今天小编分享的互联网经验：优等生归来，谷歌最强大模型Gemini能否打败GPT4？，欢迎阅读。
图片来源 @视觉中国
文｜甲子光年，作者｜苏霍伊，编辑｜王博
" 沉寂 " 已久的谷歌终于放大招了。
美国当地时间 12 月 6 日，谷歌发布多模态大模型 Gemini。谷歌 DeepMind 直接宣布，Gemini 是 " 谷歌最大、最强的人工智能模型 "。
Google Deepmind 的官方账号截图，来源：谷歌 DeepMind
Gemini 谷歌是从头开始构建的多模态模型，这也是更接近人类认识世界的方式。
作为谷歌用来应对 GPT-4 的 " 杀手锏 "。Gemini 在 32 个多模态基准测试中取得了 30 个 SOTA（State Of The Art，即当前最优效果）的记录，是第一个在 MMLU（大规模多任务语言理解）测评上超过人类专家的模型。Gemini 在此项取得的成绩是 90.0%，作为对比，人类专家的成绩为 89.8%，GPT-4 为 86.4%。
Gemini 共有三个版本：
Gemini Ultra：适用于高度复杂的任务； Gemini Pro：适用于扩展至各种任务的 Gemini 模型； Gemini Nano：体量较小，适用于特定任务和移动设备。
Gemini 的三个版本，图片来源：谷歌
"Gemini 的多样性让它能够在从移动设备到大型数据中心的所有设备上运行。" 谷歌 DeepMind 产品副总裁 Eli Collins 说，" 我们离新一代人工智能模型的愿景越来越近了。"
" 有了人工智能，我们将有机会以更大规模做一些重要的事情。" 谷歌 CEO Sundar Pichai 在谷歌成立 25 周年公开信中就特意提到了人工智能。面对强势的 OpenAI，优等生谷歌需要一款现象级产品，证明自己在人工智能领網域的实力。
Gemini 就是谷歌交出的答卷。
" 打的就是精锐 "
谷歌的 Gemini 模型的核心优势在于其原生多模态（natively multimodal）的特性。
以往的多模态大模型往往是通过分别针对不同模态训练单独的组件，再将这些组件组合起来以模拟多模态功能的方法构建的。虽然在某些任务（比如影像描述）上表现良好，但在处理需要更深层次概念理解和复杂推理的任务时，它们的表现往往不尽人意。
而谷歌的 Gemini 模型从一开始就在不同模态上进行预训练，再通过使用额外的多模态数据进行微调，进一步提升了模型的有效性。这种原生的多模态训练方法使得 Gemini 在处理多种类型的数据和复杂任务时更为高效和精准，从而在多模态人工智能领網域树立了新的标准。
并且，Gemini 的推出主要是 " 瞄准 OpenAI 的 GPT-4" 而来。用《亮剑》里李云龙的话来说就是—— " 打的就是精锐 "。
在运算效能方面，Gemini 几乎 " 全面吊打 "GPT-4。Gemini Ultra 在大模型研发被广泛使用的 32 个学术基准测试集中，在其中 30 个测试集的性能超过此前 SOTA 结果。其中，在多选问题、数学问题、Python 代码任务、阅读等方面，Gemini 的性能都超过了此前最先进的水平。
谷歌称，他们对 MMLU 采用了新的基准方法，使 Gemini 能够利用推理能力在回答难题之前进行更仔细的思考，相比仅仅根据问题的第一印象作答，Gemini 的表现有显著改进。
Gemini Ultra 在多个编码基准测试中表现出色，包括 HumanEval 和 Natural2Code。其中仅 Gemini 仅在 HellaSWAG 数据集上的测试逊色于 GPT-4。
HellaSWAG 数据集主要用于研究扎根的常识推理能力，但是一位 NLP 领網域的研究专家向「甲子光年」表示：" 这并不能说明 GPT4 的常识推理性能更好，因为不能排除 ChatGPT 的模型在 HellaSWAG 数据集上训练过。"
