今天小编分享的科技经验：谷歌又没能“遥遥领先”，欢迎阅读。
千呼万唤始出来，谷歌终于释放了大模型的新大招—— Gemini。
当地时间 12 月 6 日，谷歌正式发布了 Gemini 大模型。在一份声明中，谷歌 CEO 桑达尔 · 皮查伊（Sundar Pichai）称，这是谷歌迄今为止 " 功能最强大、最通用 " 的模型。
对于 Gemini，谷歌就差说出 " 遥遥领先 " 四个大字。皮查伊描述其意义是人工智能发展的一个重要里程碑，也是谷歌新时代的开始：" 这个新时代的模型代表了我们作为公司所进行的最大的科学和工程努力之一。我对即将到来的发展和 Gemini 为全球人民带来的机遇感到无比激动。"
演示视频中 Gemini 的表现的确称得上 " 惊艳 "。在一段视频中，谷歌的人员用视频给 Gemini 画画、展示物品，并和它对话。Gemini 用语音和文字进行回答，不仅可以识别出工作人员手绘的简笔画是什么，还能 " 看 " 出其手持的玩具鸭子的材质是 " 橡胶 "，并且还和其玩起了互动小游戏。甚至在工作人员询问鸭子一词的普通话发音时，Gemini 也精准读出，还顺带科普了普通话的四个音调。
这则演示之所以惊艳，是因为它融合展示了 Gemini 不俗的多模态能力。在影像、视频、音频等的输入和输出中，Gemini 不需要特别做切换，更贴近人与人互動的体验。皮查伊在一篇博文中提到："Gemini 一开始就是为多模态打造的，这意味着它可以生成并理解、操作和组合成不同类型的信息，包括文本、代码、音频、影像和视频。"
谷歌也拿出数据展示 Gemini 的能力，比如在 MMLU 多任务语言理解数据集测试中，Gemini Ultra 不仅超越了 GPT-4，也比人类专家强。
眼尖的朋友不会忽略后缀 "Ultra"。这次 Gemini 发布提供了三个版本，分别是轻便的 Gemini Nano，可以在安卓设备上原生离线运行；Gemini Pro，已经接入 Bard；Gemini Ultra，本次发布的最强版本。
实际上，这次发布 Gemini 最亮眼的表现由 Gemini Ultra 贡献，也是这个版本对标了 GPT-4，但这个版本计划 2024 年才会正式推出。而 Gemini Pro 已经接入 Bard，但目前只可在英文互動中被调动，该模型对标 GPT-3.5，后者是 OpenAI 在 2022 年初就释放的模型。至于 Gemini Nano，" 谷歌亲儿子 "Pixel 手机的最新版 Pixel 8 Pro 的用户将很快体验到。
总而言之就是，Gemini 挺好的，就是 " 但是 " 有点多，承诺也多于当下的应用。更要命的是，在 Gemini 发布不久，就被外界扒出展示视频疑似拼接剪辑的产物、Gemini Ultra 和 GPT-4 的测试疑似被谷歌 " 双标 " 等问题。
Gemini 也许真的强，但是否达到了谷歌需要的 " 遥遥领先 "？
A
先来看看 Gemini 在发布之后遭遇了什么质疑。
首先是那个颇为惊艳的展示视频，视频中 Gemini 流畅地与工作人员对话，用多模态的方式进行着互動。
但很快，展示视频的声明就被关注到了。声明是这样说的：" 为了演示的目的，（视频中）延迟已经减少，Gemini 的输出已经进行精简。" 而这个声明并没有放在显眼的位置，而是在谷歌发布的 YouTube 视频的描述文本中，不仔细看很容易忽略。
难道谷歌的展示视频并不是实时录制，而是经过编辑的？可能更糟。彭 / 博社（Bloomberg）的专栏作家奥尔森（Parmy Olson）就此事问询谷歌，得到了一位发言人的回应：这段视频是通过 " 使用视频中的静态影像，并通过文字提示 " 制作的。
也就是说，演示视频虽然给人一种人类和 Gemini" 视频通话 " 畅聊的感觉，但这只是感觉，实际上视频中工作人员所说的话，是在念给 Gemini 的文字提示，而展示的也不是视频，而是静态影像。
另有谷歌员工匿名向彭 / 博社吐槽，对演示视频并不感到惊讶，因为他们已经习惯了某种程度的营销炒作：" 我认为，大多数使用过 LLM（大语言模型）技术的员工都知道，要对这一切持保留态度。"
