拆解谷歌Gemini ：能力可与GPT-4“掰手腕” 目前可免费使用
经济观察网 记者 钱玉娟
12月6日深夜，在没有任何预告下，Google(谷歌)推出了“迄今为止，功能最强大、最通用的人工智能大语言模型”Gemini(双子星)。
谷歌官方表示，Gemini经过了当前LLM(大型语言模型)领域中广泛使用的32个基准测试，在其中大部分基准测试中，表现出了“最先进的性能”，不仅击败了OpenAI的GPT-4，甚至在MMLU(大规模多任务语言理解)基准测试中，成为第一个超越人类专家的模型。
“这是人工智能模型的巨大飞跃，最终将影响几乎所有的Google产品。”谷歌CEO Sundar Pichai(桑达尔・皮查伊)与DeepMind CEO Demis Hassabis(德米斯・哈萨比斯)联名表示。
多模态、多语言、免费
谷歌最早对外公布这一被命名为“Gemini”的模型开发计划是在今年5月举行的I/O(Innovation in the Open，开放中创新)开发者大会上。
彼时皮查伊表示，正在训练中的Gemini表现出了此前所有模型未曾具备的多模态能力，并且这一模型将有不同尺寸和功能应用场景的设计。
实际上，Gemini是由Google DeepMind开发出的原生多模态模型，该项目需溯源至今年4月20日。那天，谷歌选择将Google Brain与DeepMind合并，成立了Google DeepMind，并宣布将公司在AI领域的世界级人才、计算能力及基础设施等资源加以结合，创新研发大模型以对标OpenAI的GPT-4。
今年6月以来，哈萨比斯也不止一次对外提及Gemini系统的强大，例如“将比ChatGPT背后的系统更强大”“正在开发Gemini系统来迎接下一个时代”“Gemini是Google的下一代多模态大模型”等。
当然，让外界对Gemini关注度持续升高、好奇心拉满，还有一个细节。今年7月，辞职已有四年的谷歌联合创始人Sergey Brin(谢尔盖・布林)重返谷歌，有消息称其回归便是要协助开发Gemini系统。
一位在国内专注AI大模型方向的算法工程师对记者表示，在7月时他就预感“Gemini将会是下半年大模型赛道的焦点。”
Gemini共有Ultra、Pro和Nano三个版本，分别适用于不同场景，其中Ultra版可用于大型数据中心等，属于处理高复杂度任务的模型；Pro版则用于各种扩展任务，属于日常使用模型，且已搭载于谷歌的对话机器人Bard中；Nano版则是应用于智能手机等移动设备终端上的模型。
在谷歌给出的长达60页的Gemini技术报告中，上述算法工程师认为其中值得关注的是，Gemini模型的训练数据集既多模态又多语言。其中，前期训练数据集使用来自网络文档、书籍和代码的数据，包括图像、音频和视频数据等。
“Google拿自家海量云存储的图片进行了预训练，确实把模型的多模态能力拉升了一大截。”这位算法工程师还看到，谷歌在Gemini技术报告中如此写到，“当模型多模态能力被真正探索出来时，会提供更多细节。”
12月7日上午，上述算法工程师体验了实际搭载Gemini Pro的Bard，并就多模态能力方面，对Gemini与GPT-4进行了对比测试。
通过识别不同图片中的人物、地点、文字、动物甚至其中可能蕴含的科学知识，综合对比，他发现，Gemini Pro的多模态能力确实足以抗衡GPT-4，前者的响应速度也“快很多”，另外，前者可以免费使用，但后者已经有了“3小时40次的限制”。
能力可与GPT-4“掰手腕”
将Gemini的技术报告看完后，国内一位曾在谷歌工作过的AI企业创始人对记者称，最令其惊讶的是光报告的作者就多达9页，“每页90人，八百余人，超过OpenAI公司的总人数。”
需要提及的是，OpenAI员工总数目前不足800人，这也不难看出谷歌在Gemini模型开发与技术创新方面投入的AI人才之多。
“我对Gemini的期盼，是它可以和GPT-4去‘掰手腕’。”这位算法工程师实际使用对比后的感受是，Gemini达到了上述目的，但这是否表明其已经对GPT-4形成了“全面超越”？
他肯定了Gemini的多模态能力，但他继而指出，Gemini在中文识别理解能力上，相较GPT-4略逊一筹。这也进一步印证了科技媒体The Information早前报道中所指出的“Gemini仍无法可靠处理‘非英语’的任务。”
据悉，在文本分析上，Gemini是通过大模型思维链(Chain of Thought)技术原理提升效果，在上述算法工程师看来，若实际比拼，“Gemini比不过GPT-4”，毕竟谷歌专门针对测试相关领域进行了优化，Gemini只在上述领域中的指标表现好，并不能够说明模型真正的泛化能力强，“至于真正能力，需要在更多的数据集上进行测评。”
谈及Gemini的强大之处，一AI企业的基础科研负责人向经济观察网记者分析，“在于首次验证了原生多模态训练的范式是能走通的。”在他看来，原生多模态训练范式的上限极高，且容易扩展到视频格式，“我们很看好这条技术路线。”
上述AI企业基础科研负责人认为，谷歌产品线积累的海量高质量多模态数据，能够为后续Gemini的迭代提供有力支持。
事实上，Gemini的技术报告中也有这样一段表述，“谷歌发现数据质量对于高性能模型至关重要，并认为在寻找预训练的最佳数据集分布方面，仍有许多有趣的问题。”
为拓展多模态模型的训练数据集，谷歌还对外表示，Bard将在超过 170 个国家和地区提供 Gemini Pro 版本服务，并计划未来扩展到不同的模态，支持更多语言和地区。不仅明年初将推出升级的Bard Advanced版本，在接下来的几个月里，谷歌还将陆续把Gemini应用于搜索、广告、Chrome等更多的产品和服务中。
患者只需吸入特制的“氙气”，3.5秒后一幅人体肺部磁共振3D影像就呈现出来。影像中，气体可抵达肺部的位置清晰可见，患者的肺部微结构、气体交换功能情况等一目了然。日前，中国科学院精密测量科学 旅行推销员问题是一个经典的数学问题，也是一个组合优化问题。德国柏林弗雷大学和亥姆霍兹柏林能源与材料研究中心（HZB）科学家开展的一项新研究证明，量子计算机在解决旅行推销员问题上，相较于传统 AI领域，一则重磅消息传来！最新消息，全球最知名的AI公司——OpenAI将在几个月内发布新版大型语言模型GPT-5，性能将有大幅跃升。目前，ChatGPT使用的是GPT-4大模型，去年3月份，正是这款热门聊天 英伟达AI风暴席卷医疗行业 “AI制药”是风口还是泡沫？ 季媛媛 全球医疗健康行业正刮起最强AI风暴。 当地时间3月18日，全球瞩目的顶级AI盛会――英伟达2024年GPU技术大会(NVIDIA GTC 2024)正式开幕。据相关 记者3月21日获悉，由中国科学院自动化研究所和中国科学院香港创新研究院联合研发的医疗领域AI多模态大模型——CARES Copilot 1.0日前在香港正式发布，现已面向香港神经外科医生开放使 随着无人驾驶技术的快速发展，无人车在城市配送、环卫清扫、安防巡逻等应用场景中已得到较好示范应用。3月22日，南京溧水经济开发区管委会与南京易咖智车科技有限公司联合举办“金陵智地 易启未 。本文链接：拆解谷歌Gemini ：能力可与GPT-4“掰手腕” 目前可免费使用http://www.sushuapos.com/show-2-2120-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 我国成功发射遥感三十九号卫星