谷歌出手，嗨爆大模型
近十年来，谷歌一直都是AI行业领头羊，但在ChatGPT颠覆行业的这一年迟迟没有动作，面临的压力不可谓不小。现在，谷歌终于往前迈出了一大步。
美东时间12月6日，谷歌CEO桑达尔·皮查伊宣布迄今为止“规模最大、功能最强”的AI大模型Gemini 1.0版正式上线，谷歌人工智能新时代的开始。
这一新消息刚发布就引起了科技圈的大量关注，Gemini的强大性能让华尔街兴奋。12月7日，谷歌母公司Alphabet股价上涨5.31%，收盘价136.93美元，总市值达到1.72万亿美元，这是8月底以来谷歌表现最好的时候。
这一大模型的发布并非没有前兆。皮查伊在6月份的I/O开发者大会上就预告过推出大模型的计划，谷歌表示这一新产品代表着AI模型的巨大飞跃，将影响谷歌旗下几乎所有的产品，对谷歌和用户以及行业都是意义非凡。“强大之处在于，人们可以研究一种底层技术，不断进行优化，最终反馈到产品上。”皮查伊如是表示。
据谷歌介绍，Gemini在MMLU（大规模多任务语言理解）的得分率达到90.0%，是第一个在MMLU测试中超过人类专家的模型。
那么，这个大模型具体是什么样子？未来有多大潜力？是否真如谷歌所言那么强大？
大模型热火并未退
本次发布的Gemini（中文译为“双子座”）为原生多模态大模型，包括一套三种不同规模的模型——Ultra、Pro和Nano共三个版本。
其中，Gemini Ultra版本功能最强大，它是谷歌迄今为止创建的最强大的LLM，适用于复杂任务，比如支持数据中心和企业级应用，将于明年推出，也被定位为GPT-4的竞争对手。
Gemini Pro版本可扩展多种任务，为谷歌大部分AI服务提供助力，包括运营Bard（谷歌基于大型语言模型推出的聊天机器人），性能优于GPT-3.5。
Gemini Nano为轻量级版本，适用于特定任务和端侧，包括手机、PC等移动端和本地化部署的设备。
一年前OpenAI推出ChatGPT，随即引爆人工智能行业，大模型成为风口，相关概念股大涨。随之而来的，就是各家科技巨头或主动或被动地推出自家大模型，并承受市场对其和OpenAI的持续比较。谷歌就成为那个最被诟病的华尔街巨头，其作为AI领域常年的领头羊，在大模型这领域却没有拿得出手的产品，负面声音也是不断出现。
面对OpenAI的出色表现以及ChatGPT的快速迭代，现在，谷歌终于准备好反击了，凭借Gemini开启了谷歌大模型新时代的第一步，那么，相较于ChatGPT，谷歌的新模型有什么优势？
如果是根据谷歌自己的说法，Gemini在很多方面强过ChatGPT。谷歌称，已经对系统进行了非常彻底的分析，并进行了基准测试。其中，用于处理高度复杂任务的Ultra版本性能，在32个广泛使用的学术基准测试中，有30个都表现出了超越目前的最佳成果（SoTA），比如多语言处理，比如生成Python代码的能力。
换言之，在这些测试中Gemini的表现要优于目前市场上的大模型，包括ChatGPT。翻译成大白话，Gemini的明显优势就是来自于它能够理解视频和音频并与之交互，这是OpenAI没那么擅长的。
OpenAI更加擅长训练图像和语音，谷歌却不同，谷歌希望做一个“综合”的强大产品，既能输出文本，也能对图像、视频和音频进行高效处理，像是涉及到人像动作、触感等更高阶的参数，谷歌都希望大模型能有出色表现。
当然，基准测试只是基准测试，Gemini能力的最终考验，还是在其是否能结合谷歌旗下的产品，更好地服务用户和客户，并在查找信息、编写代码、音视频等方面有更好的服务体验，这才是最重要的，也是目前市面上专注文本的大语言模型缺失的。
大模型的未来
