдання, прямо скажемо.

Chatbot Arena підіграє окремим розробникам LLM?

Нобелівський лауреат Джеффрі Хінтон (Geoffrey Hinton) дав велике інтерв'ю, в якому розповів про розвиток AI, загрози та перспективи технології. Виділю основні тези з бесіди.

Хінтон зазначає, що AI розвивається швидше, ніж він прогнозував кілька років тому. Особливо його турбують «AI-агенти», які можуть діяти в реальному світі, а не просто відповідати на запитання. За його оцінкою, надрозумний AI може з'явитися в найближчі 4-19 років, найімовірніше – вже через 10 років або раніше.

Що стосується позитивних аспектів, Хінтон виділяє кілька сфер:

1. Охорона здоров'я: AI вже не поступається експертам в аналізі медичних зображень і буде поліпшуватися завдяки досвіду обробки мільйонів знімків. «AI-доктор», який має досвід роботи зі 100 млн пацієнтів і пам'ятає всі деталі, буде набагато ефективнішим за звичайного лікаря.

2. Освіта: З особистим AI-репетитором люди зможуть вчитися в 3-4 рази швидше. При цьому Хінтон вважає, що університетська система в основному збережеться, особливо в частині оригінальних досліджень.

3. Кліматична криза: AI допоможе створювати кращі матеріали, акумулятори й, можливо, навіть кімнатну надпровідність.

Але паралельно наростають і проблеми. Якщо раніше Хінтон не надто переймався втратою робочих місць, то тепер вважає це серйозною загрозою. Під ударом будь-яка рутинна робота: контакт-центри, секретарі, юридичні помічники. Хоча журналісти-розслідувачі ще протримаються якийсь час, «тому, що їм потрібна ініціатива плюс моральне обурення».

Особливо Хінтона турбує розподіл благ від підвищення продуктивності. За його словами, «ми знаємо, що станеться: надзвичайно багаті стануть ще багатшими, а не дуже забезпеченим доведеться працювати на трьох роботах».

Найгостріше питання – ймовірність того, що AI «захопить владу» над людством. Хінтон оцінює її в 10-20%. GPT-4 уже «знає в тисячі разів більше, ніж звичайна людина», і посилюється технічною можливістю цифрових систем обмінюватися інформацією в трильйони разів швидше за людей.

Щодо регулювання – Хінтон критикує великі компанії за лобіювання проти обмежень і підкреслює, що нинішня адміністрація США навряд чи регулюватиме галузь. Цікаво, що навіть Ілон Маск, попри своє занепокоєння безпекою AI в минулому, тепер сам випускає ваги своїх мовних моделей, що Хінтон вважає «божевіллям».

Хінтон різко критикує публікацію ваг великих мовних моделей (Meta, OpenAI), порівнюючи це з продажем матеріалів, що діляться, для ядерної зброї: «Якби ви могли купити матеріал, що ділиться, на Amazon, набагато більше країн мали б ядерну зброю».

Серед компаній, що розробляють AI, Хінтон виділяє Anthropic як найбільш стурбовану питаннями безпеки. Google, де Хінтон раніше працював, за його словами, раніше була відповідальною компанією, але розчарувала його відмовою від обіцянки не підтримувати військове використання AI.

OpenAI ж викликає в нього особливе розчарування, оскільки спочатку створювалася для безпечного розвитку надінтелекту, але «безпека дедалі більше відходила на задній план».

Наприкінці інтерв'ю Хінтон згадує, що почав розподіляти свої заощадження між трьома різними банками через побоювання, що в найближчі 10 років кібератаки з використанням AI можуть «обвалити» канадський банк. Це, мабуть, найбільш наочний прояв його тривоги щодо майбутнього.

Про загрози та перспективи AI

Стартувала вирішальна стадія антимонопольного розгляду Google з Міністерством юстиції США. Нагадаю, що корпорацію вже визнано винною у зловживанні монопольним становищем на ринку пошуку і тепер уряд вимагає від Google продати браузер Chrome, ліцензувати пошукові дані конкурентам і припинити платити за ексклюзивне розміщення на пристроях.

Якщо суддя Аміт Мехта погодиться з пропозиціями уряду, це стане першим випадком примусового поділу компанії після AT&T у 1982 році.

