Šílená videa a nákupy vaším jménem. Některé novinky Google pustí i do Česka

Umíte rozpoznat skutečné video od toho vygenerovaného? Generátory obrázků umí lidi přesvědčivě oklamat už více než rok. Z generovaných videoklipů ale pořád trčela jejich umělost.

„Veo 3 je náš nový generátor videa, který jako první na světě umí zároveň tvořit video i zvuk,“ uvedl Josh Woodward, viceprezident divize Google Lab. Veo 3 podporuje také tvorbu zvukových efektů nebo dialog mezi postavami.

Za dva dny od uvedení novinky se objevily opravdu vtipné, šílené a fascinující příklady videí vytvořených AI generátorem. Nástroj Veo 3 je prozatím dostupný jen pro americké uživatele, navíc za poměrně vysoké předplatné. Měsíčně stojí nejvyšší varianta AI Ultra 250 dolarů (asi pět a půl tisíce korun). Na tvoření legrácek poměrně drahé. Google ale do této prémiové verze zabalí více pokročilých AI funkcí. Ještě důležitější jsou ale ty, které jsou dostupné všem.

Ze všech novinek, které Google představil, si právě video ukouslo největší část pozornosti. Je to pochopitelné, nejsnáze se na tom ukazuje pokrok oproti dosud dostupným nástrojům. Vylepšení se dočkal i generátor obrázků.

Čtvrtá verze Imagen 4 by měla být nyní zdarma dostupná všem v chatovací aplikaci Gemini (to je odpověď Google na populární nástroj ChatGPT). Skok v kvalitě vygenerovaných obrázků ale zdaleka není tak zjevný, jako u videoklipů. Můžete však dávat instrukce ohledně obrázků a tvořit jejich varianty a variace. Z dosavadního testování se zdá, že se nová varianta umí lépe řídit instrukcemi, ale nad konkurencí v tomto směru výrazně nevyčnívá.

Protože v brzké době bude prakticky nemožné rozpoznat, co je pravé a co vygenerované, ukázal Google nástroj SynthID, který bude schopen pomocí neviditelného otisku rozpoznat, zda byl nějaký obrázek nebo video vygenerované pomocí generativní umělé inteligence.

Generátory obrázků jsou vizuálně (a tedy i novinářsky) vděčné. Pro většinu lidí ale až tak užitečné nebo významné nebudou. Firma Google nicméně provozuje nejnavštěvovanější stránku světa – stejnojmenný vyhledávač Google.com. A právě na této stránce už nyní servíruje texty vygenerované umělou inteligencí miliardám lidí.

Už v roce 2023 Google ukázal svou vizi vyhledávače, který umí stránky přečíst za vás a nabídnout užitečný souhrn vygenerovaný umělou inteligencí. Šlo o tzv. souhrny (AI Overviews), které se loni nechvalně proslavily svými vtipnými halucinacemi, třeba když uživatelům doporučovaly jíst alespoň jeden kámen denně.

Od té doby ale Google na výsledcích zapracoval – a zvýšila se i chytrost jazykových modelů, které ke generování AI přehledů využívá. Původně se tyto odpovědi zobrazovaly jen v USA a pouze na některé typy dotazů. Postupně ale Google přidával další regiony. „Od té doby, co jsme AI přehledy loni spustili, jsme tuto funkci rozšířili na více než 200 zemí a oblastí,“ vypočítával na konferenci Google I/O v kalifornském sídle firmy Sundar Pichai šéf společnosti Google. „Každý měsíc tyto přehledy vidí přes 1,5 miliardy lidí.“

Nově jsou tyto souhrny dostupné i v Česku. Na některý typ dotazů (v našem testování třeba na otázky začínající "co je") se tak návštěvníkům ukáže nad výsledky hledání souhrn, text vygenerovaný AI, čerpající z výsledků níže.

Souhrn obsahuje odkazy na zdroje. Pod textem je také stručná poznámka o tom, že „odpovědi od AI můžou obsahovat chyby“. Pokud dotaz obsahuje něco, co se týká zdraví, tak je upozornění obsáhlejší.

Podle vyjádření českého zastoupení Googlu tyto AI souhrny pomohou s komplikovanějšími otázkami: „Je možné se ptát i na složitější a komplexnější otázky. Ponořit se do tématu hlouběji a prozkoumat odkazy na webové stránky. Není už nutné rozdělovat otázku na několik dílčích vyhledávacích dotazů.“

V USA mezitím Google jde ještě dál a představil „AI mód“. Na první pohled vypadá skoro stejně, jako AI přehledy, které jsou podle Pichaie „nejúspěšnější inovací v oblasti vyhledávání za posledních deset let.“

Ale zatímco AI přehled ostatní výsledky vyhledávání pouze posunul, v AI módu už žádné „klasické“ odkazy na nalezené stránky nenajdeme. Místo toho umělá inteligence vše přečte za nás a výsledky naservíruje v přehledné formě. Pod tím je pak místo odkazů možnost ptát se na další otázky.

Pro uživatele to může být atraktivní a rychlý způsob prohledávání. Něco mezi vyhledávačem a chatbotem. A Google zde stále ukazuje – po kliknutí na ikonku odkazu – zdroje tvrzení, ze kterých AI při tvorbě textů vychází. Jak už jsme ale psali, když jsme novinku před dvěma roky testovali poprvé: toto může mít dramatický dopad na tvůrce obsahu, kteří jsou závislí na zobrazování reklam.