面对外界的质疑，谷歌选择放低姿态，不仅放出了演示视频背后详细的互動过程，谷歌 DeepMind 的产品副总裁伊莱 · 柯林斯（Eli Collins）还明确表示，画鸭子的演示展示的是一种研究层面的努力，至少目前不在谷歌的产品中。
其次是 Gemini Ultra 在测试中的表现。依据谷歌的展示，Gemini Ultra 在大规模多任务语言理解测试 MMLU 中，得分高达 90%，是首个在该测试中超越人类专家的模型。MMLU 综合运用了数学、历史、法律、物理、医学和伦理等 57 个科目，是测试 AI 世界知识和问题解决能力的重要工具。
其中，谷歌展示的一张图令人印象深刻，图中 Gemini 的得分 " 遥遥领先 " 于 GPT-4 和人类专家，图中 GPT-4 的得分在最底部，人类专家的得分大约在中间的位置，而 Gemini Ultra 的得分在顶部。
但人们很快就发现不对，GPT-4 在 MMLU 中的得分为 86.4%，人类专家是 89.8%，而 Gemini Ultra 的得分为 90%，何至于在折线图中展示出均分画面的效果？
这不是纵轴尺度不均的把戏吗？这个把戏骗不了打工人，毕竟大家在工作汇报的时候都熟练运用了。
当红的 AI 初创公司 HuggingFace 的 CEO 菲利普 · 施密德（Philipp Schmid）在社交平台上吐槽 " 永远别相信营销 "，并贴出了他帮谷歌修正后的折线图，Gemini Ultra 的领先优势立刻变得不那么明显了。
此外，施密德还发现了一个关键点，虽然同样是对 MMLU 的测试，但 GPT-4 和 Gemini 的 " 待遇 " 不大相同。Gemini Ultra 的得分是基于 CoT 思维链提示技巧，尝试 32 次后取的最佳得分，但 GPT-4 是在无提示词技巧下，尝试了 5 次拿到的得分。
施密德也提到，其实同样是用 CoT@32（思维链提示技巧下尝试 32 次），GPT-4 的得分为 87.29%，的确不如 Gemini Ultral；但要是同样在无提示词技巧下尝试 5 次，Gemini Ultra 的得分其实只有 83.7%，低于 GPT-4 的 86.4%。
相当于 Gemini Ultra 和 GPT-4 分别参加了两场考试，都拿到了两个分数。明明是各自赢了一场考试，谷歌宣传自己赢的那场考试就算了，还偏偏用自己在一场考试中的高分，去对阵 GPT-4 在另一场考试中的低分，怎么看都有点 " 不讲武德 " 了。
B
自从 ChatGPT 出现，谷歌踏入尴尬之境。
一方面，谷歌在 AI 领網域的野心与成就有目共睹。早在 2011 年，谷歌大腦 Google Brain 就已经成立，目标是研究深度学习和神经网络。次年，谷歌大腦由 1.6 万台电腦集群组成的人工神经网络，在学习了 10 万个 YouTube 视频后，没有学习 " 猫 " 为何物而自行精准识别出 " 猫 "，震惊四座。
2014 年，谷歌又以 6 亿美元价格收购 DeepMind，当时后者还是仅有 50 名员工的小公司。谷歌对 AI 如此舍得下血本，也直接促成了马斯克等人应激式地成立 OpenAI，以对抗谷歌未来在 AI 领網域可能形成的垄断局面。
仅仅两年后，已经被谷歌收入麾下的 DeepMind 就推出了 AlphaGo，击败围棋顶尖选手李世石，一炮而红。谷歌就此成为 AI 领網域不可忽视的、第一梯队的力量。
其后数年，做研究、发论文、推产品，谷歌没有停下在 AI 领網域的脚步。OpenAI 的 GPT 模型之 "T"，正是 Transformer 模型之意。Transformer 模型是一种用于自然语言处理中的神经网络模型，是由谷歌的研究人员在 2017 年提出的，那一年皮查伊喊出 " 从移动优先转向 AI 优先 " 的口号。当年写就 Transformer 论文的研究人员，也被冠以 "Transformer 八子 " 的称号，可见其分量之重。
但另一方面，ChatGPT 推出之后，谷歌就陷入了被动。
如果说几年前做 " 谁会造出一个轰动世界的大模型驱动的聊天机器人 "，那谷歌八成是猜测的大热门。但这并不是故事的走向，OpenAI 推出了 ChatGPT，而谷歌至今没有能与之抗衡的产品。
