ടെക്നോളജിയുടെ മാന്ത്രികലോകം തുറന്ന് ഗൂഗിൾ I/O ഇവന്റ് 2025; AI ആണ് മെയിൻ! പുത്തൻ വിശേഷങ്ങൾ ഇതാ

മനുഷ്യന് ചെയ്യാൻ കഴിയുന്നതിനും അ‌പ്പുറമുള്ള കാര്യങ്ങൾ ചെയ്യുന്നതിനെ അ‌മാനുഷികം എന്ന് നാം പറയുന്നു. അ‌വിശ്വസനീയമായ കാര്യങ്ങൾ ചെയ്യാൻ കഴിവുള്ളവരെ നാം അ‌മാനുഷികർ എന്ന് പറയാറുമുണ്ട്. സാധാരണയായി സിനിമകളിലും പുരാണങ്ങളിലും ഭാവനയിൽനിന്ന് വിരിയുന്ന കഥകളിലുമൊക്കെയാണ് നാം അ‌മാനുഷിക ശക്തിനേടിയവരെ കണ്ടുമുട്ടിയിട്ടുള്ളത്. എന്നാൽ മനുഷ്യനെ യഥാർഥത്തിൽ അ‌മാനുഷികനാക്കാൻ കഴിയുന്ന ഒരു ശക്തിയുണ്ട്, അ‌താണ് ടെക്നോളജി. സാങ്കേതികവിദ്യയുടെ വളർച്ച മനുഷ്യനെ എത്രത്തോളം മാറ്റിയെന്നും ഒരിക്കൽ സങ്കൽപ്പിക്കാൻ പോലും കഴിയാതിരുന്ന കാര്യങ്ങൾ ഇന്ന് വളരെ സാധാരണമായി നമുക്കുചുറ്റും നടക്കുന്നുണ്ട് എന്നതും ചുറ്റുപാടും നോക്കിയാൽ നമുക്കുതന്നെ സ്വയം മനസിലാക്കാനാകും.

ടെക്നോളജിയുടെ ഈ നിലയിലേക്കുള്ള വളർച്ചയിൽ ഗൂഗിൾ പോലുള്ള കമ്പനികൾക്കും വളരെ വലിയ പങ്കുണ്ട്. വൻ മുടക്കുമുതലിൽ ഇത്തരം കമ്പനികൾ നടത്തുന്ന ഗവേഷണങ്ങൾ ടെക്നോളജിയുടെ വളർച്ചയ്ക്ക് ആക്കം കൂട്ടുന്നു. ഇപ്പോൾ ഗൂഗിളിന്റെ ഈ വർഷത്തെ വാർഷിക ഡെവലപ്പർ കോൺഫറൻസ് ഗൂഗിൾ I/O ഔദ്യോഗികമായി ആരംഭിച്ചിരിക്കുകയാണ്. ഈ ഇവന്റിൽ തങ്ങളുടെ പ്രധാന കണ്ടുപിടുത്തങ്ങളും നേട്ടങ്ങളും ഇനി നടത്താൻ പോകുന്ന നീക്കങ്ങളുമൊക്കെ ഗൂഗിൾ ലോകത്തോട് വിളിച്ചുപറയുന്നു.