Google наполягає, що пропозиції Мін'юсту завдадуть шкоди споживачам, зламавши продукти, якими люди користуються щодня, і підірвуть технологічне лідерство США. Компанія пропонує альтернативний варіант, за якого вона зможе ділити доходи з конкурентами після надання користувачам можливості вибору бажаного браузера.

На слуханнях виступлять CEO Google Сундар Пічаї та топменеджер Apple Едді Кью, а також представники Microsoft, OpenAI, Verizon і Mozilla. Примітно, що не всі свідки підтримують позицію уряду – Apple, наприклад, втратить мільярди доходів, якщо пропозиції Мін'юсту буде ухвалено.

**

Суддя Аміт Мехта піддав сумніву пропозицію уряду продати браузер Chrome, але при цьому підтримав ідею зобов'язати Google ділитися пошуковими даними з конкурентами. Він поцікавився, чи відповідає пропозиція про продаж Chrome підвищеним вимогам «причинно-наслідкового зв'язку» для «структурного» рішення, на відміну від менш суворих вимог для «поведінкових» заходів. Представник Мін'юсту Девід Далквіст відповів, що рішення судді на першому етапі процесу вже встановило такий зв'язок.

Під час вступної заяви Google суддя Мехта зазначив, що раніше він постановив, що дані, які збирає Google за пошуковими запитами, є «плодами» ексклюзивних угод Google, і компанія має погодитися з тим, що рішення суду має стосуватися цих плодів.

Адвокат Google Джон Шмідтлейн стверджував, що немає доказів того, які дані конкуренти отримали б, якби не ексклюзивні угоди, і що позивачам необхідно довести це, перш ніж вимагати розкриття даних.

Ось, до речі, цікавий аргумент – якщо ви користуєтеся пошуком у партнера Google, партнер уже отримує всі вихідні дані такого пошуку. Чи повинен він отримувати результати агрегації, яку робить Google? Чи повинен такі дані отримувати конкурент, який жодного стосунку до угод не має – ще більше питання. І потім, якщо DuckDuckGo має право отримувати дані Google, чи є аналогічне право в Google – отримувати дані DDG?

**

Під час процесу почали випливати цікаві речі. Виявляється, Google платить Samsung «величезну суму грошей» щомісяця за передвстановлення додатка Gemini на пристроях корейської компанії. Про це у федеральному суді Вашингтона повідомив Пітер Фіцджеральд, віцепрезидент Google з партнерств із платформами та пристроями.

Контракт, розпочатий у січні цього року і розрахований щонайменше на два роки, передбачає фіксовані щомісячні платежі за кожен пристрій із попередньо встановленим Gemini, а також відсоток від доходів Google від реклами в застосунку.

Головний підступ полягає в тому, що саме така практика вже визнана саме цим судом монопольною. Юристи Google стверджують, що це, навпаки, є дотриманням рішення суду. Оскільки нові договори не мають ексклюзивного характеру. Але така позиція виглядає дивно. Зрозуміло, що суми контрактів уже роблять їх досить винятковими. Та і як це скорочує монопольне становище Google? Нагадаю ще, що AI-напрямок також зачеплений у цьому процесі, оскільки Мін'юст вважає, що Google використовував монопольне становище в пошуку для розвитку своїх AI-продуктів, і щодо них суду також запропоновано вжити заходів.

Чи доведеться Google продати Chrome?

Велике інтерв'ю Елізабет Рід, VP of Search в Google, в основному присвячене результатам роботи AI Overviews – функції AI в пошуку, запущеної рік тому.

Ось основні пункти. Близько року тому було запущено функцію AI Overviews, яка спочатку зіткнулася з проблемами достовірності, але відтоді Google поліпшив баланс між точністю і корисністю.

AI змінив поведінку користувачів – вони ставлять більше запитань і довше, особливо молодь. Зростає використання комбінованих запитів із зображеннями. На відміну від чат-ботів, Google фокусується на наданні інформації, а не на створенні персоніфікованого співрозмовника, віддаючи пріоритет фактичній точності.

Google серйозно контролює якість відповідей, особливо у фінансовій та медичній сферах (your money or your life). AI Overviews показується тільки за умови впевненості у високій якості. Система стала показувати більш різноманітні джерела, покращилася якість переходів на сайти (з одного боку, це схоже на відмовку, але Елізабет дотепно зауважує, що люди, які, наприклад, ставлять боту запитання про моду, найімовірніше, раніше взагалі нею не цікавилися). З'явилися нові можливості для контекстної реклами.

