就在昨日晚間，Google 和 Alphabet CEO Sundar宣布Gemini上線，并稱之為“我們規(guī)模最大、能力最強的 AI 模型”，語驚四座。

Gemini的關鍵詞是“多模態(tài)”，Google針對三種不同的尺寸對第一代 Gemini 1.0進行了優(yōu)化：Gemini Ultra?—規(guī)模最大且功能最強大的模型，適用于高度復雜的任務；Gemini Pro?— 適用于各種任務的最佳模型；Gemini Nano?— 我們端側設備上最高效的模型。

Sundar高喊業(yè)界，Gemini 是我們迄今為止最靈活的模型，從數(shù)據中心到移動設備，它能夠在所有設備上高效運行。

他解釋道，Gemini令人興奮的一個特別之處在于，它從一開始就是一個原生的多模式模型。就像人類一樣，它不僅僅是在文本上學習，還可以通過視頻、音頻和代碼學習。因此，這個模型天生就能力更強，我認為這將幫助我們梳理出更新的功能，這太令人興奮了。

言外之意，OpenAI你怕不怕？

Gemini的最強性能從何而來？

據Google DeepMind CEO 和聯(lián)合創(chuàng)始人，Gemini 是我們迄今為止最強大、最通用的模型，它在許多領先的基準測試中都展現(xiàn)出了最先進的性能。我們的第一個版本 Gemini 1.0針對不同尺寸進行了優(yōu)化，分別是：Ultra、Pro 和 Nano。這些是進入 Gemini 時代的第一個模型，也是我們今年早些時候成立 Google DeepMind 時的愿景的首次實現(xiàn)。

他還對未來以及 Gemini 將為全世界的人們帶來的機遇感到由衷的興奮。具體來講，Gemini 是包括 Google Research 在內的 Google 各團隊間進行廣泛合作的成果。它從一開始就被創(chuàng)建為多模態(tài)的模型，這意味著它可以歸納并流暢地理解、操作以及組合不同類型的信息，包括文本、代碼、音頻、圖像和視頻。

在性能方面， Google對 Gemini 模型進行了嚴格的測試，從自然圖像、音頻和視頻理解到數(shù)學推理，在被大型語言模型（LLM）研究和開發(fā)中廣泛使用的32項學術基準中，Gemini Ultra 的性能有30項都超過了目前最先進的水平。

（圖注：在一系列多模態(tài)基準測試中，Gemini 的性能超越了當前最先進的水平。）

與此同時，Gemini Ultra 的得分率為90.0%，是第一個在 MMLU（大規(guī)模多任務語言理解）測試中超過人類專家的模型，MMLU 綜合使用了數(shù)學、物理、歷史、法律、醫(yī)學和倫理等57個科目，用于測試世界知識和解決問題的能力。

針對 MMLU， Google新的基準測試方法讓 Gemini 能夠利用其推理能力在回答困難問題之前更加仔細地思考，從而比僅憑第一印象就直接回答問題有顯著的改善。

在新的 MMMU 基準測試中，Gemini Ultra 也取得了得分率為59.4% 的成績，該基準測試由橫跨不同領域、需要仔細推理的多模態(tài)任務組成。

在 Google的圖像基準測試中，Gemini Ultra 在不使用對象字符識別 (OCR) 系統(tǒng)來提取圖像中的文本進行下一步處理的情況下，表現(xiàn)優(yōu)于以前最好的模型。

AI應用大爆發(fā)前夜真正來臨？

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。

在推理方面，Gemini 1.0具有復雜的多模態(tài)推理能力，可幫助理解復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)據中發(fā)掘難以辨別的知識內容。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，將有助于在從科學到金融等多個領域以數(shù)字化速度實現(xiàn)新的突破。

與此同時，Gemini 1.0經過訓練，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微差別的信息，回答與復雜主題相關的問題。這就讓它尤其擅長解釋數(shù)學和物理等復雜科目中的推理。

在高級編碼能力方面，Gemini 還可用作更高級編碼系統(tǒng)的引擎。兩年前，Google展示了 AlphaCode，它是第一個在編程競賽中性能達到競賽水平的 AI 代碼生成系統(tǒng)?，F(xiàn)在，Google利用一個專門版本的 Gemini，創(chuàng)建了更先進的代碼生成系統(tǒng) AlphaCode 2，該系統(tǒng)擅長解決那些不僅需要編碼能力而且也需要復雜數(shù)學和理論計算機科學知識的競賽性編程問題。

更為重要的是，Google還發(fā)布了迄今為止功能最強大、效率最高且可擴展性最強的 TPU 系統(tǒng) Cloud TPU v5p，旨在為訓練前沿 AI 模型提供支持。新一代 TPU 將加速 Gemini 的開發(fā)，幫助開發(fā)者和企業(yè)客戶更快地訓練大規(guī)模生成式 AI 模型，從而更快推出新產品和新功能。

這使得Gemini更可靠、可擴展和高效。

安全為核心，“讓 Gemini 普及全球”

據介紹，在 Google，致力于在所有工作中以大膽而負責任的方式推進 AI。Google方面表示，在開發(fā)的每一個階段，我們都會考慮潛在的風險，并努力進行測試和降低這些風險。

具體在Gemini 層面，據了解，Gemini 擁有迄今為止 Google 所有 AI 模型中最全面的安全評估，包括偏見和毒性評估。“我們對網絡攻擊、說服力和自主性等潛在風險領域進行了創(chuàng)新性的研究，并應用了 Google Research 一流的對抗性測試技術，幫助我們在部署 Gemini 之前檢測關鍵的安全問題?！?/p>

為了減少傷害，Google構建了專門的安全分類器來識別、標記和篩選涉及暴力或負面刻板印象等方面的內容。結合強大的過濾器，這種分層方法旨在讓 Gemini 對每個人都更加安全和包容。此外，Google正繼續(xù)解決模型面臨的已知挑戰(zhàn)，例如事實性、基礎、歸因性以及協(xié)作性。

Google承諾，在安全的基礎上，將通過 Google 的產品將 Gemini 帶給數(shù)十億人。

首先，從今天開始，Bard 將使用 Gemini Pro 的微調版本來進行更高級的推理、規(guī)劃和理解等。這是 Bard 自推出以來最大的升級。它將在170多個國家和地區(qū)提供英語服務，并且我們計劃在未來幾個月內擴展不同的模態(tài)，并支持新的語言和地區(qū)。

其次，Google還將在 Pixel 上使用 Gemini。Pixel 8 Pro 是首款搭載 Gemini Nano 的智能手機，它可以支持錄音應用中的“總結”等新功能，并在 Gboard 中推出“智能回復”功能，從 WhatsApp 開始，明年還將推出更多信息應用。

最后，未來幾個月，Gemini 將應用于我們更多的產品和服務，如 Search、Ads、Chrome 和 Duet AI。Google已經開始在 Search 中試驗 Gemini，它能夠為用戶提供更快的搜索生成體驗（SGE），用戶在美國的英語搜索延遲降低了40%，同時在質量方面也有所提高。

而對于開發(fā)者，從12月13日開始，開發(fā)者和企業(yè)客戶可以通過 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 獲取 Gemini Pro。

毫無疑問，這是 AI 發(fā)展過程中的一座重要里程碑，也標志著 Google 在大模型方面不再接受被人壓著打！

他們的目標也非常明確“改變全球數(shù)十億人的生活和工作方式”。我們拭目以待。