„Umělá inteligence zásadně promění obchodní fungování webu,“ upozorňuje například Matthew Prince, šéf firmy Cloudflare. Vyhledávače webům posílaly návštěvnost, což tvůrce motivovalo k tvorbě dalšího obsahu. „Jenže dnes 75 % lidí najde odpověď na tu otázku, aniž by muselo vyhledávač opustit. Více a více odpovědí nepovede čtenáře na zdroj. A pokud tvůrci obsahu nebudou mít z jeho tvorby žádný zisk, tak přestanou tvořit původní obsah.“

To není problém pouze Googlu, ale jde o důsledek nástupu generativní umělé inteligence, která dává čtenářům na míru převyprávěné informace, aniž by je poslala za zdrojem těchto informací.

Když firma OpenAI v listopadu 2022 představila ChatGPT, jeho úspěch překvapil vedení firmy Google. Interně totiž vývojáři měli také nástroje fungující na principu velkých jazykových modelů – ty ostatně existují do značné míry právě díky vědeckým pokrokům z dílny Google. Přesto ale firmě Google trvalo, než náskok výrazně menší firmy OpenAI smazala. Nyní lze ale říci, že je Google co do schopností generativní AI na špičce.

Nejen v oblasti textových generátorů nyní velké jazykové modely Gemini bodují: „Dnes (v úterý 20. května, pozn. red.) je náš model Gemini 2.5 Pro nejlépe hodnoceným modelem na LMArena napříč všemi kategoriemi,“ pochlubil se na pódiu Sundar Pichai. „A v řadě měření je náš model na světové špičce.“

Vývojářům divize Google DeepMind se ale podařilo vytvořit nejen (v řadě ohledů) nejlepší pokročilý model. Také jejich „pracant“, rychlejší a levnější varianta Gemini Flash se dočkala nové verze. „Znamená to, že nyní modely od Google dosáhly Paretova optima,“ komentoval to Ivan Kutil, spoluzakladatel české firmy AppSatori.

To znamená přibližně to, že prakticky pro libovolný poměr cena/výkon lze najít nějaký model od Google, který bude na dané úrovni nejlevnější, nebo naopak při dané ceně nejinteligentnější. Samozřejmě to není tak jednoduché, protože porovnávat inteligenci modelů je komplikované a univerzální měřítko neexistuje. Google má ale našlápnuto k tomu, aby vývojáře hledající, které API budou volat, přetáhl směrem k Gemini. Konkurence je nicméně ostrá: OpenAI i Anthropic představily nedávno nové modely, přičemž jsou v řadě úkolů na, nebo i nad úrovní lidských schopností.

Oproti populárnímu ChatGPT je návštěvnost chatbota Gemini přibližně desetinová. To motivuje Google k tomu, aby tuto konverzační aplikaci nadále vylepšoval. Z toho těží i uživatelé, Gemini nabízí hodně funkcí i v bezplatné variantě. Připomeňme ale, že – stejně jako ostatní chatboti – si také občas vymýšlí.

Teprve nedávno třeba Gemini dohnal náskok konkurenčního Claude a přidal možnost snadného programování s okamžitým náhledem výsledku. Nově můžete do těchto hříček doplnit AI funkce – Gemini se postará o jejich implementaci prostřednictvím API, aniž musíte cokoli řešit, nebo mít s programováním zkušenosti. Pro tento styl práce se ujal pojem vibe coding.

Užitečné to je zatím spíše na malé projekty pro vlastní potřebu. Pro zkušené vývojáře Google ukázal programovacího asistenta Jules, který bere v potaz váš kód a může s vámi spolupracovat na vývoji rozsáhlejších projektů.

Pro programátory je určena celá řada dalších novinek – ostatně Google I/O je tradičně konferencí pro vývojáře. Jsou roztroušené různě v nástrojích Google Cloud, Google Vertex AI nebo Google AI studio. Na pozadí ale používají stejné generativní modely: Gemini, Imagen nebo Veo.

Cílem Google je postupně sjednotit nabídku do univerzálního asistenta – agenta, který bude umět nejen odpovídat na otázky, ale také za vás plnit úkoly, které mu zadáte. Tam míří například Poject Mariner, kterému zadáte úkol a on jej za vás začne plnit. Umí přitom – podobně jako Operator od konkurenční OpenAI – používat prohlížeč „vaším jménem“ a může za vás třeba něco najít a nakoupit.

Zatím je tento typ pomocníka ve stádiu neveřejného testování. Uživatelské zkušenosti s konkurenčními „univerználními agenty“ jsou zatím smíšené. Je těžké předem odhadnout, kdy vám skutečně pomůžou, a kdy naopak nadělají víc škody, než užitku. Svěřit jim nákupy – nebo dokonce hledání bydlení, jak ukázal šéf Google na pódiu – zatím nezní reálně.

Až se to ale jednou Googlu povede, bude to funkce obzvláště užitečná na mobilních telefonech. Gemini na mobilech s Androidem už nyní nahradil původní Google Assistant. Nově si umí povídat opravdu přirozeně znějícím hlasem, sledovat to, co vidíte před sebou pomocí kamery.

Vše tedy postupnými kroky směřuje k tomu, co už si Google jednou v podobě projektu brýlí Glass (neúspěšně) vyzkoušel: k zařízení, které budete mít u sebe, uvidí to, co vy, a bude díky AI umět reagovat na vaše okolí. Řeknete, že se vám něco líbí, a váš AI agent vám to najde a koupí, aniž byste museli kliknout. V takovém světě budou mít reklamy ještě větší cenu, než dnes. Nebudete muset platit prémiové předplatné, abyste pro firmy byli zajímavými zákazníky.

Zatímco současné reklamy jsme se naučili do značné míry ignorovat, reklamy budoucnosti si s námi budou povídat. A budeme je mít – možná doslova – neustále na očích.