Google在春酒记者会中揭露了今年在台多项发展计画，像是今年将在台推出数位安全证照计画、第二季引进YouTube学习课程，也将启用第二座新办公室等，建置多年的Apricot海底电缆也会启用，将可提升3成台湾网路频宽等。Google 台湾总经理林雅芳更揭露了三大AI战略方向，从培植各领域人才、强化开发者社群和协助各产业成功等面向来协助台湾掌握AI机会。

林雅芳指出，Google台湾的目标是帮助台湾成为亚洲的矽谷，一方面要将最新的产品服务落地台湾，支援台湾的数位转型，其次台湾也是Google重要的全球营运据点和硬体研发基地，第三是要推动透过在地的智慧计画，过去已经培育了超过11万名在地人才，来打造台湾的智慧生态系统。

AI是Google台湾今年的重要在地发展目标，在培植各领域人才上，进一步会细分成三个策略，AI普及、AI应用和AI创新。

针对社会大众要推动AI普及，Google将在台设立Gemini学院来提升社会大众的AI识读能力，预计在2024年培育1,000名中小学老师接受训练，会提供3套线上训练，包括了AI基本素养、安全负责任的使用 AI 、使用 AI 帮助教学，也会提供实际操作演练，来推动AI教育，为AI识读打基础。YouTube学习课程今年第二季会引进台湾，部分AI系列课程更会在2024年制作成YouTube影片，开放所有人免费自学，来普及AI识读能力，也会针对不同产业举办工作坊。

而在AI专业人才的职场技能上则强化AI应用能力，Google将继续透过数位人才探索计画，从今年第二季开始，原本的两大课程「数位行销和网站分析」以及「云端技术」都会新增AI基础介绍和新工具的知识，包括生成式AI、LLM、负责任AI等。例如数位行销课程将介绍AI技术辅助的高效广告，而云端技术课程则会如何介绍Generative AI Studio、如何进行图片生成、如何用PaLM进行提示设计或如何运用模型花园和评估模型等内容。

最後一项人才培育则是要强化学研界的AI创新能力，Google台湾董事总经理马大康指出，从2018年至今，累积找来71位Google科学家，来台举办超过百场演讲，从2020年至今更支持台湾的大学超过40项计画，其中17项与AI相关。「今年将持续举办第七届的AI创新研究营，今年中，Google DeepMind杰出科学家纪怀新会带领团队来台，交流大型语言模型和机器学习主题的AI研发成果。」他说。

强化开发者社群是Google今年的第二大AI落地战略，会从工具、社群和技术三个层次展开。工具上，已经在台提供了Google AI Studio、Vertex Ai和开放模型Gemma，而在社群经营上，目前在台湾有7个Google开发者团队（GDG）社群，15位Google开发者专家，以及在37个大学的学生开发者社群，去年举办了48场活动，接触3,800开发人员来提升AI技能。

马大康指出，从今年1月展开，预计举办16场Build With AI活动，培训800位开发者投入生成式AI，也计画培育60位社群领袖成为AI工具的种子教师，以及4位生成式AI领域的Google开发者专家。另外，今年在Google Cloud培育计画上，今年将举办一个为期两周的培训计画，预计再触及5千名开发者。

最後一个AI落地面向是Google要用AI协助各产业创新。去年10月才上任的Google Cloud台湾总经理柯淑芬指出，现在是一个由生成式AI推动的全新数位转型时代，企业有许多场景可以用生成式AI来加快速度。从台电电子任职多年经验中，她举例，不少高科技业的工厂分散在全球多国，生产线有许多作业手册、组装文件得翻译成多国语言提供给各地工人，采用生成式AI就能快速翻译，能加快产线生产新品项的速度。

「Google希望支持企业快速建立变革式的生成式AI体验，一方面会提供完整的生成式AI技术堆叠，另一方面会协助企业统整资料以利AI的运用。」她说。

Google从去年12月开始陆续推出了多项生成式AI技术产品和工具，并陆续以Gemini为名来统一这个GenAI的产品线。台湾也有企业开始试用Gemini模型等生成式AI技术，像是中附医去年底导入医疗专用生成式AI模型MedLM，来打造AI辅助医生，来辅助医护进行诊断、疾病治疗规画和实施病人卫教的过程。PC Home则预计采用AI/ML来提供更精准的商品推荐或不同消费组合的推荐，也会在站内搜寻功能采用检索增强生成RAG技术。旅游网站KKday则是透过Vertex AI来运用生成式AI技术，将网站旅游行程商品翻译6国语言，包括中、英、日、韩、泰、越南文等。

Google Cloud台湾技术副总林书平指出，台湾企业目前明确的生成式AI应用领域，像是新人的教育训练，或是用生成式AI强化的搜寻来支援企业内部知识管理的需求。

目前，Google Cloud在台湾的技术支援人力约40多人，除了云端技术支援、零信任导入辅导，也可支援企业打造生成式AI应用，另外，Google在台湾和新加坡还设有专门的GenAI技术支援团队，也可支援台湾企业导入GenAI。「企业若有特殊题目或资料，甚至可以找来总部DeepMind的科学家来台支援，台湾目前已有一家企业取得这样的合作支援。」林书平补充。

