谷歌的原生多模態大模型Gemini來了,劍指GPT-4

2023年12月07日21:30:10 財經 8921

在此前被OpenAI壓制了一整年後,就在2023年進入尾聲時,當年憑藉AlphaGo曾掀起人工智慧浪潮的谷歌,也終於揚眉吐氣了一把,揭開了原生多模態大模型Gemini的神秘面紗。據悉,Gemini號稱是谷歌迄今為止「最大、也最全能的AI模型」,擁有文本、圖像、視頻、音頻和代碼能力,而且有別與其他大模型Gemini更加靈活,其包括了能力最強、複雜度最高的Gemini Ultra,適用於多任務的Gemini Pro,以及端側的Gemini Nano(1.8B/3.25B)。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

從能夠在移動端到大型數據中心的所有設備上運行,就足以證明谷歌對Gemini寄予厚望。根據谷歌方面的說法,Gemini Nano將率先在Pixel 8 Pro上落地,Gemini Pro則將從當地時間本周三開始支持Bard,而Gemini Ultra則會在明年年初向公眾大範圍開放。

當然,外界更關心的應該是Gemini的性能究竟如何,以及與GPT-4相比孰強孰弱。

根據谷歌方面公布的信息顯示,在32項基準測試中,Gemini在30個項目上都實現了「遙遙領先」,同時Gemini Ultra在MMLU(大規模多任務語言理解數據集)中的得分率更是高達90.0%,成為了大模型中首個超越人類專家的產品。對於目前大模型在評測中刷題蔚然成風的現象,谷歌也特意強調,「對於以前的SOTA模型評估使用不同的提示技術」,也就是Gemini並未針對性的刷題。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

Gemini最大的亮點就是原生(native)多模態,谷歌口中的「anything to anything」也代表了Gemini和ChatGPT的本質區別。雖然兩者確實都實現了支持文本、圖像、音頻和視頻輸入,以及文本和圖片的輸出,但OpenAI的解決方案是在ChatGPT這個大模型(LLM)上不斷疊加多模態模塊,谷歌的Gemini則是從一開始就將各種模態的能力一同訓練,相當於一個是串聯、另一個是並聯。

比如在面對用戶輸入的同樣一張圖片,GPT-4的策略是用OCR技術分割圖片,獲得乾淨的字元圖像、再識別字元,並轉化為文本信息。而Gemini認知圖片的方式則更接近人類,就是綜合視覺、聽覺、語言來理解事物,這也是Gemini在谷歌展示的DEMO中,對於連續輸入的內容幾乎能即刻做出反應的關鍵。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

值得一提的是,在Gemini技術報告中,谷歌方面表示其基於谷歌自家的張量處理單元(TPU)v4和v5e進行大規模訓練,這也就意味著即使脫離了英偉達的CUDA生態,不使用英偉達GPU,業界依然有能力訓練出性能不錯的大模型。而且隨著Gemini的發布,谷歌同時公布了專為訓練先進AI大模型的Cloud TPU v5p,等於說是明晃晃地要搶英偉達的蛋糕。

作為在過去一年幾乎壓得谷歌幾乎喘不過氣的產品,GPT-4也是此次展示Gemini性能的標靶。例如Gemini Ultra在推理、數學、代碼等文本處理能力的得分,就均高於GPT-4,在圖像、視頻、音頻等多模態能力上也壓倒了GPT-4。

但事實真的如此嗎?其實仔細觀察谷歌在視頻中展示的關於Gemini和GPT-4評測的表格和圖片會發現,其中似乎暗藏了玄機。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

事實上,谷歌在對比中採用了被稱為「非對稱」的方式,例如在比拼MMLU測試集時,Gemini Ultra的得分率為90%、而GPT-4則是86.4%,但二者測試的方法卻截然不同。Gemini Ultra下方的CoT@32表明,它使用了思維鏈(CoT)技術,這也是目前大模型領域炙手可熱的一項技術,它在Prompt中除了任務的輸入和輸出外,還加入了推理的中間步驟,會使得大模型的性能度提升,而GPT-4下方的5-shot,則代表使用了Few-Shot Learning(少樣本學習)技術。

簡單來說,兩者的區別相當於是同樣參加一場考試,GPT-4的作答時間是1小時,Gemini Ultra則有一天時間。試想一下,如果高考的答題時間不是2小時、而是24小時,想必大家的成績都會更上一層樓。

除此之外,谷歌用未經過「AI對齊」(AI Alignment)的Gemini Ultra,來對比已經經過OpenAI對齊的公開版GPT-4。要知道,AI對齊要求AI的目標要與人類的價值觀和利益相對齊,使得其符合設計者的利益預期,不會產生意外的有害後果。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