谷歌称在项目之初，就定位多感官模型这条路。这跟专注文本和图像大模型的OpenAI形成差异，虽然后者开发的DALL-E图像训练大模型，以及Whisper语言大模型已经拥有非常出色的表现，但像是音视频类大模型仍然是当前市场非常渴求的。
谷歌正在试图开发这种通用模型，“通用”这个意义中甚至还包括训练Gemini的编程能力。其一同推出的AlphaCode 2代码生成系统，是一款由Gemini模型驱动的AI编程工具，是对前代AlphaCode的改进版本，且性能比上一代高出50%。换言之，谷歌不仅希望在应用端赢过同行，还希望从模型开发这一底层逻辑上超过对手。
其实单就应用本身，谷歌的新产品已经足够吸引人。
随着技术上的不断突破，多模态应用的商业化落地可能是接下来市场关注的焦点，相对应的，应用端的游戏、软件，包括影视板块都有望实现快速渗透并受益。
最近大火的Pika就是以文字和图片生成视频的AIGC应用，只要输入相应指令就能把文字转成视频。作为目前AI生成视频应用中的明星产品、资本宠儿、硅谷新秀，Pika创始人已经凭借该产品一举带动家族公司实现6个涨停板。
应用展示效果好，具有进一步商业化推广空间，这些都是大模型带动的效果，国内部分游戏公司都已经开始进行此类尝试。像是美图公司就发布了自研AI视觉大模型MiracleVision（奇想智能）4.0版本，主打AI设计与AI视频，将于2024年1月陆续应用于美图秀秀、美颜相机等美图旗下产品。
不过，谷歌的新产品固然“炫酷”，却也并非都是一片叫好声。
事实上，科技领域中有部分声音认为Gemini或许存在“夸大宣传”的质疑。比如就有网友指出，谷歌发布的产品演示视频并非实时录制，而是经过剪辑的结果。谷歌后续在一篇博客文章中解释了多模态交互过程，基本上也间接承认了只有使用静态图片和多段提示词拼凑，才能达成演示视频中的效果。
只是，即便展示效果有水分，市面上大多数还是看好的声音，毕竟谷歌不是没有这个实力。
尾声
对于谷歌的产品是不是如宣称的一样强大，我们可以持保留态度，静待其后续应用表现。只是有一点，笔者认为同样值得关注，那就是谷歌通过收集的海量数据，以及对大模型的不断迭代，其实是希望实现一种效果——使大模型能够更贴近人类的思维和意识。
在这个过程中，谷歌自己都承认可能存在数据偏见和算法歧视等等问题。
大模型的训练会带来一定的风险，包括媒介攻击、算法歧视等等。尤其是谷歌的目标，还是目前大多数科技巨头不愿意触碰的领域——通用人工智能。
通用人工智能意味着，AI会更贴合人的意识和想法。
不知道大家是否还记得去年夏天，谷歌的一名工程师表示，该公司的一个名为LaMDA的人工智能系统可能有自己的感觉，之后该工程师因为违反了公司的保密政策被停职，当时大众针对人工智能是否会产生意识的讨论也是十分火热。
面对新产品的发布，谷歌表示一直在努力确保Gemini的安全和责任，包括不断进行内外部测试。皮查伊表示，确保数据安全可靠对于企业来说远比产品更重要，生成式AI都很赚钱，但很可能出现难以预测的问题，就比如发生攻击媒介等事件。
皮查伊本人不止一次说过，人工智能对人类的改变将比火或电更具变革性，现在，谷歌显然将Gemini模型作为这个变革的开始。诚然，Gemini可能不会改变世界，可能只是帮助谷歌在生成式人工智能的竞赛中赶上OpenAI，最坏的情况也不过是Bard继续保持“无聊和平庸”而ChatGPT不断获胜，但是，从皮查伊到整个谷歌，Gemini已然寄托了企业乃至行业的新期待。
只是对于用户和行业未来来看，或许我们需要考虑的更多。企业需要更多限制，对于AI的发展是否如之前很多大佬认为的那样，应该限制其发展速度，对于这个问题也值得人们深思。
