文章目录
- 📑前言
- 一. Gemini的发布前期
- 1.1 Gemini的准备
- 1.2 DeepMnid
- 二. Gemini的三大杀手锏
- 2.1 多模态能力
- 2.2 可拓展性
- 2.3 新硬件，新架构
- 三. 生成式人工智能领域的新格局会是什么样？
📑前言
北京时间 12 月 6 日晚，Google 给近期稍显沉寂的 AI 模型战场扔下了一颗新的炸弹：号称多模态任务处理能力首次超越人类的 AI 模型，Gemini 1.0 正式发布。
一. Gemini的发布前期
1.1 Gemini的准备
在Gemini正式发布之前，外媒就有诸多关于 Google 这款全新 AI 模型的消息流出，Google 最早在今年五月的 IO 大会期间透露了 Gemini 的存在，但与之前外界预期的不同，Google 声称 Gemini 的发布并未因为任何内部原因而延期，表示其 AI 模型的研发进程从 2012 年已经开始，直到最近 2023 年发布 PaLM2 与 Bard 之后，就开始为 Gemini 的正式发布做准备。
1.2 DeepMnid
DeepMind本就是 AI 领域顶尖研究机构，早在 OpenAI 踏入聚光灯下之前，DeepMind 就凭借 AI 围棋棋手 —— AlphaGo 赢得了全世界对 AI 时代的关注，如今名为「双子座」的新一代 AI 大模型正式对外发布，也颇有抢回 AI 模型领域主导地位的感觉：双子座在神话本身就对应着「快速思维」的能力，同时也有着包罗万象、善于沟通等寓意。
二. Gemini的三大杀手锏
2.1 多模态能力
Gemini是一款由Google开发的AI模型，它是史上第一款原生支持多模态能力的模型。与以往的多模态模型不同，Gemini在不同的模态上进行预训练，并利用额外的多模态数据进行微调，从而在处理复杂问题时表现更为出色。Gemini Ultra在行业标准MMLU基准测试中取得了90%的成绩，超过了人类专家和GPT-4同类测试的结果，并在九项独立基准测试中击败了竞争对手。这一突破性的训练架构让Gemini能够快速理解和推理人类的各种内容，为解决复杂问题提供了更加高效的解决方案。
Gemini展示了其多模态理解能力，包括根据简笔画实时解读、根据视频中的颜色比例推荐编织玩具、以及玩猜硬币游戏。它与其他生成式AI模型最大的区别在于能够同时处理多种形态的信息输入。Google强调了Gemini在数学领域的复杂理解能力，展示了通过视频输入数学题，Gemini辅助解决的场景。这展示了Gemini在处理复杂逻辑的数学问题中的优势。
2.2 可拓展性
到 2023 年下半年，大模型并行发展成为行业主流，尤其是端侧大模型在生成式 AI 应用中备受瞩目。vivo、小米、OPPO等手机品牌推出了端侧大模型与云端大模型的结合应用。在Gemini 1.0中，Google发布了三个版本：Gemini Ultra最聪慧，需要更大的计算量；Pro最均衡，适用于多场景；Nano体积最小最高效，主打部署在Android手机等设备上的端侧大模型。
Gemini Nano具备完全在端侧离线运行的能力，已适配Pixel系统自带的录音App，可生成AI摘要，甚至在无网络连接时也可运行。Gemini Nano的能力已整合进Android系统，第三方应用开发者也可通过应用适配调用其能力。Google计划将Gemini适配到其他Android智能手机，但目前仅有Pixel 8 Pro适配。虽未正面回应是否超越GPT-4，但Gemini Ultra在MMLU中获得的评分比GPT-4更高，是唯一超越人类专家测试结果的AI模型。
2.3 新硬件，新架构
Google的TPU（张量处理单元）是专为神经网络机器学习开发的专用硬件，从2015年发布TPU v1至今已经迭代了五个大版本。
Gemini 1.0基于Google数据中心的TPU v4和TPU v5e大规模阵列训练而来。TPU阵列不仅用于训练Gemini，也应用在Gmail、YouTube、Google Play等Google生态应用中，并从2018年开始开放给第三方客户使用。
Gemini在TPU上的运行速度也明显优于早期的小模型。同时，Google展示了最新的TPU v5p系列，提升了可拓展性，浮点运算能力相比v4提升了两倍，训练速度也提升了2.8倍以上。
此外，还推出了代号为「AI Hypercomputer」的超级计算机架构，可以与Google Cloud计算中心的硬件协同工作，支持现代AI模型开发的工作负载。
三. 生成式人工智能领域的新格局会是什么样？
最近OpenAI经历了一些领导层的变动，包括首席执行官被罢免后又回归，导致了一些不确定性。谷歌发布了Gemini，与OpenAI的GPT-4进行了对比，显示出在大型语言模型领域的激烈竞争。OpenAI也在密切关注谷歌的动向，并推出了一系列更新，包括GPT-4的升级版、将个性化GPT赋予用户的功能以及计划开放GPT应用商店等。OpenAI目前的重点是开发下一代GPT-5，因为谷歌的Gemini在多个方面显示出对GPT-4的超越，这也让人们对GPT-5充满期待。
前的重点是开发下一代GPT-5，因为谷歌的Gemini在多个方面显示出对GPT-4的超越，这也让人们对GPT-5充满期待。