 …

Google新论文介绍影片生成模型Lumiere，Lumiere是一种文字转影片扩散模型，该模型的主要目的，是创建真实、多样且动作连贯的影片。该模型使用一种称为时空U-Net（Space-Time U-Net，STUNet）基础架构，官方提到，这种技术可以一次生成完整的影片长度，而不需要经过多次处理。

近年图像生成模型有着巨大的进步，能够根据复杂的文字提示，生成高解析度且逼真的图像，不过，研究人员要将文字转图像技术应用到文字转影片领域面临挑战，主要原因在於影片中的动作复杂性。

当前文字转影片模型仍然无法生成长时间，有着高品质视觉效果且动作逼真的影片，研究人员解释，这些模型通常采用分阶段设计，会先生成几个关键画面，接着用时间超解析度（Temporal Super-Resolution，TSR）模型，填充关键画面之间的画面。该方法虽然在记忆体效率上表现良好，但是在生成连贯动作上有其限制。

Google的新模型Lumiere则采用不同的方法，使用STUNet架构一次性生成完整时间长度的影片，该架构能够在空间和时间上同时降采样（Downsample）讯号，在更紧凑的时空表示中进行大部分运算，这使得Lumiere能够生成更长时间、动作更加连贯的影片。Lumiere一次可以生成80影格，以每秒16影格来算，可产生长达5秒的影片，研究人员提到，5秒的长度超过大多数媒体作品中平均镜头时长。

Lumiere建立於一个经过预训练的文字转图像模型之上，首先会由基础模型在像素空间生成图像的基本草稿，接着透过一系列空间超解析度（SSR）模型，逐步提升这些图像的解析度和细节。不过，采用空间超解析度技术针对影片的每一个时窗进行处理，可能会在不同时窗的边界处，产生外观上的不一致，这是因为每个时窗都是独立处理，所以在时窗拼接时，可能会有细节上的差异。

研究人员采用了Multidiffusion方法来解决时窗上的不连续，藉由在不同的时窗上进行空间超解析度处理，并汇整处理过的片段，以确保影片片段在视觉上的一致性和连续性。

整体来说，Lumiere是一个强大的文字转影片扩散模型，能够生成高品质且动作连贯的影片，可用於多种影片编辑和内容创建任务上，诸如影片修复、图像转影片生成，或是生成特定风格影片等。…

Google研究院与西雅图交通部合作，开发模拟交通引导计画，并将研究结果实际应用在道路交通上。在2023年8月和11月期间，双方在多个有数千名参加者的大型活动中进行实验，采用新的路由政策，并以动态讯息号志（Dynamic Message Signs，DMS）引导车辆，成功将离开体育场的平均车行时间降低7分钟。

研究人员指出，从体育场撤离人群的问题，从古罗马竞技场建立以来，一直到今天仍尚未找到有效的解决办法。而解决此一问题的现代方法是采用数位双生（Digital Twins），这项技术藉由在虚拟环境复制现实交通网路，重建每一个街道和十字路口的布局，甚至是所有车流量的细节，协助专家研究各种交通问题。

Google研究团队新开发针对西雅图体育场周边地区的交通模拟模型，藉由使用开源模拟软体SUMO（Simulation of Urban MObility），尽可能精确地重现特定时间的交通状况。SUMO的行为模型可以协助研究人员描述交通动态，像是跟车、变换车道和遵守限速等驾驶人做决策的方式。另外，研究团队还利用Google地图提供的资料，来定义网路结构和各种路段静态属性，诸如车道数、限速和交通号志等。

该模型的一个重要输入资料是车行需求。为了计算此一需求，研究团队需要将特定都市区域的道路网路划分为不同的区域，以这些区域为基础定义车行需求。所谓的车行需求，指得是在特定时间区间，从一个出发区域（Origin）到目标区域（Destination）的预期车行数量，简单来说就是特定时间内，有多少车辆要从A地前往B地，并以OD矩阵的形式表示。

研究人员透过汇集匿名车行统计资料，获得出发地区和目标区域之间的预期初始车行数量，结合初始车行需求和路段速度、车行时间和车辆数量等交通统计资料，来校准OD，以确实重现特定事件当时的情境。该模型对西雅图T-Mobile Park和Lumen Field周边多个活动进行交通模拟，采用匿名交通统计资料来评估准确性，以理解不同路由政策对该地区壅塞的影响。

西雅图警察局提供了最需要改进的拥挤路线，Google研究人员开发新的路由策略，使用模拟模型对其进行评估。要达到更快疏散交通的目的，新的政策将南北行交通从较近的闸道路口，路由到更远的高速功路闸道，以缩短等待时间。同时还尝试向活动交通流量开放高乘载车道（HOV Lane），以便更有效利用道路容量。同时也推荐驾驶人经由替代路线，或是不同车道之间共享负载，以便更快抵达体育场闸道。

研究人员对不同交通条件、活动时间和参加者人数的活动进行建模，并且模拟活动後车辆离开体育场抵达目的区域的时间。藉由计算政策实施前後的车行时间，来衡量每项政策的效益，在考虑可行性後，西雅图交通部在大型活动期间，使用动态讯息号志建议驾驶采取替代路线到达目的地，引导30％的车辆行经特定的路线和闸道，最终平均节省7分钟的车行时间。

这项研究的贡献在於展现模拟技术在交通规画和政策评估的应用潜力，透过模拟可使交通网路规画者了解利用率低的路段，并评估不同路由政策的效果，以实现更好的交通空间分布。…