ഭാവിയുടെ ടെക്നോളജി എന്ന് വിശേഷിപ്പിക്കപ്പെടുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) കേന്ദ്രീകരിച്ചുതന്നെയാണ് ഗൂഗിൾ പ്രധാന പ്രഖ്യാപനങ്ങൾ നടത്തിയിരിക്കുന്നത്. ഗൂഗിളിന്റെ എഐ പ്ലാറ്റ്ഫോമായ ജെമിനി ആപ്പിലെ നവീകരണങ്ങൾ, വീഡിയോ- ഇമേജ് നിർമ്മാണത്തിനായുള്ള പുതിയ മോഡലുകൾ, കണ്ടന്റ് ക്രിയേറ്റർമാർക്കും ഡെവലപ്പർമാർക്കും വേണ്ടിയുള്ള പുതിയ ടൂൾസ് എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ജെമിനി 2.5 ഫ്‌ളാഷ്, പ്രോ, ഇമേജന്‍ 4, വിയോ 3, ലിറിയ 2, സെര്‍ച്ചിലെ എഐ മോഡ്, ഡീപ്പ് റിസര്‍ച്ച്. കാന്‍വാസ്, ജിമെയില്‍, ഗൂഗിള്‍ മീറ്റ് എന്നിവയും ഗൂഗിൾ അപ്‌ഗ്രേഡ് ചെയ്തിട്ടുണ്ട്. ഗൂഗിൾ വാർഷിക ഡെവലപ്പർ കോൺഫറൻസിൽ നടത്തിയ പ്രസംഗത്തിൽ ഗൂഗിൾ സിഇഒ സുന്ദർ പിച്ചെ ജെമിനിയുടെ പുതിയ പല അ‌പ്ഗ്രേഡുകളും പരിചയപ്പെടുത്തി.

അ‌തിൽ ട്രാൻസ്ലേഷനുമായി ബന്ധപ്പെട്ട നവീകരണം ഏറെ ശ്രദ്ധേയമായിരുന്നു. വെറുതേ ഒരാൾ പറയുന്ന കാര്യം മറ്റൊരു ഭാഷയിലേക്ക് മൊഴിമാറ്റി നൽകുകയല്ല, മറിച്ച് സംസാരിക്കുന്നയാളിന്റെ ശബ്ദം അതിന്റെ യഥാർച്ച സ്വരം, ഭാവം, ശൈലി എന്നിവ മാറാതെതന്നെ അ‌യാൾ പറഞ്ഞ കാര്യം എതിരാളിക്ക് അ‌വർക്ക് മനസിലാകുന്ന ഭാഷയിൽ പറഞ്ഞുനൽകുന്നു എന്നതാണ് ഇതിന്റെ അ‌തിശയിപ്പിക്കുന്ന മികവ്.

അ‌തായത് അ‌യാൾ പറയുന്നത് നാം നേരിട്ട് കേട്ട് മനസിലാക്കുന്നതിന് തുല്യം. കുറച്ചുകൂടി അ‌തിശയോക്തിപരമായി പറഞ്ഞാൽ ഭാഷ പഠിച്ച്, നമ്മുടെ തലച്ചോർ ചെയ്യേണ്ടിയിരുന്ന പണി ഈ ആപ്പ് വൃത്തിയും വെടിപ്പുമായി ചെയ്തുതരുന്നു. ഇംഗ്ലീഷ്, സ്പാനിഷ് ഭാഷകളിൽ സംസാരിക്കുന്ന രണ്ട് പേർ തമ്മിലുള്ള ഗൂഗിൾ മീറ്റ് സംഭാഷണം പ്രദർശിപ്പിച്ചുകൊണ്ടാണ് ഗൂഗിൾ ഈ അ‌തിശയം ലോകത്തിന് പരിചയപ്പെടുത്തിയത്.

ഈ റിയല്‍ടൈം ഓഡിയോ ട്രാന്‍സ്ലേഷന്‍ ടൂളിന്റെ ബീറ്റാ പതിപ്പ് ഗൂഗിള്‍ എഐ പ്രോ, അള്‍ട്രാ പ്ലാനുകള്‍ സബ്‌സ്‌ക്രൈബ് ചെയ്തവര്‍ക്കാണ് ലഭ്യമാകുക. ആദ്യഘട്ടമെന്ന നിലയിൽ ഇംഗ്ലീഷ്, സ്പാനിഷ് ഭാഷകളിലാണ് ഈ ഫീച്ചർ ലഭ്യമാകുക. എന്നാൽ വരുംദിവസങ്ങളിൽ കൂടുതൽ ഭാഷകളിലേക്ക് ഈ ഫീച്ചർ അ‌വതരിപ്പിക്കും.