Базовий пошук залишиться безкоштовним, хоча деякі функції можуть стати платними. Майбутнє пошуку – за мультимодальністю, персоналізацією і розширеними можливостями при збереженні інформаційної спрямованості.

Сама Елізабет почала ставити більше запитань, використовуючи AI-пошук для швидкого отримання інформації про теми, на вивчення яких не вистачає часу.

Цікаві міркування щодо AI в пошуку Google

Прочитав інтерв'ю з Дмитром Овчаренком, CTO центру AI, нещодавно організованого Мінцифрою, яке присвячене в основному питанню створення національної великої мовної моделі (LLM). Ця розробка була анонсована під час запуску центру і, чесно скажу, одразу викликала в мене подив. Інтерв'ю його абсолютно не розвіяло, а скоріше посилило.

Наприклад, спікер перераховує причини, з яких Україні потрібна своя LLM, і перша називається «Культурне значення». Причому з конкретним прикладом – модель має «правильно» відповідати на запитання «Чий Крим?». Я б зрозумів, якби таке сказав політик або який-небудь блогер у коментарях. Але ж інтерв'ю дає, здається, технічний фахівець, до того ж, мабуть, той, хто стежить за новинами. У нас реально є мета повторити подвиг розробників DeepSeek, чия модель відмовляється обговорювати події 1989 року в Пекіні та на кого схожий Вінні Пух?

Цілком розумію резони, пов'язані з конфіденційністю та безпекою – дійсно, не годиться вивантажувати в хмару державну інформацію. Тим паче що більшість хмар розташована в країні, де просто зараз природний інтелект пішов у відпустку. Але це завдання вирішують багато бізнесів по всьому світу і мало хто приходить до ідеї «Спочатку навчимо свою LLM».

Абсолютно вірно – у світі існує кілька прикладів LLM, оголошених національними. За рідкісними винятками це розробки країн, мови яких погано підтримували більшість наявних рішень. Йдеться про арабську, тюркську, японську, тобто такі, що доволі далеко відстоять від аналітичної англійської, яка найпростіша для токенізації та машинного опрацювання. Цим країнам, загалом, і діватися нікуди – будь-яке багатомовне рішення працюватиме з їхніми мовами погано та/або дорого, а будь-яке власне, орієнтоване на пари на кшталт англійська/арабська або англійська/японська, буде ефективнішим.

Так, українська мова, як будь-яка флективна, має розвинену морфологію і просто через це будь-яка модель у тексті українською бачитиме більше токенів, ніж у його дослівному перекладі англійською. Якщо додати обмеження словника, то вилазять досить кумедні речі – наприклад, слово «London» – це один токен, а слово «Odessa» – два. А ось «Odesa» – це три токени (всі приклади наведено за токенайзером GPT-4).

Але треба ж розуміти різницю між становищем Саудівської Аравії, Сінгапуру, Японії та України. У них є проблема з підтримкою основної мови практично у всіх наявних моделях і немає проблеми з фінансуванням. У нас ситуація приблизно зворотна – українська досить добре підтримується в більшості моделей, нехай і не оптимально, але грошей немає зовсім – власне, про це прямо згадується в інтерв'ю. Ба більше, немає датацентрів, немає GPU, немає навіть зайвої електроенергії.

Що ж тоді зібралися розробляти? Ось тут державний діяч гранично відвертий – ще не зібралися. Тобто буквально – «триває етап формування концепції, визначаємо завдання, формуємо структуру, оцінюємо бюджет і шукаємо партнерів». Зокрема – тих, хто грошей дасть.

Давайте я вам відразу скажу, що це буде. Візьмуть Llama, причому, як уже визначилися, досить малі моделі (від 1 до 17B), напевно, навчать свій токенайзер, і займуться донавчанням моделі на українських датасетах. Тут буде, наскільки я розумію, маса роботи на масу часу – я останні три місяці займаюся таким специфічним українським корпусом і періодично почуваюся чи то Гераклом у стайнях, чи то старателем на Юконі.

