8 nuevos productos y actualizaciones de IA probados

En I/O, no solo presentamos una lista de actualizaciones como nuevos modelos de Gemini, agentes de IA y ajustes de Android, sino que realmente permitimos que los desarrolladores, reporteros y socios se sumerjan en la acción con demostraciones prácticas de productos. Este año, tuve la oportunidad de pasar el día en el Anfiteatro Shoreline, donde se lleva a cabo I/O, y pude explorar varias de estas demostraciones. Aquí está el resumen de algunas de ellas.

Mi primera demostración del día fue bastante genial. Observé cómo Gemini Advanced manejaba un contrato de arrendamiento de más de 20 páginas, lleno de jerga legal y cláusulas complicadas. Después de que procesó el documento, pude hacer preguntas al respecto, como si mi casero me permitiría tener un perro como mascota o si había alguna tarifa adicional que tuviera que pagar. Ya estoy deseando usar esta función para entender mi próximo contrato de arrendamiento cuando se renueve mi apartamento.

A continuación, la demostración se volvió aún más impresionante. Dos Googlers alimentaron a Gemini con un PDF de un enorme libro de texto de economía, de cientos de páginas. Me habría tomado una eternidad leerlo, pero Gemini elaboró un resumen y señaló los temas clave para estudiar en poco tiempo. Incluso creó un cuestionario de opción múltiple, completo con una respuesta correcta y tres incorrectas complicadas, para ayudarme a prepararme para un examen hipotético.

Los Googlers Sid Lall (izquierda) y Adam Kurzrok (derecha) demuestran cómo Gemini Advanced ahora puede resumir un voluminoso libro de texto de economía o miles de páginas de documentos.

Ambas demostraciones hicieron uso de Gemini 1.5 Pro, que presentamos a principios de este año con la ventana de contexto más larga de cualquier modelo fundacional a gran escala. Ahora estamos implementando el acceso anticipado a Gemini 1.5 Pro para los suscriptores de Gemini Advanced, permitiéndoles cargar documentos directamente desde Drive. Esto significa que pueden usar Gemini para resumir o analizar documentos de hasta 1,500 páginas.

Gemini 1.5 Pro también está llegando al panel lateral de las aplicaciones de Workspace como Gmail, Docs, Sheets, Slides y Drive. Pude verlo en acción usando Gemini en Gmail para resumir un correo electrónico de informe escolar semanal de muestra, y extrajo detalles específicos como actividades para estudiantes de séptimo grado y la lista de empaque para un viaje nocturno.

El panel lateral de Gemini puede ayudarte a responder preguntas clave sobre tu contenido en Gmail, Drive y más.

La ventana de contexto largo mejorada incluso puede extraer información de múltiples documentos al responder a un solo prompt. En Docs, pedí ayuda para escribir una carta de muestra para un posible candidato a un empleo, vinculando el documento de descripción del trabajo y el portafolio en PDF del solicitante en mi Drive. Gemini redactó instantáneamente un correo electrónico que tomaba en cuenta detalles de ambos documentos.

Pero Gemini 1.5 Pro no es el único novato en la escena. También pude experimentar con el recién anunciado Imagen 3, nuestro mejor modelo de texto a imagen hasta ahora. Una función genial que probé fue su capacidad para generar texto y letras decorativas. Pedí un alfabeto estilizado, como letras hechas de mermelada en una tostada o globos plateados flotando en el cielo. Imagen 3 generó un alfabeto completo de letras, que luego pude usar para crear mis propios menús (deliciosos).

Después de mi diversión con Imagen 3, volví a más demostraciones de Gemini. Una demostración me permitió activar la superposición de Gemini en un teléfono Android y hacer preguntas sobre cualquier cosa en la pantalla. Esto mostró cómo no solo estamos expandiendo lo que puedes preguntarle a Gemini, sino también haciéndolo consciente del contexto para anticipar tus necesidades y ofrecer sugerencias útiles.

La demostración usó un extenso manual de horno como ejemplo. En lugar de revisar el documento tediosamente, activé Gemini y obtuve una sugerencia de "Preguntar sobre este PDF" de inmediato. Hice preguntas como "cómo actualizo el reloj" y obtuve respuestas rápidas y precisas. Funcionó igual de bien con videos de YouTube. En lugar de ver un video de entrenamiento de 20 minutos, pregunté cómo modificar las planchas y obtuve una respuesta en un instante, luego pasé a la siguiente demostración.

Esta siguiente demostración presentó un nuevo modo de conversación llamado Gemini Live, donde puedes hablar con Gemini en la aplicación sin escribir. Hablar con Gemini fue una experiencia diferente a la interfaz habitual de chatbot. Sus respuestas eran más conversacionales, no solo párrafos de texto o listas con viñetas. En mi demostración, pedí una lista de actividades para niños para unas vacaciones de verano y pude interrumpir la lista para preguntar más sobre qué materiales necesitaría para teñir una camiseta.

La demostración de Project Astra llevó las cosas al siguiente nivel, mostrando hacia dónde se dirigen nuestros proyectos de IA conversacional.

Nuestro AI Sandbox, donde los desarrolladores y asistentes probaron demostraciones como Project Astra y otros experimentos creativos de IA, como el modo DJ de MusicFX.

En lugar de solo trabajar con lo que está en tu pantalla o lo que has escrito en un cuadro de chat, las capacidades multimodales de Astra pueden entender prompts de voz conversacional y transmisiones de video en vivo al mismo tiempo, desbloqueando nuevos tipos de experiencias de IA.

La demostración de aliteración de Astra comenzó de manera simple: mostré a la cámara un objeto, como un plátano o un pedazo de pan, y Gemini creó una oración aliterativa. A medida que añadía más objetos, Gemini mantenía la conversación, desde "Plátanos brillantes brillan bellamente en la tabla" con una sola fruta hasta "Creaciones culinarias captan la atención" cuando se presentaba con un tablero de bufé completo.

Astra alitera con plátanos, baguettes… y cualquier otra cosa que puedas mostrarle.

Otra demostración de Astra me permitió jugar a Pictionary con Gemini. Puede sonar simple, pero requería que el agente entendiera imágenes, recordara lo que se había dibujado en cada ronda y usara conocimiento general para adivinar qué estaba dibujando. En una demostración, Astra sabía que un círculo no era suficiente para basar una suposición, pero a medida que añadía líneas debajo, rápidamente pasó de identificar una figura de palitos a reconocer que una persona sosteniendo un emoji de calavera era Hamlet.

Astra es imbatible en Pictionary.

Moverse por el AI Sandbox y otras estaciones de demostración se sintió como un vistazo al futuro. También fue un poco humillante: ¡Astra me venció en Pictionary en múltiples rondas!