AI對齊概念的出現,其實是OpenAI等廠商為了合規而設計,它的副作用就會是導致大模型性能的下降,這一點在GPT-4、New Bing上已經有了明確的體現。換而言之,谷歌是用一個無法商業化的Gemini Ultra版本,來對比已經商業化的GPT-4,難免就有些勝之不武了。當然,谷歌選擇投機取巧也不難理解,畢竟在過去的一年時間裡,他們在AI領域確實承受著巨大的壓力。

作為AI賽道曾經的領導者,谷歌也被外界批評由於過分僵化和謹慎,從而讓其他公司搶佔了大模型的先機,以至於創始人謝爾蓋·布林都重新出山、協助搭建下一代AI模型。CEO皮查伊在面對媒體時更是不得不放狠話,「不管他們怎麼說,我們在AI領域不會輸」。更何況,精心籌備的Bard首秀即翻車,在整個2023年OpenAI、微軟、Meta各領風騷的情況下,唯獨谷歌幾乎沒有了聲音。

谷歌的原生多模態大模型Gemini來了,劍指GPT-4 - 天天要聞

如此種種境況,使得谷歌想要讓Gemini Ultra在紙面上壓倒GPT-4也不難理解了,畢竟都已經傾注了所有的資源,再打不贏OpenAI可怎麼辦?不過即便Gemini Ultra不能超過GPT-4成為地表最強的AI大模型,但超越GPT 3.5幾乎是板上釘釘的事情。

或許有了實質性的競爭對手,未來OpenAI可能也會加速GPT-5的落地。

財經分類資訊推薦

氣象數據也能貸款!興業銀行落地貴州首筆「氣候貸」 - 天天要聞

氣象數據也能貸款!興業銀行落地貴州首筆「氣候貸」

6月5日,正值第54個世界環境日。記者從興業銀行貴陽分行獲悉,該行落地貴州首筆「氣候貸」,為貴陽市觀山湖區某分散式光伏發電項目注入450萬元,標誌著貴州在「氣象+金融」融合、探索綠色金融創新發展路徑上邁出堅實一步。興業銀行貴陽分行支持的光伏
反詐黑科技!興業銀行武漢分行成功攔截32萬涉詐資金 - 天天要聞

反詐黑科技!興業銀行武漢分行成功攔截32萬涉詐資金

極目新聞通訊員 張文星近日,興業銀行武漢沌口支行依託總行數字化智能反欺詐平台,精準識別並攔截一起32萬元電信詐騙案件,及時為警方後續止付凍結贏得了寶貴時間。事發當天中午,一名年輕男子至沌口支行櫃面申請解除銀行卡管控,稱急需用錢。網點工作人員在審核過程中發現,該客戶賬戶於當日上午入賬32萬元,觸發預警規則...
白銀價格創13年來新高!漲幅直追黃金,未來如何走? - 天天要聞

白銀價格創13年來新高!漲幅直追黃金,未來如何走?

中新經緯6月6日電 (李自曼)5日,現貨白銀一度漲超4.5%,突破36美元/盎司整數關口,創下2012年2月以來最高水平,收報35.63美元/盎司。今年以來,現貨白銀累計漲幅約24%。COMEX白銀價格一度突破36美元/盎司,漲逾4%。據Wind數據,現貨黃金年初至今漲幅超28%。 截至6日發稿前,現貨白銀最高報36.174美元/盎司,日內漲1.5%;CO.
「雙Q」落地、EF賬戶上線,海南跨境資金流動更自由 - 天天要聞

「雙Q」落地、EF賬戶上線,海南跨境資金流動更自由

截至今年5月8日,已有19個國家和地區的企業在海南開立EF賬戶(海南自由貿易港多功能自由貿易賬戶),已經與48個國家和地區發生資金往來。在貿易、人員、運輸自由便利流動之外,另一條看不見卻至關重要的金融「血脈」,正以日新月異的速度融入海南自貿
央行出手,10000億元! - 天天要聞

央行出手,10000億元!

據中國人民銀行網站消息,為保持銀行體系流動性充裕,2025年6月6日,中國人民銀行將以固定數量、利率招標、多重價位中標方式開展10000億元買斷式逆回購操作,期限為3個月(91天)。中國人民銀行網站截圖來源|人民網...
1400多家企業報名參展第9屆南博會!知名企業、行業龍頭較上屆增長36% - 天天要聞

1400多家企業報名參展第9屆南博會!知名企業、行業龍頭較上屆增長36%

每經記者:張懷水 每經編輯:廖丹6月6日,國新辦舉行新聞發布會,介紹中國與南亞經貿合作及第9屆中國—南亞博覽會(以下簡稱「南博會」)有關情況。第9屆南博會將於2025年6月19日至24日在雲南昆明舉辦,延續「團結協作、共謀發展」主題,由商務部和雲南省人民政府共同舉辦,是今年中國同南亞國家重要的經貿交流活動之一。目...