ഗൂഗിൾ I/O 2025 ഇവന്റിലെ മറ്റ് പ്രധാന പ്രഖ്യാപനങ്ങളും അ‌പ്ഡേറ്റുകളും: ഇമേജെൻ 4 (Imagen 4): ഗൂഗിളിന്റെ ഏറ്റവും പുതിയ ഇമേജ് ജനറേഷൻ മോഡൽ വിവിധ ശൈലികളിൽ 2K വരെ റെസല്യൂഷനിൽ മൂർച്ചയുള്ള ഡീറ്റെയിൽസ് നൽകുന്നു. കാർഡുകൾ, പോസ്റ്ററുകൾ, കോമിക്‌സ് എന്നിവ സൃഷ്ടിക്കുന്നതിനുള്ള ടെക്‌സ്‌റ്റ് കൃത്യതയും ഇത് മെച്ചപ്പെടുത്തുന്നു. ജെമിനി, വിസ്‌ക്, വെർട്ടെക്സ് AI, ഗൂഗിൾ വർക്ക്‌സ്‌പേസ് ആപ്പുകളിൽ ഇത് ലഭ്യമാണ്.

Veo 3: ഗൂഗിളിന്റെ ഈ ഏറ്റവും പുതിയ വീഡിയോ AI മോഡൽ പശ്ചാത്തല ശബ്‌ദങ്ങളും കഥാപാത്ര സംഭാഷണങ്ങളും ഉൾപ്പെടെ സമന്വയിപ്പിച്ച ഓഡിയോ ഉപയോഗിച്ച് ഉയർന്ന നിലവാരമുള്ള വീഡിയോകൾ നിർമ്മിക്കുന്നു. ഇത് പ്രോംപ്റ്റുകൾ നന്നായി മനസ്സിലാക്കുകയും ടെക്സ്റ്റ് സ്റ്റോറികളെ വീഡിയോ ക്ലിപ്പുകളാക്കി മാറ്റുകയും ചെയ്യും. യുഎസിലെ അൾട്രാ സബ്‌സ്‌ക്രൈബർമാർക്കും വെർട്ടെക്സ് AI-യിലെ എന്റർപ്രൈസ് ഉപയോക്താക്കൾക്കും ആണ് ഇപ്പോൾ ഈ ഫീച്ചർ ലഭ്യമായിട്ടുള്ളത്.

Veo 2 അപ്‌ഡേറ്റുകൾ: റഫറൻസ്-പവർഡ് വീഡിയോ, ക്യാമറ ചലനങ്ങൾ, ഔട്ട്‌പെയിന്റിംഗ്, ഒബ്‌ജക്റ്റ് ആഡ്/റിമൂവ് ഫംഗ്‌ഷനുകൾ എന്നിവയാണ് ഇതിൽ പുതിയതായി ചേർത്ത ഫീച്ചറുകൾ. ഇവ ഇപ്പോൾ ഫ്ലോയിൽ ആക്‌സസ് ചെയ്യാവുന്നതാണ്, ഉടൻ തന്നെ വെർട്ടെക്സ് AI-യിൽ എത്തും. ഫ്ലോ: സ്വാഭാവിക വിവരണങ്ങളിൽ നിന്ന് സിനിമാറ്റിക് രംഗങ്ങൾ സൃഷ്ടിക്കുന്നതിന് Veo, Imagen, Gemini മോഡലുകൾ സംയോജിപ്പിക്കുന്ന ഒരു ഫിലിം മേക്കിംഗ് AI ടൂൾ ആണിത്.

Lyria 2: യൂട്യൂബ് ഷോർട്ട്‌സിലും വെർട്ടെക്സ് AI യിലും AI മ്യൂസിക് ഡി​വൈസുകളിലേക്കും വിപുലീകൃത ആക്‌സസ് പുതിയ അ‌പ്ഡേറ്റിൽ ഗൂഗിൾ വാഗ്ദാനം ചെയ്യുന്നു. Lyria RealTime ഉപയോക്താക്കളെ API, AI സ്റ്റുഡിയോ എന്നിവ വഴി റിയൽ​ടൈം ഇന്ററാക്ടീവ് മ്യൂസിക് ക്രിയേഷന് അ‌നുവദിക്കുന്നു.

