"沉寂"已久的谷歌終于放大招了。

　　美國當?shù)貢r間12月6日，谷歌發(fā)布多模態(tài)大模型Gemini。谷歌DeepMind直接宣布，Gemini是“谷歌*、最強的人工智能模型”。

　　Gemini谷歌是從頭開始構建的多模態(tài)模型，這也是更接近人類認識世界的方式。

　　作為谷歌用來應對GPT-4的“殺手锏”。Gemini在32個多模態(tài)基準測試中取得了30個SOTA(State Of The Art，即當前*效果)的記錄，是*個在MMLU（大規(guī)模多任務語言理解）測評上超過人類專家的模型。Gemini在此項取得的成績是90.0%，作為對比，人類專家的成績?yōu)?9.8%，GPT-4為86.4%。

　　Gemini共有三個版本：

　　Gemini Ultra：適用于高度復雜的任務;

　　Gemini Pro：適用于擴展至各種任務的Gemini模型;

　　Gemini Nano：體量較小，適用于特定任務和移動設備。

　　"Gemini的多樣性讓它能夠在從移動設備到大型數(shù)據(jù)中心的所有設備上運行。"谷歌DeepMind產(chǎn)品副總裁Eli Collins說，“我們離新一代人工智能模型的愿景越來越近了。”

　　“有了人工智能，我們將有機會以更大規(guī)模做一些重要的事情。”谷歌CEO Sundar Pichai在谷歌成立25周年公開信中就特意提到了人工智能。面對強勢的OpenAI，優(yōu)等生谷歌需要一款現(xiàn)象級產(chǎn)品，證明自己在人工智能領域的實力。

　　Gemini就是谷歌交出的答卷。

　　1、“打的就是精銳”

　　谷歌的Gemini模型的核心優(yōu)勢在于其原生多模態(tài)（natively multimodal）的特性。

　　以往的多模態(tài)大模型往往是通過分別針對不同模態(tài)訓練單獨的組件，再將這些組件組合起來以模擬多模態(tài)功能的方法構建的。雖然在某些任務(比如圖像描述)上表現(xiàn)良好，但在處理需要更深層次概念理解和復雜推理的任務時，它們的表現(xiàn)往往不盡人意。

　　而谷歌的Gemini模型從一開始就在不同模態(tài)上進行預訓練，再通過使用額外的多模態(tài)數(shù)據(jù)進行微調，進一步提升了模型的有效性。這種原生的多模態(tài)訓練方法使得Gemini在處理多種類型的數(shù)據(jù)和復雜任務時更為高效和精準，從而在多模態(tài)人工智能領域樹立了新的標準。

　　并且，Gemini的推出主要是"瞄準OpenAI的GPT-4"而來。用《亮劍》里李云龍的話來說就是——“打的就是精銳”。

　　在運算效能方面，Gemini幾乎“全面吊打”GPT-4。Gemini Ultra在大模型研發(fā)被廣泛使用的32個學術基準測試集中，在其中30個測試集的性能超過此前SOTA結果。其中，在多選問題、數(shù)學問題、Python代碼任務、閱讀等方面，Gemini的性能都超過了此前*進的水平。

　　谷歌稱，他們對MMLU采用了新的基準方法，使Gemini能夠利用推理能力在回答難題之前進行更仔細的思考，相比僅僅根據(jù)問題的*印象作答，Gemini的表現(xiàn)有顯著改進。

　　Gemini Ultra在多個編碼基準測試中表現(xiàn)出色，包括HumanEval和Natural2Code。其中僅Gemini僅在HellaSWAG數(shù)據(jù)集上的測試遜色于GPT-4。

　　HellaSWAG數(shù)據(jù)集主要用于研究扎根的常識推理能力，但是一位NLP領域的研究專家向「甲子光年」表示："這并不能說明GPT4的常識推理性能更好，因為不能排除ChatGPT的模型在HellaSWAG數(shù)據(jù)集上訓練過。"

　　此外，在多模態(tài)方面，Gemini Ultra在新的MMMU基準測試中取得了59.4%的*進得分，突顯了其多模態(tài)性和復雜推理能力。

　　在圖像基準方面的測試中，Gemini Ultra不需要從圖像中提取文本就能進行OCR處理，表現(xiàn)優(yōu)于之前*進的模型。

　　Gemini 1.0被訓練用于同時識別和理解文本、圖像、音頻等，因此它能更好地理解具有細微差別的信息，回答與復雜主題相關的問題，尤其擅長解釋數(shù)學和物理等復雜科目中的推理。

