“有了人工智能，我們將有機會以更大規模做一些重要的事情?！惫雀鐲EO 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，優等生谷歌需要一款現象級產品，證明自己在人工智能領域的實力。

Gemini就是谷歌交出的答卷。

一、“打的就是精銳”

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

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

而谷歌的Gemini模型從一開始就在不同模態上進行預訓練，再通過使用額外的多模態數據進行微調，進一步提升了模型的有效性。這種原生的多模態訓練方法使得Gemini在處理多種類型的數據和復雜任務時更為高效和精準，從而在多模態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、數學問題、Python代碼任務、閱讀等方面，Gemini的性能都超過了此前最先進的水平。

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，相比僅僅根據問題的第一印象作答，Gemini的表現有顯著改進。

Gemini Ultra在多個編碼基準測試中表現出色，包括HumanEval和Natural2Code。其中僅Gemini僅在HellaSWAG數據集上的測試遜色于GPT-4。

HellaSWAG數據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數據集上訓練過。”

Gemini模型與GPT-4部分測試評分對比，圖片來源：谷歌

此外，在多模態方面，Gemini Ultra在新的MMMU基準測試中取得了59.4%的最先進得分，突顯了其多模態性和復雜推理能力。

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，表現優于之前最先進的模型。

Gemini模型在多模態方面的與GPT-4V的測試對比，圖片來源：谷歌

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：遵守國際象棋規則、五位數字相乘、在家譜中進行可靠的推理、比較不同物體的重量等等?！?/p>

Gemini解答物理題演示案例，圖片來源：谷歌

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生仇恨言論或表現出政治偏見。這些測試包括了“真實毒性提示詞”，由網絡收集的超過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。據悉，TPU v5p芯片是專為數據中心訓練及大型模型運行而設計。

從12月13日起，開發人員和企業客戶可以通過Google AI Studio或Google Cloud Vertex AI來訪問Gemini Pro模型。Google AI Studio是一個基于網絡的免費開發工具，為開發人員提供API密鑰，從而快速創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，并具有完整的數據控制功能，能利用谷歌云的額外功能，包括企業級的安全性、隱私保護以及數據治理和合規性。

此外，從Pixel 8 Pro設備開始，Android開發人員還可以通過Android 14中的新系統功能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生態系統的應用開發中迸發更多可能性。

到2024年，谷歌計劃推出Bard Advanced，它與AI agent的初級形態十分相似。Bard Advanced將借助Gemini Ultra提供支持，可以迅速理解多模態輸入，包括文本、圖像、音頻和視頻，并作出相應的響應。

二、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，市值蒸發了1000億美元，也引發了外界對于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1.6萬億參數的Switch Transformer，強調稀疏多模態結構的潛力。同時，谷歌還提出了Flan-T5模型，通過更多監督數據降低了模型規模，比GPT-3模型參數更少但性能更佳。

對于技術上的評估，《經濟學人》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提出了數學、閱讀和約會建議等問題。

測試結果顯示，谷歌AI在數學問題上表現更佳，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的。

在這場對決中，谷歌和微軟都需要成本效益更高的解決方案。谷歌在AI領域取得了不少研究進展，但尚未將這些成果部署和變現，類似于微軟在過去的某些時期。這可能是因為谷歌低估了微軟和OpenAI的競爭實力，或者過于自信于自己在搜索引擎領域的主導地位。

「甲子光年」綜合多方觀點分析得出，谷歌在技術前瞻性上領先，OpenAI更專注于產品的打磨。

在Sam Altman領導下的OpenAI專注于產品為導向的工作，致力于擴展和優化模型，主要關注細節精調方法。

谷歌則在技術發展的方向上始終保持著積極和前瞻的態度，不過在整體戰略規劃上卻屢次調整。

谷歌在稀疏模型架構上進行了深入探索。只是兩年后的，萬億級別的Switch Transformer幾乎沒產生任何水花，而千億參數級別的GPTs系列卻風生水起。同樣，被反復改進的Flan-T5模型雖然在性能上超越了GPT-3，但其優化進展相對緩慢。

在谷歌“選擇困難癥”期間，OpenAI已經完成了對ChatGPT的訓練。

在2022年9月，谷歌旗下的DeepMind推出了麻雀（Sparrow）模型，和ChatGPT一樣，采取了基于人類反饋的強化學習（RL）框架。該模型采用了小型參數設置，與谷歌看重的LaMDA和PaLM模型的思路有明顯不同。只是谷歌并未能迅速確定麻雀模型是否是最優選擇，這也導致了麻雀模型的產品化滯緩，最終未能“飛上枝頭變鳳凰”。

“猶豫不決”似乎一直是谷歌的宿疾。“但遲到總比不做好！終于有了OpenAI王座的有力競爭者?！痹贕oogle公布消息后，英偉達AI科學家Jim Fan評論道。

今年4月，谷歌將Google Brain和DeepMind團隊合并，成立 Google DeepMind。有人將這一團隊戲稱為“AI復仇者聯盟”。原Google AI產品負責人Eli Collins被委以重任，擔任新團隊的產品副總裁。

目前，Gemini Pro和Gemini Nano已在聊天機器人Bard和智能手機Pixel 8 Pro上集成，實現了更為高級的推理、規劃、理解等能力。而更為強大的Gemini Ultra將在明年發布。

不知OpenAI會如何“應戰”呢？或許我們很快便可以等到GPT-5的發布了。

不過，優等生谷歌并不完全在意這一時之戰，而是在著眼未來。

“我們對答案的探索將在未來25年推動非凡的技術進步。到2048年時，如果有一位青少年在世界上的某個地方，看著我們用人工智能建造的一切聳聳肩，我們就知道我們成功了。然后，我們就回去工作?！?/p>

谷歌CEO Sundar Pichai在谷歌成立25周年公開信中如是說。

*參考資料：

《Introducing Gemini: our largest and most capable AI model》，谷歌

《ChatGPT大熱，谷歌為何在自己的地盤輸給OpenAI？》，界面新聞