Gemini 模型与 GPT-4 部分测试评分对比，图片来源：谷歌
此外，在多模态方面，Gemini Ultra 在新的 MMMU 基准测试中取得了 59.4% 的最先进得分，突显了其多模态性和复杂推理能力。
在影像基准方面的测试中，Gemini Ultra不需要从影像中提取文本就能进行 OCR 处理，表现优于之前最先进的模型。
Gemini 模型在多模态方面的与 GPT-4V 的测试对比，图片来源：谷歌
Gemini 1.0 被训练用于同时识别和理解文本、影像、音频等，因此它能更好地理解具有细微差别的信息，回答与复杂主题相关的问题，尤其擅长解释数学和物理等复杂科目中的推理。
" 推理缺陷 " 也是 GPT 系列存在的问题。著名语言模型批评者 Gary Marcus 博士曾锐评道：" 大语言模型没法做一些有严格定义的工作：遵守国际象棋规则、五位数字相乘、在家谱中进行可靠的推理、比较不同物体的重量等等。"
Gemini 解答物理题演示案例，图片来源：谷歌
尽管技术进步显著，但 AI 生成的虚假或捏造信息的问题依然存在。Eli Collins 指出，这仍是一个未被完全解决的研究难题。
但他同时也强调，Gemini 接受了谷歌迄今最为全面的安全评估，以确保其可靠性和安全性。谷歌对 Gemini 进行了一系列对抗性测试，模拟恶意用户使用模型，并输入各种提示词，以检测模型是否会产生仇恨言论或表现出政治偏见。这些测试包括了 " 真实毒性提示词 "，由网络收集的超过 10 万个提示词组成，用以全面检验模型的反应。
值得注意的是，Gemini 是在谷歌自研的云芯片 Tensor Processing Units（TPU）上完成训练的。特别是 TPU v5p 版本，在性能上有了显著提升，使得模型训练速度相比前一代提高了 2.8 倍。据悉，TPU v5p 芯片是专为数据中心训练及大型模型运行而设计。
从 12 月 13 日起，开发人员和企业客户可以通过 Google AI Studio 或 Google Cloud Vertex AI 来访问 Gemini Pro 模型。Google AI Studio 是一个基于网络的免费开发工具，为开发人员提供 API 密钥，从而快速创建原型并启动应用程式。Vertex AI 提供了定制化的 Gemini 以提供更为全面和管理的人工智能平台，并具有完整的数据控制功能，能利用谷歌云的额外功能，包括企业级的安全性、隐私保护以及数据治理和合规性。
此外，从 Pixel 8 Pro 设备开始，Android 开发人员还可以通过 Android 14 中的新系统功能 AICore 来使用 Gemini Nano。Gemini Nano 是专为设备端任务设计的高效模型，通过注册 AICore 的早期预览版，开发人员可以深入探索其潜力，更便捷地利用 Gemini 的先进技术，并在 Android 生态系统的应用开发中迸发更多可能性。
到 2024 年，谷歌计划推出 Bard Advanced，它与 AI agent 的初级形态十分相似。Bard Advanced 将借助 Gemini Ultra 提供支持，可以迅速理解多模态输入，包括文本、影像、音频和视频，并作出相应的响应。
谷歌 VS OpenAI
在 OpenAI 的 GPTs 大放异彩时，谷歌似乎过于沉寂了。
今年 2 月，谷歌在巴黎举行活动时，因其聊天机器人 Bard 的一处失误，市值蒸发了 1000 亿美元，也引发了外界对于 Bard 准确性的担忧。
随着 OpenAI 推出了 ChatGPT，尤其是在必应搜索中整合了 GPT 技术，并首次在应用程式下载量上超越了谷歌后，人们开始思考谷歌是否在已人工智能领網域落后于竞争对手。
事实上，谷歌才是在 2017 年提出的 Transformer 模型、为今天这场游戏制定规则的先行者。