Але знаєте, в чому буде проблема? Отримана в результаті такої тяжкої праці своя LLM програватиме за всіма тестами абсолютно звичайній GPT-4o, не кажучи вже про reasoning моделі. І причин тому дві – по-перше, великі пропрієтарні моделі вже знають все те, що розробники збиратимуть і згодовуватимуть Llama (втім, можливо, вони візьмуть Gemma), і, по-друге, модель на трильйони параметрів завжди відповідатиме краще, ніж модель на 17 млрд, нехай і з зайвою кількістю токенів.

До речі, бог із нею, з GPT, не факт, що донавчена українська LLM на базі Llama-17B виграватиме у відкритої ж Llama-405B (пардон, уже начебто можна наводити як приклад Llama-4-Behemoth). Причому з тієї ж причини – велика модель просто вже знає більшу частину того, що буде використовуватися для донавчання маленької, а різниця занадто невелика, щоб її можна було побачити неозброєним оком.

Я не розкриваю жодних секретів або таємниць, якщо що – подібні міркування цілком доступні будь-кому, хто витратить деякий час і зусилля на вивчення AI. І тому кожен міг би замислитися – а навіщо це все?

Ні, ну правда. Якщо ви хочете мати у своєму розпорядженні всю міць нинішнього AI – є готові пропрієтарні рішення. Якщо вам критична конфіденційність – візьміть готову модель, яку можна розгорнути локально, або компромісне рішення на кшталт тієї самої mT5, що має хорошу підтримку українського. Якщо ви хочете забезпечити умовний технологічний суверенітет – почніть із забезпечення енергетичної безпеки та видобутку GPU за помірними цінами. Але якщо ви починаєте розповідати про істориків і культурних діячів, які збиратимуть політично витриманий датасет – ви явно не розвитком AI зібралися зайнятися.

Я б міг запідозрити, що весь цей проєкт є розпилом – узяти приклад із Польщі, яка планує бухнути в розвиток AI мільярд злотих, багато і марно тренувати моделі, купуючи дорогі GPU. Але тут грошей немає і, найімовірніше, навіть заявленої суми в мільйони доларів проєкт може не зібрати. Тому найприкріше, що це навіть не заради грошей – а заради політичного піару, щоб кілька людей могли регулярно розповідати про формування концепції, визначення структури та залучення фахівців і громадськості до вирішення грандіозної проблеми – щоб кілька рядків коду вміли видавати відповідь на питання «Чий Крим?».

Тому що, якби хотілося щось зробити для, наприклад, розв'язання проблеми якості інформації в численних реєстрах, то взяли б уже готові моделі та почали їхнє реальне застосування, водночас збираючи проблеми, що вилазять, і формуючи вимоги до тієї ж майбутньої національної моделі, доводячи тим самим її необхідність. А якщо структуру запускають із готовим рішенням «Написати все своє», то питання про завдання не стоїть, звісно.

Full disclosure: Цей текст коментує інтерв'ю одного з керівників Мінцифри України в галузі AI. Я брав участь у конкурсі на посаду Chief AI Officer, який пів року тому проводило Мінцифри.

Навіщо потрібна національна LLM

В історії з чатом у Signal знайшли винного – це виявилася Siri. Радник Трампа з нацбезпеки Майк Волц випадково додав журналіста Atlantic Джеффрі Голдберга до групового чату Signal про запланований військовий удар у Ємені через автоматичну пропозицію Siri оновити контакт.

За даними Guardian, усе відбулося в кілька етапів. Голдберг надіслав до штабу Трампа лист про статтю, що критикує ставлення експрезидента до поранених військовослужбовців. Для протидії цій історії до справи підключили Волца. Представник Трампа Браян Г'юз скопіював вміст листа, включно з підписом із номером телефону Голдберга, у свій лист Волцу. Потім iPhone Волца запропонував «оновлення контакту», додавши невідомий номер до наявного контакту Хьюза.

Що тільки доводить правоту мого висновку, який я повторюю за будь-якої зручної нагоди останні років 15 – жоден геніальний продуктовий менеджер не в змозі вгадати, як користувач насправді використовуватиме його продукт. Звісно, неперевершеним чемпіоном у цьому плані є невеличка компанія, в якій поштову скриньку на безплатному сервері використовували як місце зберігання документів, включно з «Кошиком», де зберігали найважливіші документи. Але цьогорічний приклад теж непоганий.

У всьому винна Siri