美國時間12月6日，谷歌正式發佈了Gemini大模型。谷歌CEO桑達爾·皮查伊（Sundar Pichai）稱，這是谷歌迄今爲止功能最強大、最通用的模型。

　　距離ChatGPT發佈，已經過去一年零一週。伴隨着ChatGPT的發佈，OpenAI成爲了人工智能領域最耀眼的公司，尤其是在大模型領域，它也是其他所有科技公司的追趕目標，其中包括谷歌。

　　過去八年，谷歌一直把AI-first作爲公司戰略，2016年打敗人類圍棋冠軍的AlphaGo便是出自谷歌之手。毫不誇張地說，是谷歌掀起的一股AI浪潮，改變了整個AI行業的發展，但現在，它亟需在大模型領域證明自己。

　　據悉，在Gemini 1.0版本中包含三個不同尺寸，分別是Gemini Ultra、Gemini Pro、Gemini Nano。其中，Gemini Nano主要應用於設備端，Pixel 8 Pro將是第一款搭載Gemini Nano的智能手機；Gemini Pro則適用於在各種任務中擴展，谷歌便計劃用Gemini Pro來升級旗下的聊天機器人Bard，以及包括搜索、廣告、Chrome等在內的更多谷歌產品中。

　　對於功能最強悍的Gemini Ultra，谷歌稱目前正在進行信任和安全檢查，以及通過微調和基於人類反饋的強化學習（RLHF）進一步完善模型，預計明年初向開發人員和企業客戶推出。

　　桑達爾·皮查伊表示，Gemini的發佈，是人工智能發展的一個重要里程碑，也是谷歌新時代的開始。

　　超越GPT-4？

　　據谷歌DeepMind首席執行官黛米斯·哈薩比斯（Demis Hassabis）介紹，Gemini是由谷歌團隊從頭開始構建的多模態模型，這意味着它可以概括並無縫理解、處理不同類型的信息，包括文本、代碼、音頻、圖像和視頻。

　　在性能測試上，Gemini Ultra在32個大語言模型基準測試中的30箇中超過了當前最優成績，另外在MMLU（大規模多任務語言理解）中，Gemini Ultra的得分爲90%，成爲首個超越人類專家的大模型。

　　據悉，MMLU通過結合數學、物理、歷史、法律、醫學和倫理學等57個科目，來測試大模型對世界知識和解決問題的能力。此前，GPT-4在該測試中的成績爲86.4%，而人類專家的成績爲89.8%。

　　而在MMMU基準測試中，Gemini Ultra取得了59.4%的最高得分，GPT-4V的成績爲56.8%，該項測試由跨越不同領域的多模態任務組成。

　　黛米斯·哈薩比斯稱，在測試圖像基準過程中，Gemini Ultra在沒有來自圖像字符識別（OCR）系統的幫助下，就超越了此前最先進的模型。這些基準測試凸顯了Gemini的多模態能力，也展現出其具有更復雜推理能力的早期跡象。

　　目前，創建多模態模型的標準方法主要是通過訓練不同模態的單獨組件，然後將它們拼接在一起。但這樣操作的結果是，這些模型有時在執行某些任務（如描述圖像）方面表現良好，但往往難以處理更復雜的推理。

　　“我們將Gemini設計爲原生多模態，它從一開始就針對不同模態進行了預訓練，然後我們使用額外的多模態數據對其進行微調，以進一步提高其效果。”黛米斯·哈薩比斯介紹道，“這幫助Gemini從頭開始就能無縫理解和推理各種輸入，遠遠優於現有的多模態模型，而且其能力在幾乎所有領域都達到了最先進的水平。”

　　比如在推理方面，Gemini 1.0可以理解複雜的書面和視覺信息，它通過閱讀、篩選和理解信息，能夠從數十萬份文檔中提取見解。

　　另外，Gemini 1.0經過訓練，可以同時識別和理解文本、圖像、音頻等，因此它能更好地理解微妙的信息，並能回答涉及複雜主題的問題，比如進行數學和物理等複雜學科的推理。

　　而在編碼方面，Gemini 1.0能夠理解、解釋和生成世界上最流行的編程語言（如Python、Java、C++和Go）的高質量代碼。兩年前，谷歌曾推出AI代碼生成平臺AlphaCode，現在在Gemini的助力下，該平臺迭代到AlphaCode 2，性能也得到大幅提升，可以解決之前幾乎兩倍數量的問題。

　　仍在持續優化安全性

　　桑達爾·皮查伊表示，現在已經有數百萬人正在使用谷歌產品中的生成式AI，做一年前還做不到的事情，從回答更復雜的問題到使用新工具進行協作和創造。與此同時，開發人員正在使用谷歌的模型和基礎架構構建新的生成式AI應用程序，全球的初創公司和企業也正在利用谷歌的AI工具不斷成長。

　　在其看來，這種趨勢已經有些令人難以置信，但是，這還僅僅是開始。

　　“我們正在大膽而負責任地開展這項工作。這意味着我們的研究要有雄心壯志，追求能夠爲人類和社會帶來巨大利益的能力，同時也要建立保障措施，並與政府和專家合作，以應對隨着AI變得更加強大而產生的風險。”桑達爾·皮查伊稱。

　　因此在Gemini的開發過程中，谷歌也加強了安全審查工作。黛米斯·哈薩比斯介紹，在谷歌的AI原則和產品安全政策基礎上，谷歌團隊正爲Gemini的多模態能力添加新的保護措施。

　　不僅如此，黛米斯·哈薩比斯還強調，在開發的每個階段，谷歌都會考慮潛在風險，並努力測試和減輕它們。

　　據悉，Gemini具有到目前爲止所有谷歌AI模型中最全面的安全評估，包括對偏見和有害信息的評估。同時，爲了識別內部評估方法中的盲點，谷歌還在與各種外部專家和團隊合作，對Gemini模型在各種問題上進行壓力測試。

　　另外值得關注的是，Gemini的訓練是基於谷歌自己的張量處理單元（TPUs）——v4和v5e。在這些TPUs上，Gemini比谷歌之前的模型運行速度更快、成本更低。所以除了新模型外，谷歌還宣佈將推出新的TPU系統——Cloud TPU v5p，這是專爲訓練尖端AI模型而設計的，也將用於Gemini的開發。

　　有業內人士向記者表示，谷歌此次發佈的Gemini雖然在很多性能上超越了GPT-4，但是它與OpenAI仍存在時間差，GPT-4發佈已經半年多，新一代模型應該也在開發過程中。

　　“所以對谷歌而言，與GPT-4進行各種基準測試的比較，只是展現其現階段能力的一方面，能否依靠自身積累以及強大的資源，縮短與OpenAI的時間差纔是關鍵。”該人士指出。另外，Gemini作爲谷歌在大模型時代構建的全新基礎設施，比起測試數據，能否滿足日常用戶以及企業客戶，纔是檢驗Gemini能力的真正標準。

　　黛米斯·哈薩比斯表示，谷歌已經開始在搜索中試驗Gemini，它使用戶的搜索生成體驗變得更快，在美國的英語搜索中，延遲減少了40%，同時在質量方面也有所提升。

　　而接下來，在加速Gemini 1.0落地應用的過程中，谷歌也在進一步擴展其未來版本的功能，包括增加上下文窗口以處理更多信息，進而提供更好的響應。

　　（工行網站特約作者：白楊）

　　文章來源：21世紀經濟報道