今年 2 月，在外界的瞩目下，谷歌推出了聊天机器人 Bard。作为 ChatGPT 的直接竞品，Bard 被寄予厚望，却不如预期。先是演示中出现事实错误，让谷歌母公司一夜之间市值蒸发千亿美元。而后也没能以性能表现吸引足量用户，据 Similarweb 的数据，Bard 全球月访问量只有 2.2 亿次，仅为 ChatGPT 的八分之一。
谷歌在 AI 领網域明明素有 " 遥遥领先 " 之态，为什么这次不能 " 遥遥领先 " 了，问题到底出在哪儿？
"Transformer 八子 " 也许能掀开谷歌难题的一角。这八子目前已经全部从谷歌出走，其中 1 位加入 OpenAI，其余 7 人创业。彭 / 博社引用谷歌科学家和工程师称，谷歌规模庞大，任何创意都要经过多层确认。就算创意通过，从创意到产品的门槛也很高。在谷歌，高级研究人才想将想法变为现实，难度颇大。
换句话说，谷歌多少有点 " 大公司病 "，这也可以解释为何谷歌在应对 OpenAI 和微软的挑战时显得有些 " 迟缓 "。
ChatGPT 的推出，使得 AI 的战场更加瞬息万变，看看 OpenAI 和微软过去一年对模型和产品的迭代速度就知道了——今年 2 月微软推出新必应，3 月 OpenAI 就正式推出了 GPT-4，9 月微软推出微软 " 智能副驾 "Microsoft Copilot，10 月就开始向 Windows 11 用户推送更新，11 月 OpenAI 又推出了 GPT-4 Turbo。况且 OpenAI 每次的发布会还会有真枪实弹的演示，动辄就是 " 即日起可用 "。在这样的竞争环境下，谷歌的 " 谨慎 " 就变成了一种诅咒。
C
谷歌有足够的理由着急。
在 AI 驱动的云计算竞赛中，谷歌一直落后于微软。今年两大巨头多次同日发布财报，让对比更加明显。截至 9 月底的 2023 年第三季度财报显示，谷歌云营收低于华尔街预期，且为 11 个季度以来增长最慢的一季。而微软同样截至 9 月底的 2024 财年第一财季业绩报告则显示，微软智能云部门收入同比增长 19%，其中 Azure 更是同比增长 29%。
在 Bard 效果不佳的情况下，Gemini 是谷歌寻求突破的一枚关键棋子，这也是 Gemini 还没推出就备受瞩目的原因。
今年 4 月，谷歌将谷歌大腦 Google Brain 和 DeepMind 合并，成为新的部门谷歌 DeepMind。此前谷歌原生孵化的谷歌大腦与收购而来且一直享有高度自主权的 DeepMind 之间，一直有资源抢夺和内部竞争的问题，这与 "Transformer 八子 " 出走暴露出的谷歌的问题一致。
而合并二者，显示出了谷歌从组织层面上入手，扫清 AI 竞赛上的障碍之决心。合并之后，DeepMind 联合创始人德米斯 · 哈萨比斯（Demis Hassabis）成为谷歌 DeepMind 的 CEO。
不出两个月，哈萨比斯就在采访中透露了 Gemini 项目，并放出豪言，称 Gemini 的能力将强过 OpenAI 的 GPT-4。
在今年年中的谷歌 I/O 开发者大会上，谷歌共提及 143 次 AI，皮查伊首次承认 Gemini 的存在。从那时起，全世界都在等着谷歌 " 憋大招 "。
如此看来，就能理解谷歌为什么在那么多 " 但是 " 的情况下，就发布 Gemini，又为什么要如此用力地营造 " 遥遥领先 " 的形象。
好消息是，尽管外界质疑颇多，但市场对谷歌 Gemini 的发布给出了正反馈。当地时间周四，谷歌母公司 Alphabet 的股价大幅上涨了 5.3%，市值上涨 800 亿美元。巧合的是，今年 9 月传出的 OpenAI 最新估值正在 800 亿美元到 900 亿美元之间。谷歌一夜涨出了一个 OpenAI。
坏消息是，承诺大过落地的 Gemini，需要实实在在地兑现承诺，2024 年 Gemini Ultra 的正式推出将是一个关键节点。
而在那之前，只能默默祈祷 OpenAI 的 GPT-5 来得慢一些。就在上个月，OpenAI 的 CEO 山姆 · 阿尔特曼（Sam Atlman）透露，GPT-5 正在开发中。
参考资料：
1、新浪科技：《两个小时：谷歌说了 143 次 AI，股价连涨两天》
2、财联社：《OpenAI 承认正开发 GPT-5 终极目标是相当于人腦的超级 AI》
3、极客公园：《谷歌 25 周年｜3.0 ——从 AI 弄潮儿到追赶者》
4、北京商报：《同日发财报：微软赢了谷歌》