　　“推理缺陷”也是GPT系列存在的問題。著名語言模型批評者Gary Marcus博士曾銳評道：“大語言模型沒法做一些有嚴格定義的工作：遵守國際象棋規(guī)則、五位數(shù)字相乘、在家譜中進行可靠的推理、比較不同物體的重量等等。”

　　盡管技術進步顯著，但AI生成的虛假或捏造信息的問題依然存在。Eli Collins指出，這仍是一個未被完全解決的研究難題。

　　但他同時也強調，Gemini接受了谷歌迄今最為全面的安全評估，以確保其可靠性和安全性。谷歌對Gemini進行了一系列對抗性測試，模擬惡意用戶使用模型，并輸入各種提示詞，以檢測模型是否會產(chǎn)生仇恨言論或表現(xiàn)出政治偏見。這些測試包括了“真實毒性提示詞”，由網(wǎng)絡收集的超過10萬個提示詞組成，用以全面檢驗模型的反應。

　　值得注意的是，Gemini是在谷歌自研的云芯片Tensor Processing Units(TPU)上完成訓練的。特別是TPU v5p版本，在性能上有了顯著提升，使得模型訓練速度相比前一代提高了2.8倍。據(jù)悉，TPU v5p芯片是專為數(shù)據(jù)中心訓練及大型模型運行而設計。

　　從12月13日起，開發(fā)人員和企業(yè)客戶可以通過Google AI Studio或Google Cloud Vertex AI來訪問Gemini Pro模型。Google AI Studio是一個基于網(wǎng)絡的免費開發(fā)工具，為開發(fā)人員提供API密鑰，從而快速創(chuàng)建原型并啟動應用程序。Vertex AI提供了定制化的Gemini以提供更為全面和管理的人工智能平臺，并具有完整的數(shù)據(jù)控制功能，能利用谷歌云的額外功能，包括企業(yè)級的安全性、隱私保護以及數(shù)據(jù)治理和合規(guī)性。

　　此外，從Pixel 8 Pro設備開始，Android開發(fā)人員還可以通過Android 14中的新系統(tǒng)功能AICore來使用Gemini Nano。Gemini Nano是專為設備端任務設計的高效模型，通過注冊AICore的早期預覽版，開發(fā)人員可以深入探索其潛力，更便捷地利用Gemini的先進技術，并在Android生態(tài)系統(tǒng)的應用開發(fā)中迸發(fā)更多可能性。

　　到2024年，谷歌計劃推出Bard Advanced，它與AI agent的初級形態(tài)十分相似。Bard Advanced將借助Gemini Ultra提供支持，可以迅速理解多模態(tài)輸入，包括文本、圖像、音頻和視頻，并作出相應的響應。

　　2、谷歌 VS OpenAI

　　在OpenAI的GPTs大放異彩時，谷歌似乎過于沉寂了。

　　今年2月，谷歌在巴黎舉行活動時，因其聊天機器人Bard的一處失誤，市值蒸發(fā)了1000億美元，也引發(fā)了外界對于Bard準確性的擔憂。

　　隨著OpenAI推出了ChatGPT，尤其是在必應搜索中整合了GPT技術，并首次在應用程序下載量上超越了谷歌后，人們開始思考谷歌是否在已人工智能領域落后于競爭對手。

　　事實上，谷歌才是在2017年提出的Transformer模型、為今天這場游戲制定規(guī)則的先行者。

　　谷歌對大模型"高地"的競爭意識并不比OpenAI晚。2021年，谷歌便推出了1.6萬億參數(shù)的Switch Transformer，強調稀疏多模態(tài)結構的潛力。同時，谷歌還提出了Flan-T5模型，通過更多監(jiān)督數(shù)據(jù)降低了模型規(guī)模，比GPT-3模型參數(shù)更少但性能更佳。

　　對于技術上的評估，《經(jīng)濟學人》在今年1月曾進行了一項比較測試，向ChatGPT和谷歌基于Lamda的機器人Bard提出了數(shù)學、閱讀和約會建議等問題。

　　測試結果顯示，谷歌AI在數(shù)學問題上表現(xiàn)更佳，但ChatGPT在常識問題上更準確。幾天后OpenAI升級了ChatGPT，再次測試中在數(shù)學問題上與谷歌AI持平。盡管ChatGPT作為一個大型語言模型訓練成本高、迭代難，但也顯示了它持續(xù)進化的巨大潛力。值得注意的是，谷歌的語言模型與ChatGPT在性能上是旗鼓相當?shù)摹?/strong>