電子發燒友網報道（文/吳子鵬）美國當地時間周三，谷歌發布了其新一代人工智能模型Gemini（雙子星）。谷歌CEO桑達爾?皮查伊和Deepmind CEO戴密斯·哈薩比斯在谷歌官網聯名發文，官宣了最新多模態大模型Gemini 1.0版本正式上線。

這次發布是按照谷歌此前的預期，但是對于業界而言非常突然。因為就在一周前還有報告指出，谷歌原本計劃本周（當時稱下周）發布Gemini，但現在已經推遲到2024年1月。報告給出的原因是，谷歌“發現人工智能不能可靠地處理一些非英語查詢”，該公司認為全球語言支持是最重要的，這是谷歌追趕和超越OpenAI GPT-4的關鍵性能之一。

現在，谷歌還是如期將Gemini 1.0上線了。

史上最強的AI大模型

從定位來看，Gemini 1.0版本是桑達爾?皮查伊親自督導，籌備一年多時間，并瞄準OpenAI GPT-4的大模型。很顯然，Gemini 1.0版本的效果是遠超預期的，成為目前已經上線發布的最強大的AI大模型，也是有史以來最強大的AI大模型。

據介紹，Gemini 1.0版本會有三個細分的版本：
·Gemini Ultra：谷歌最大、最強模型，適用于高度復雜的任務
·Gemini Pro：可擴展至各種任務的Gemini模型
·Gemini Nano：適用于端側設備的高效Gemini版本（1.8B/3.25B）

Gemini 1.0版本是一個純正的多模態AI大模型，為什么要這樣說呢？因為Gemini是以多模態模型為目標重新構建的，在復雜操作以及處理不同類型信息方面，其效率和絲滑度是當前其他模型不可比擬的，這些信息包括文本、代碼、音頻、圖像和視頻。所以，Gemini也是迄今為止最靈活的大模型。

在基礎設施方面，谷歌使用自研的Tensor處理單元（TPU）v4和v5e對Gemini 1.0進行訓練。因此，在Gemini 1.0版本發布的同時，谷歌也宣布推出迄今為止最強大、最高效、最可擴展的TPU系統Cloud TPU v5p，專為訓練尖端人工智能模型而設計。根據此前的爆料，Gemini 1.0版本訓練需要的算力規模是GPT-4的5倍。

全新的設計和強大的算力底座，讓Gemini 1.0版本成了一個性能怪獸。根據谷歌發布的報告，在32項廣泛使用的基準測試中，Gemini Ultra獲得了30個SOTA（State of the art，特指領先水平的大模型）。能夠看出，Gemini 1.0版本在文本、代碼、音頻、圖像和視頻處理能力方面，以及推理、數學、代碼等方面的能力均比GPT-4更加出色，可以說是全方位吊打GPT-4。

圖源：谷歌

圖源：谷歌

根據以上兩圖，Gemini在MMLU（大規模多任務語言理解數據集）和MMMU（基于大學考試的測試基準）的成績格外值得關注。其中，Gemini Ultra在MMLU測試中的得分率高達 90.0%，首次超越了人類專家。MMLU數據集包含數學、物理、歷史、法律、醫學和倫理等 57 個科目，用于測試大模型的知識儲備和解決問題能力。

在權威MMMU測試中，Gemini Ultra也獲得了59.4%的SOTA分數。MMMU由IN.AI Research 等多所機構組成的研究團隊一同推出，可用于評估AI在大學水平的多學科問題上的多模態理解和推理能力。其中包含的問題來自大學考試、測驗和教科書，涉及六個常見學科：藝術與設計、商科、科學、健康與醫學、人文與社會科學、技術與工程。MMMU包含1.15萬個精心選取的多模態問題，涵蓋30個不同的科目和183個子領域，因此滿足廣度目標。谷歌認為，在MMMU中取得這樣的分數，證明Gemini在更復雜推理任務中還有更大的潛力值得挖掘。

谷歌認為，Gemini作為一個原生的多模態大模型，和單獨訓練拼接而成的多模態大模型有很大的不同，帶來了巨大的性能提升，并通過多模式級聯的數據進行了調優，以進一步完善其有效性。這就是為什么，Gemini幾乎在任何領域都是最領先的。

在谷歌發布的報告中，該公司基于Gemini進行了復雜推理的顯示，比如Gemini可以非常高效地從數十萬份文件中獲取對科學家有用的數據，并創建數據集。你甚至可以讓它幫你給這些有價值的數據做進一步的標注。

