（本文首發(fā)于《紫金商業(yè)評論》，授權(quán)紫金財經(jīng)發(fā)布，轉(zhuǎn)載請注明來源）

谷歌的全新“大殺器”Gemini終于來了！

當(dāng)?shù)貢r間12月6日，谷歌宣布推出人工智能模型Gemini，谷歌方面表示，這是其迄今為止功能最強大、最通用的大語言模型。

按照谷歌的說法，它可以像人類一樣理解我們周圍的世界，處理代碼、文字、音頻、圖像和視頻等，通通不在話下。此外，它還可以完成復(fù)雜的數(shù)學(xué)、物理等科學(xué)領(lǐng)域任務(wù)，并能理解和生成各種編程語言的高質(zhì)量代碼。

根據(jù)谷歌給出的基準(zhǔn)測試結(jié)果，Gemini 在許多測試中都表現(xiàn)出了“最先進(jìn)的性能”，甚至在大部分基準(zhǔn)測試中完全擊敗了OpenAI的GPT-4。

消息一出，社交媒體瞬間炸了鍋。英偉達(dá)AI科學(xué)家Jim Fan評論道：這是OpenAI王座的有力競爭者。

ChatGPT的挑戰(zhàn)者來了

過去幾年，谷歌一直把AI-first作為公司戰(zhàn)略，2016年打敗人類圍棋冠軍的AlphaGo便是出自谷歌之手。

自O(shè)penAI一年前推出ChatGPT以來，谷歌一直在努力開發(fā)能夠與這家公司相抗衡的人工智能軟件，證明自己在人工智能領(lǐng)域的實力。

在今年5月舉行的谷歌I/O全球開發(fā)者大會上，谷歌首次透露其正在開發(fā)的AI大模型Gemini，時隔7個月，Gemini終于來了。

據(jù)谷歌官方公眾號消息，Gemini是由谷歌大腦團(tuán)隊開發(fā)的全新大模型，它具有更強的生成能力以及更高的可靠性，是迄今為止構(gòu)建的最強大的AI大模型。

在谷歌發(fā)布的不同版本中，Gemini Ultra被描述為規(guī)模最大且功能最強大的模型，適用于高度復(fù)雜的任務(wù)；Gemini Pro則被視為適用于各種任務(wù)的最佳模型；而Gemini Nano則是專門為手機等設(shè)備設(shè)計的最高效的模型。

現(xiàn)場演示中，測試者給Gemini展示了一張煎蛋卷在平底鍋中烹飪的圖片，并說話問它煎蛋餅是否已經(jīng)煮熟，它回答說：“它還沒做好，因為雞蛋還流著水。”

Gemini發(fā)布后，外界最關(guān)心的是其對OpenAI GPT4的挑戰(zhàn)。在采訪中，記者提問谷歌DeepMind產(chǎn)品副總裁Eli Collins(伊萊·柯林斯)：“Gemini能打敗市面上包括GPT4在內(nèi)所有的大模型嗎?”

Eli Collins在回答中表示，團(tuán)隊一直在對Gemini模型進(jìn)行嚴(yán)格的測試并評估其在各種任務(wù)中的性能。從自然圖像、音頻和視頻理解到數(shù)學(xué)推理，在大型語言模型(LLM)研究和開發(fā)中廣泛使用的32項學(xué)術(shù)基準(zhǔn)中，Gemini Ultra的性能有30項都超過了目前最先進(jìn)的水平。

為了證明自己的產(chǎn)品比OpenAI的ChatGPT更出色，谷歌更是甩出了數(shù)張成績單。

根據(jù)谷歌給出的數(shù)據(jù)，在MMLU（大規(guī)模多任務(wù)語言理解）測試中，Gemini Ultra的得分率為90%，是第一個在 MMLU測試中超過人類專家的模型。作為對比，人類專家的得分率為89.8%，GPT4得分率為86.4%。

AI進(jìn)入多模態(tài)時代

現(xiàn)今，絕大部分多模態(tài)大模型都是在大語言模型LLM之上生長出多模態(tài)的應(yīng)用，而并非從頭開始訓(xùn)練的多模態(tài)的大模型。不同于一般通用大模型主打的窗口對話，業(yè)界的共識是，多模態(tài)大模型才是未來。

相比之下，Gemini是一個真正原生的多模態(tài)大模型。

在設(shè)計之初，多模態(tài)就是Gemini計劃的一部分，從最初的預(yù)訓(xùn)練數(shù)據(jù)開始，Gemini就在針對不同模態(tài)的模型進(jìn)行訓(xùn)練，因此其功能在每個重大領(lǐng)域都達(dá)到了SOTA（State of the art，特指領(lǐng)先水平的大模型）。

基于此，谷歌稱其多模態(tài)為原生多模態(tài)（natively multimodal），可以“無縫”理解、操作和組合不同類型的信息，擁有了強大的交互能力。

在推理方面，Gemini 1.0具有復(fù)雜的多模態(tài)推理能力，可幫助理解復(fù)雜的書面和視覺信息。這使得它具有獨特的技能，可以在海量的數(shù)據(jù)中發(fā)掘難以辨別的知識內(nèi)容。它擁有通過閱讀、過濾以及理解信息，從數(shù)十萬份文件中提取見解的卓越能力，將有助于在從科學(xué)到金融等多個領(lǐng)域以數(shù)字化速度實現(xiàn)新的突破。

而在編碼方面，Gemini 1.0能夠理解、解釋和生成世界上最流行的編程語言（如Python、Java、C++和Go）的高質(zhì)量代碼。

與此同時，Gemini 1.0經(jīng)過訓(xùn)練，可以同時識別并理解文本、圖像、音頻等，因此它能更好地理解具有細(xì)微差別的信息，回答與復(fù)雜主題相關(guān)的問題。這就讓它尤其擅長解釋數(shù)學(xué)和物理等復(fù)雜科目中的推理。

據(jù)悉，在Gemini 1.0版本中包含三個不同尺寸，分別是Gemini Ultra、Gemini Pro、Gemini Nano。

其中，Gemini最強大的滿血版Gemini Ultra，還需要等待幾個月才能和公眾見面。谷歌稱，Ultra版目前只會提供給部分客戶、開發(fā)者、合作伙伴以及安全與責(zé)任專家使用。