谷歌对大模型 " 高地 " 的竞争意识并不比 OpenAI 晚。2021 年，谷歌便推出了 1.6 万亿参数的 Switch Transformer，强调稀疏多模态结构的潜力。同时，谷歌还提出了 Flan-T5 模型，通过更多监督数据降低了模型规模，比 GPT-3 模型参数更少但性能更佳。
对于技术上的评估，《经济学人》在今年 1 月曾进行了一项比较测试，向 ChatGPT 和谷歌基于 Lamda 的机器人 Bard 提出了数学、阅读和约会建议等问题。
测试结果显示，谷歌 AI 在数学问题上表现更佳，但 ChatGPT 在常识问题上更准确。几天后 OpenAI 更新了 ChatGPT，再次测试中在数学问题上与谷歌 AI 持平。尽管 ChatGPT 作为一个大型语言模型训练成本高、迭代难，但也显示了它持续进化的巨大潜力。值得注意的是，谷歌的语言模型与 ChatGPT 在性能上是旗鼓相当的。
在这场对决中，谷歌和微软都需要成本效益更高的解决方案。谷歌在 AI 领網域取得了不少研究进展，但尚未将这些成果部署和变现，类似于微软在过去的某些时期。这可能是因为谷歌低估了微软和 OpenAI 的竞争实力，或者过于自信于自己在搜索引擎领網域的主导地位。
「甲子光年」综合多方观点分析得出，谷歌在技术前瞻性上领先，OpenAI 更专注于产品的打磨。
在 Sam Altman 领导下的 OpenAI 专注于产品为导向的工作，致力于扩展和优化模型，主要关注细节精调方法。
谷歌则在技术发展的方向上始终保持着积极和前瞻的态度，不过在整体战略规划上却屡次调整。
谷歌在稀疏模型架构上进行了深入探索。只是两年后的，万亿级别的 Switch Transformer 几乎没产生任何水花，而千亿参数级别的 GPTs 系列却风生水起。同样，被反复改进的 Flan-T5 模型虽然在性能上超越了 GPT-3，但其优化进展相对缓慢。
在谷歌 " 选择困难症 " 期间，OpenAI 已经完成了对 ChatGPT 的训练。
在 2022 年 9 月，谷歌旗下的 DeepMind 推出了麻雀（Sparrow）模型，和 ChatGPT 一样，采取了基于人类反馈的强化学习（RL）框架。该模型采用了小型参数設定，与谷歌看重的 LaMDA 和 PaLM 模型的思路有明显不同。只是谷歌并未能迅速确定麻雀模型是否是最优选择，这也导致了麻雀模型的产品化滞缓，最终未能 " 飞上枝头变凤凰 "。
" 犹豫不决 " 似乎一直是谷歌的宿疾。" 但迟到总比不做好！终于有了 OpenAI 王座的有力竞争者。" 在 Google 公布消息后，英伟达 AI 科学家 Jim Fan 评论道。
今年 4 月，谷歌将 Google Brain 和 DeepMind 团队合并，成立 Google DeepMind。有人将这一团队戏称为 "AI 复仇者联盟 "。原 Google AI 产品负责人 Eli Collins 被委以重任，担任新团队的产品副总裁。
目前，Gemini Pro 和 Gemini Nano 已在聊天机器人 Bard 和智能手机 Pixel 8 Pro 上集成，实现了更为高级的推理、规划、理解等能力。而更为强大的 Gemini Ultra 将在明年发布。
不知 OpenAI 会如何 " 应战 " 呢？或许我们很快便可以等到 GPT-5 的发布了。
不过，优等生谷歌并不完全在意这一时之战，而是在着眼未来。
" 我们对答案的探索将在未来 25 年推动非凡的技术进步。到 2048 年时，如果有一位青少年在世界上的某个地方，看着我们用人工智能建造的一切耸耸肩，我们就知道我们成功了。然后，我们就回去工作。"
谷歌 CEO Sundar Pichai 在谷歌成立 25 周年公开信中如是说。
参考资料：
《Introducing Gemini: our largest and most capable AI model》，谷歌 《ChatGPT 大热，谷歌为何在自己的地盘输给 OpenAI？》，界 / 面新闻