ഡീപ് റിസർച്ച്, ജെമിനി ആപ്പ് എന്നിവയിലും നവീകരണങ്ങൾ വന്നിരിക്കുന്നു. ഡീപ് റിസർച്ച്: മെയ് 20 മുതൽ, വ്യക്തിഗത ഡാറ്റയും പൊതു ഡാറ്റയും സംയോജിപ്പിച്ച് ഇഷ്ടാനുസൃതമാക്കിയ ഗവേഷണ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുന്നതിന് ഉപയോക്താക്കൾക്ക് PDF-കളും ചിത്രങ്ങളും പോലുള്ള സ്വകാര്യ പ്രമാണങ്ങൾ അപ്‌ലോഡ് ചെയ്യാൻ കഴിയും എന്ന് ഗൂഗിൾ അ‌റിയിച്ചിട്ടുണ്ട്.

ക്രോമിൽ ജെമിനി: യുഎസിലെ ഗൂഗിൾ എഐ പ്രോ, അൾട്രാ സബ്‌സ്‌ക്രൈബർമാർക്ക് മെയ് 21 മുതൽ ഡെസ്‌ക്‌ടോപ്പിൽ ജെമിനി ലഭിക്കും, വെബ് കണ്ടന്റ് സംഗ്രഹങ്ങളും വിശദീകരണങ്ങളും ഇത് വാഗ്ദാനം ചെയ്യും. ടാബുകളിലുടനീളം മൾട്ടിടാസ്കിംഗ് സാധ്യമാകുന്ന ഫീച്ചർ പിന്നീട് വരും. ജെമിനി ക്യാൻവാസ്: ജെമിനി 2.5 മോഡലുകൾ ഉപയോഗിച്ച് മെച്ചപ്പെടുത്തിയ ക്രിയേറ്റീവ് ഇടമാണിത്. 45 ഭാഷകളിലെ വിവരണങ്ങളിൽ നിന്ന് ഇൻഫോഗ്രാഫിക്സ്, ക്വിസുകൾ, പോഡ്‌കാസ്റ്റ്-സ്റ്റൈൽ ഓഡിയോ എന്നിവ നിർമ്മിക്കാൻ ഇത് ഉപയോക്താക്കളെ പ്രാപ്തരാക്കുന്നു.

ജെമിനി 2.5 മോഡൽ അപ്‌ഡേറ്റുകൾ- ജെമിനി 2.5 പ്രോ: 1 മില്യൺ ടോക്കൺ വിൻഡോ ഉപയോഗിച്ച് മെച്ചപ്പെടുത്തിയ വെബ് ആപ്പ് നിർമ്മാണം, കോഡിംഗ്, ദീർഘകാല സന്ദർഭ ധാരണ എന്നിവ ഇത് വാഗ്ദാനം ചെയ്യുന്നു. ക്വിസുകൾ: തൽക്ഷണ ഫീഡ്‌ബാക്ക് ഉപയോഗിച്ച് പ്രാക്ടീസ് ക്വിസുകൾ സൃഷ്ടിക്കുന്നതിനെയും ഫോളോ-അപ്പ് ചോദ്യങ്ങൾ സ്വീകരിക്കുന്നതിനെയും ജെമിനി ഇപ്പോൾ പിന്തുണയ്ക്കുന്നു. ഈ ഫീച്ചർ ആഗോളതലത്തിൽ ലഭ്യമാണ്.

ഡീപ് തിങ്ക് മോഡ്: ഉത്തരം നൽകുന്നതിനുമുമ്പ് ഒന്നിലധികം സിദ്ധാന്തങ്ങൾ വിലയിരുത്തുന്ന ഒരു ഫീച്ചർ ആണിത്. ബുദ്ധിമുട്ടുള്ള ഗണിത, കോഡിംഗ് പരിശോധനകളിൽ ഇത് ഉയർന്ന സ്കോർ നേടിയിട്ടുണ്ട്. അ‌ധികം ​വൈകാതെ പുറത്തിറക്കും. 2.5 ഫ്ലാഷ്: ജൂണിൽ പ്രിവ്യൂവിനും പബ്ലിക് റിലീസിനും ലഭ്യമായ വേഗതയേറിയതും കൂടുതൽ കാര്യക്ഷമവുമായ മോഡൽ. യുക്തി, കോഡ്, മൾട്ടിമോഡൽ ടാസ്‌ക്കുകൾ എന്നിവയിൽ നവീകരണത്തോടെ ഇത് എത്തുന്നു.

