谷歌于近日推出了多模態(tài)大模型Gemini，并對(duì)其能力做出了高度評(píng)價(jià)。那么，在Gemini出現(xiàn)之后，如何解讀當(dāng)下的大模型競(jìng)爭(zhēng)呢？這篇文章里，作者給出了他的看法，一起來(lái)看一下吧。

沉寂一年后，谷歌帶著它的多模態(tài)大模型Gemini（雙子座）高調(diào)殺回AI圈。

此前，谷歌曾憑借AlphaGo在全球掀起了一波AI浪潮。但新一輪AI浪潮的風(fēng)頭卻被ChatGPT搶走，谷歌迫切需要一款現(xiàn)象級(jí)AI產(chǎn)品來(lái)證明自己的實(shí)力，這也就不難理解，為何谷歌要冒著風(fēng)險(xiǎn)在演示視頻中夸大自家大模型的性能。因?yàn)樗麄兲胱孏emini「看起來(lái)」優(yōu)于競(jìng)品了。

從命名也能看出，谷歌對(duì)Gemini的功能寄予了超越人腦的厚望。官方稱(chēng)Gemini是AI模型的巨大飛躍，其多項(xiàng)能力超過(guò)ChatGPT。自此，谷歌正式向競(jìng)爭(zhēng)對(duì)手OpenAI和微軟宣戰(zhàn)，爭(zhēng)奪人工智能霸主地位。AI圈最強(qiáng)終于不再是ChatGPT的獨(dú)角戲。

01

最強(qiáng)大模型之戰(zhàn)硝煙正濃。

作為應(yīng)對(duì)ChatGPT-4的殺手锏，谷歌在發(fā)布會(huì)上稱(chēng)Gemini是其迄今為止規(guī)模最大、能力最強(qiáng)、最靈活的AI模型。不僅如此，谷歌稱(chēng)Gemini是自己從頭開(kāi)始構(gòu)建的多模態(tài)模型，更接近人類(lèi)認(rèn)識(shí)世界的方式。

不同于ChatGPT的逐步更新，谷歌一次性就發(fā)布了三種模式的Gemini，分別是Gemini Nano、Gemini Pro和Gemini Ultra。不同版本在性能上有著明顯差異，現(xiàn)在大家能用上的都是Gemini Pro，但在功能上能迎戰(zhàn)ChatGPT的是Gemini Ultra。

雖然宣傳視頻翻車(chē)，但Gemini的數(shù)據(jù)表現(xiàn)還是相當(dāng)優(yōu)異。在運(yùn)算效能方面，Gemini幾乎“吊打”GPT-4。Gemini Ultra在32個(gè)多模態(tài)基準(zhǔn)測(cè)試中，其中30個(gè)測(cè)試集的性能超過(guò)當(dāng)前SOTA結(jié)果。在數(shù)學(xué)問(wèn)題、Python代碼任務(wù)、閱讀等方面，Gemini的性能都超過(guò)了此前最先進(jìn)的水平。

在純文本問(wèn)題上，Gemini是第一個(gè)在MMLU（大規(guī)模多任務(wù)語(yǔ)言理解）測(cè)評(píng)上超過(guò)人類(lèi)專(zhuān)家的模型。Gemini的得分為90%，人類(lèi)專(zhuān)家得分約為89%，而GPT-4在這類(lèi)問(wèn)題上的得分為86%；在多模式問(wèn)題上，Gemini得分為59%，GPT-4得分為57%，Gemini的表現(xiàn)均為最佳。

除了在常規(guī)能力上全面超越GPT-4，Gemini最大的特色是多模態(tài)，也就是可以同時(shí)識(shí)別和理解文本、圖像、音頻、視頻和代碼五種信息，用戶(hù)可以交錯(cuò)添加文字、圖像、視頻等內(nèi)容，Gemini也可以輸出相應(yīng)交錯(cuò)的文本和圖像。從一開(kāi)始，Gemini就在不同模態(tài)上進(jìn)行預(yù)訓(xùn)練，再通過(guò)額外的多模態(tài)數(shù)據(jù)進(jìn)行微調(diào)，這進(jìn)一步提升了模型的有效性。

