Google 在今年度的云端大会 Google Cloud Next ’23 上推出了一系列跟 AI、机器学习有关的讯息，其中跟一般使用者关系最密切的，就是 Google Meet 一口气获得大量的 AI 新功能！
得利於语音转文字等一系列的生成式 AI，新版 Google Meet 不只可以自动写出会议逐字稿，还能自动总结会议重点摘要，让就算是没有参加会议的人，也可以在事後获得这场会议的重点文字档。
不只如此，Google Meet 还能透过 AI 自动剪辑会议中的重点影像， 让与会者可以随时回去确认会议内容。 如果要再懒一点，使用者甚至可以透过生成式 AI，直接跟 Google Meet「聊」 这场会议的主轴是什麽、 谁说了什麽重点之类。
此外，Google Meet 甚至还开放给不方便自己出席视讯会议的使用者「attend for me」（代替我）功能来进行会议记录；不过根据外媒报导，如果所有与会者都使用 AI 助手参加会议，Meet 就会自动结束。
Google Meet …
OpenAI 公司最为人所知的就是 ChatGPT 人工智慧聊天机器人（现在还有人不知道吗？），其实它还有其他也是很强大的专案研究，例如「DALL·E 以描述让 AI 创造图片，也能编辑现有图片呈现逼真效果」或是另一个对语音即时辨识、转为文字档的 Whisper 技术，都是当今 AI 领域的伟大发明，对於使用者来说或许不用很清楚这些技术背後的实际运作方式，只要善用对的工具就能提高工作效率。
本文要介绍「MacWhisper」是一个将录音或影片自动转为逐字稿的 Mac 应用程式，使用的正是 OpenAI 旗下的 Whisper 技术，无论是会议录音、讲座或是任何音讯档都能透过 MacWhisper 快速准确地转换为文字，同时标记时间轴，也能在辨识後直接修正错误的本文段落，支援超过 100 种语言。
更棒的是 MacWhisper 所有辨识、转录工作都在使用者的电脑上进行，不需要让任何资料离开电脑，即使遇到隐私、敏感的资料也很适合透过 MacWhisper 进行转换，应用程式本身有免费和付费 PRO 方案，差异在於可下载的训练模型（Models）大小不一样，即使如此，免费版模型就能获得相当不错的正确性，同时也能在很短时间完成音讯的识别工作。
MacWhisper 适用於 MP3、WAV、M4A、MP4 和 MOV 格式，付费後还能直接贴上 YouTube 影片网址、直接将影音内容转为文字逐字稿，转换後可保存为 SRT、VTT、TXT、CSV、DOCX（付费後还有 HTML、PDF 和 …
Google 团队於近期发表了新论文，透过视觉观察和强化学习（Reinforcement learning）并藉轨迹优化机器人动作，达到零样本（zero-shot）前提下让机器人成功擦拭桌面脏污。
像擦桌面、折衣服等重复性高的任务虽然适合交由机器人，但仍颇具挑战性。例如擦桌子的动作，机器人该如何根据图像来规划出最佳解方？该如何擦拭，以避免洒出来的脏污面积扩散开？又该如何在避免撞到附近障碍物的情况下，到达能擦到桌子的位置？
目前像强化学习等技术有望解决这些复杂的任务，但若要应用在机器人上，则须仰赖收集大量的数据，以及运用准确但昂贵的模型。
因此 Google 团队提出方法是在不需特定任务相关的训练数据下，就能基於图像观察规划出有效的强化学习策略，并零样本的转移此方法至硬体设备，促机器人成功擦拭桌子。
团队透过随机微分方程（SDE），生成了一个 SDE 模拟器，共具有四大功能，分别可描述被擦拭动作推动的乾物件，和在擦拭过程中被吸收掉的液体；同时捕捉到桌面上多个独立的脏污；将脏污与机器人互动後的不确定性模组化；模拟的速度比实际时间快。
SDE 模拟器能进而产生大量用於强化学习的训练数据。团队接着再将强化学习的策略，透过能快速计算底座和手臂关节轨迹的优化工具来执行。团队表示此种方法也可以避免碰撞障碍物，并实现在零经验模拟下将策略部属到真实世界，并已在模拟环境中和实际硬体设备上验证了此方法。
资料来源：Google Research
责任编辑：Jocelyn
核稿编辑：Chris…