പുതിയ ജെമിനി 2.5 ഫീച്ചറുകൾ- ലൈവ് API അപ്‌ഡേറ്റ്സ്: ഓഡിയോ-വിഷ്വൽ ഇൻപുട്ടിന്റെയും നേറ്റീവ് ഓഡിയോ ഔട്ട്‌പുട്ടിന്റെയും പ്രിവ്യൂ, ടോൺ, ആക്‌സന്റ് കൺട്രോൾ, ടൂൾ ഉപയോഗം എന്നിവ ഉൾപ്പെടുത്തിയിരിക്കുന്നു. ഇമോഷൻ ഡിറ്റക്ഷൻ (ഇഫക്റ്റീവ് ഡയലോഗ്), പശ്ചാത്തല നോയ്‌സ് ഫിൽട്ടറിംഗ് (പ്രൊആക്ടീവ് ഓഡിയോ), മെച്ചപ്പെടുത്തിയ യുക്തി (തിങ്ക്കിംഗ് ഇൻ ലൈവ് API) എന്നിവ ഉൾപ്പെടുന്നു.

ടെക്സ്റ്റ്-ടു-സ്പീച്ച് ഇപ്പോൾ 24+ ഭാഷകളിൽ ലഭ്യമായ എക്സ്പ്രസീവ് വോയ്‌സുകളുള്ള ഒന്നിലധികം സ്പീക്കറുകളെ പിന്തുണയ്ക്കുന്നു. പ്രോജക്റ്റ് മാരിനറിന്റെ ടാസ്‌ക് മാനേജ്‌മെന്റ് കഴിവുകളെ ജെമിനി API, വെർട്ടെക്സ് AI എന്നിവയിലേക്ക് സംയോജിപ്പിക്കുന്നു. ഡെവലപ്പർ ടൂൾസ്: മോഡൽ കോൺടെക്സ്റ്റ് പ്രോട്ടോക്കോളിനുള്ള (MCP) നേറ്റീവ് SDK പിന്തുണ ഓപ്പൺ സോഴ്‌സ് ടൂളുകളുമായുള്ള സംയോജനം മെച്ചപ്പെടുത്തുന്നു.

പുതിയ രണ്ട് എഐ സബ്‌സ്‌ക്രിപ്ഷൻ പ്ലാനുകളും ഗൂഗിൾ പ്രഖ്യാപിച്ചു. യുഎസിൽ മാത്രം ലഭ്യമാക്കിയ പ്രതിമാസം 249 ഡോളർ (ഏകദേശം 21305 രൂപ) നിരക്കിലുള്ള എഐ അൾട്ര പ്ലാൻ ആണ് അ‌തിലൊന്ന്. ആഗോള തലത്തിൽ പ്രതിമാസം 19.99 ഡോളർ (ഏകദേശം 1710 രൂപ) നിരക്കിൽ ലഭ്യമാകുന്ന എഐ പ്രോ പ്ലാൻ ആണ് രണ്ടാമത്തേത്.

ഇതിൽ എഐ അ‌ൾട്ര പ്ലാൻ Veo 3 വീഡിയോ, ഡീപ് തിങ്ക് മോഡ്, അഡ്വാൻസ്ഡ് ഫ്ലോ കൺട്രോളുകൾ, Whisk Animate, NotebookLM എന്നിവയുൾപ്പെടെ ഉയർന്ന ഉപയോഗ പരിധികളിലേക്കും ടോപ്പ്-ടയർ മോഡലുകളിലേക്കും ഫീച്ചറുകളിലേക്കും ആക്‌സസ് വാഗ്ദാനം ചെയ്യുന്നു. ഇതിൽ YouTube പ്രീമിയവും 30 TB സ്റ്റോറേജും ഉൾപ്പെടുന്നു.