02

搶跑就一定能將優(yōu)勢(shì)保持到最后嗎？答案可能是：未必。

對(duì)于剛起步的大模型行業(yè)來(lái)說(shuō)，行業(yè)格局未定，后續(xù)的競(jìng)爭(zhēng)依然充滿(mǎn)變數(shù)。谷歌一開(kāi)始在AI領(lǐng)域遙遙領(lǐng)先，最后卻淪為OpenAI的追趕者；ChatGPT一出現(xiàn)便技驚四座，現(xiàn)如今又被Gemini趕超……這樣的故事在不斷上演。谷歌視頻里演示的多模態(tài)能力，實(shí)際上在一年內(nèi)就能實(shí)現(xiàn)。但一年時(shí)間里ChatGPT也會(huì)不停迭代，到時(shí)候Gemini還會(huì)是ChatGPT的對(duì)手嗎？

谷歌的野心絕不止步于追趕，而是希望全方位碾壓。Gemini的發(fā)布不僅是為了與ChatGPT一較高下，背后潛藏的是一個(gè)更大的項(xiàng)目。除了Gemini，谷歌還發(fā)布了迄今為止最強(qiáng)大、最高效，并且可擴(kuò)展的TPU系統(tǒng)——Cloud TPU v5p，專(zhuān)為訓(xùn)練尖端的AI模型而設(shè)計(jì)。新一代TPU將加速Gemini的發(fā)展，幫助開(kāi)發(fā)人員和企業(yè)客戶(hù)更快地訓(xùn)練大規(guī)模生成式AI模型，開(kāi)發(fā)出新產(chǎn)品和新功能。一個(gè)更可靠、可擴(kuò)展的訓(xùn)練模型和最高效的服務(wù)模型，才是谷歌做出Gemini的重要目標(biāo)。

這一戰(zhàn)，谷歌布局深遠(yuǎn)，奪回AI霸主的野心昭然若揭。面對(duì)已經(jīng)打出王炸的谷歌，對(duì)手OpenAI肯定不會(huì)坐以待斃，而OpenAI的絕招正是你根本猜不到它會(huì)出什么牌。最強(qiáng)大模型之爭(zhēng)，槍聲已經(jīng)打響。

03

大模型的競(jìng)爭(zhēng)才剛開(kāi)始，國(guó)產(chǎn)同行們要加把勁了。

這一年來(lái)，國(guó)內(nèi)發(fā)布比較知名的大模型有百度文心一言、阿里通義千問(wèn)、騰訊混元、科大訊飛星火、商湯商量、字節(jié)跳動(dòng)豆包、智譜AI-ChatGLM等。

表面上看各家大模型都各有優(yōu)勢(shì)，但其實(shí)都還處于起步階段，算法上還未取得突破性的成果，和國(guó)外大模型相比還有一定差距，Gemini的出現(xiàn)或許可以加速行業(yè)內(nèi)的優(yōu)勝劣汰，讓大量沒(méi)有足夠競(jìng)爭(zhēng)力的產(chǎn)品加速出局，同時(shí)，它也啟發(fā)了國(guó)產(chǎn)大模型：與其跟進(jìn)式研發(fā)，不如將AI功能盡快賦能在已有的產(chǎn)品和服務(wù)之中，這樣反而成本更低、見(jiàn)效更快。

在大模型的競(jìng)賽中，頭部選手的經(jīng)驗(yàn)或多或少會(huì)被其他追趕者復(fù)用，這對(duì)后來(lái)者來(lái)說(shuō)是寶貴的學(xué)習(xí)機(jī)會(huì)，只要保持住追趕的勢(shì)頭，就有超越的可能，這次是谷歌，下次又會(huì)是誰(shuí)呢？