在另一個案例中，Gemini可以在世界上最受歡迎的編程語言（如Python、Java、C++和Go）中理解、解釋和生成高質量的代碼。由于對全球語言都有很好的支持，Gemini可以跨語言工作并對復雜信息進行推理，使其成為世界上領先的編碼的基礎模型之一。基于Gemini，谷歌創建了一個更先進的代碼生成系統AlphaCode 2，該系統擅長解決超越編碼的競爭性編程問題，涉及復雜的數學和理論計算機科學。

憑借GPT大模型，OpenAI這幾年的風頭蓋過了谷歌，現在憑借Gemini，谷歌打了一個漂亮的翻身仗。不過，桑達爾?皮查伊在接受采訪時表示，Gemini只是領先GPT-4一點點，“想想看，向人工智能的轉變是多么深刻，我們還處于早期階段，前方的世界充滿機遇。”

谷歌表示，Gemini將通過谷歌產品推向數十億用戶。從12月13日開始，開發者和企業客戶可以通過Google AI Studio或Google Cloud Vertex AI中的Gemini API訪問Gemini Pro。2024年初，谷歌還將推出Bard Advanced，這是一種新的頂級人工智能體驗，讓用戶從Gemini Ultra開始訪問谷歌最好的模型和功能。

更強的功能與更大的擔憂

在Gemini的介紹報告中，谷歌花費很大篇幅來闡述責任和安全。在報告中谷歌提到，“在谷歌，我們致力于在我們所做的一切工作中推進大膽和負責任的人工智能。基于谷歌的人工智能原則和我們產品的強大安全政策，我們正在添加新的保護措施來保證Gemini的多模式聯運能力。在開發的每個階段，我們都在考慮潛在風險，并努力測試和減輕它們。”

“我們對迄今為止的任何谷歌人工智能模型進行了最全面的安全評估，包括偏見和數據毒性。我們對網絡犯罪、說服和自主意識等潛在風險領域進行了新的研究，并應用了谷歌一流的對抗性測試技術，以幫助在Gemini部署之前識別關鍵安全問題。”

同時，為了減少測試的盲點，谷歌也在與外部專家和合作伙伴一起進行壓力測試。然而，就像桑達爾?皮查伊提到，很多基準測試還在逐步完善一樣，實際上對于AI大模型的安全測試也是如此，很多方面的測試都還是空白，人們在使用一些對付傳統人工智能的手段來對AI大模型進行壓力測試，但這顯然是不夠的。

目前，行業將AI大模型的安全風險分為三個方向，分別是訓練數據、模型本身和使用場景。在訓練數據方面，數據采集不當、存在偏見或標簽錯誤、數據被投毒等都被視為安全風險；在模型本身，模型的可靠性、穩定性、魯棒性等都是測試項，同時企業也在關注模型被誤導性；然后在使用階段，主要防范欺詐、歧視、政治傾向等風險內容，以及用戶數據的保護。

表面上看，好像已經能夠覆蓋大模型各方面的風險，但是在目前的方案中，企業發現由于大模型處于野蠻生長的階段，很多問題都是未知的。于是乎，ChatGPT被發現存在大量具有攻擊性的行為。行業想到的辦法是用魔法打敗魔法——以AI對抗AI。

然而，魔高一尺還是道高一丈，這實際上也是不可控的。

今年3月份，一封千位大佬的聯名信呼吁，應該立即停止訓練比GPT-4更強大的AI系統，暫停期至少6個月。簽名的有圖靈獎得主Yoshua Bengio、Stability AI首席執行官Emad Mostaque、蘋果聯合創始人Steve Wozniak、紐約大學教授馬庫斯、馬斯克，以及《人類簡史》作者Yuval Noah Harari等。但此事似乎并沒有什么結論。

也就在日前，OpenAI公布了該公司在安全方面的舉措，實際上和谷歌等公司都是大同小異，且都說明對于AI大模型的防護也是需要不斷完善，通過實踐和研究來解決安全問題。

不難預見，新一輪AI大模型“競賽”開始了，安全和責任制措施當然也會升級，但模型和防護誰發展更快，相信更多人都傾向于相信前者發展更加野蠻。

結語

Gemini模型的發布標志著，全球AI大模型發展正式進入原生多模態時代，模型的各項性能和數據融合能力將顯著增強。在更廣泛的領域，AI大模型將取代人工，且比人工更加出色。不過，安全問題似乎并沒有被妥善解決，新一輪AI大模型競賽就直接開始了。