編者按：本文來自微信公眾號 阿爾法公社（ ID：alphastartups），作者：阿爾法公社，創(chuàng)業(yè)邦經授權轉載。
真正能與GPT-4正面比拼性能的AI基礎模型終于出現(xiàn)了。
北京時間12月7日凌晨，Google DeepMind發(fā)布了Gemini系列AI基礎模型，它分為Gemini Ultra，Gemini Pro，Gemini Nano三個版本，其中Gemini Ultra在32個測試中的30個超越了之前的SOTA模型，Gemini Pro會成為Bard背后的模型，Gemini Nano則將搭載于Pixel 8 Pro，是一個定位在端側的模型。
Gemini是一個原生多模態(tài)的模型，直接和GPT-4和GPT-4V對標，而且Google在安全性上經過了加強，它經過最全面安全評估，包括偏見和有害內容方面，還能防護包括網絡攻擊、“越獄”在內的潛在風險。
Google為開發(fā)者和企業(yè)客戶推出了Google AI Studio和Vertex AI，Google AI Studio是一個免費的基于網絡的開發(fā)者工具，開發(fā)者們可以利用API快速搭建AI應用，Vertex AI則允許企業(yè)用戶定制Gemini，并完全控制數(shù)據。
Gemini是原生多模態(tài)大模型，大部分性能超越GPT-4
今年3月中旬，OpenAI的GPT-4發(fā)布，其性能對其他AI基礎大模型呈現(xiàn)碾壓之勢，這讓Google感到深刻的威脅。4月21日，Google將Google Brain和DeepMind兩個最強大的AI實驗室合并，集中精銳的研究力量，并讓DeepMind的創(chuàng)始人Demis Hassabis來領導公司。
與OpenAI一樣，Hassabis一直以來的愿景也是打造AGI，他在發(fā)布會中表示：“我始終相信，如果我們能夠構建更智能的機器，就能利用它們以難以置信的方式造福人類。長期以來，我們一直希望構建新一代的人工智能模型，這些模型的靈感來自于人類理解和與世界互動的方式。這樣的人工智能，感覺上不像是一款智能軟件，更像是一種有用且直觀的東西——一個專家助手或助理?！?/p>
高性能的原生多模態(tài)模型系列
Gemini系列AI基礎模型分為Gemini Ultra，Gemini Pro，Gemini Nano三個版本。
其中Gemini Ultra適用于高度復雜的任務；Gemini Pro是性能和尺寸最平衡的版本，適用于多種任務的擴展；Gemini Nano則適用于端側，可以直接搭載于移動設備。
不過Gemini Ultra還需要完成更嚴格的信任和安全檢測，以及紅隊測試和RLHF，才能推向市場，它的上線時間會是2024年初，主要面對開發(fā)者和企業(yè)客戶。
在性能方面，從自然圖像、音頻和視頻理解到數(shù)學推理，GeminiUltra在32個廣泛使用的學術基準測試中的30個上超越了當前的最先進結果。
其中Gemini Ultra以90.0%的成績成為首個在MMLU（大規(guī)模多任務語言理解）上超越人類專家的模型，該測試結合了數(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。
此外，值得注意的是，在與推理、數(shù)學和編碼等幾個評判大模型真正能力的測試中，Gemini Ultra幾乎是全面突出GPT-4的。
以下是Gemini的技術資料里更詳細的對比，能夠了解到Gemini Ultra和Gemini Pro與主流模型的性能差異。
在多模態(tài)能力的對比中，無論是圖片，視頻還是音頻，Gemini Ultra也在大多數(shù)測試中超越了GPT-4V，這些測試凸顯了Gemini的原生多模態(tài)特性，并表明了Gemini更復雜推理能力的早期跡象。
另外，在更復雜的MMMU基準測試中Gemini Ultra取得了突出的59.4%的得分，該基準測試包含了跨不同領域、需要深思熟慮的推理的多模態(tài)任務。
此前，創(chuàng)建多模態(tài)模型的標準方法涉及分別訓練不同模態(tài)的組件，然后將它們拼接在一起以大致模仿這些功能。這些模型有時在執(zhí)行某些任務（如描述圖像）方面表現(xiàn)良好，但在更概念性和復雜的推理上則有所掙扎。
Gemini則是原生的多模態(tài)模型，它一開始就在不同的模態(tài)上進行預訓練，然后Google再用額外的多模態(tài)數(shù)據對其進行了微調，以進一步提高其效果。這有助于Gemini從根本上無縫理解和推理各種輸入。
這也使Gemini能夠很好的理解文本、圖像、音頻等內容，能夠適應更多的復雜應用需求。
對于生成式AI非常重要的程序編碼需求，Google使用一個專有版本的Gemini，創(chuàng)建了一個更高級的代碼生成系統(tǒng)AlphaCode 2，它擅長解決超出編碼范疇、涉及復雜數(shù)學和理論計算機科學的競賽編程問題。
AlphaCode 2相比此前的AlphaCode顯示出巨大的進步，據估計它的表現(xiàn)優(yōu)于85%的人類參賽者，而AlphaCode的數(shù)據是超越近50%參賽者。
負責任的大廠，強大的安全性
除了性能提升外，作為一個科技大廠，Google一直在人工智能的安全性上十分重視。具體到Gemini，Google做了以下措施：
1.對模型進行全面安全評估的，包括偏見和有害內容方面。
2.利用對抗測試技術，幫助提前識別Gemini部署中的關鍵安全問題。
3.與多元化的外部專家和合作伙伴合作，對Gemini在一系列問題上進行壓力測試。
4.為了限制傷害，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的內容。
5.與行業(yè)和更廣泛的生態(tài)系統(tǒng)合作，例如MLCommons、前沿模型論壇及其AI安全基金。
Gemini Pro加持的Bard，針對開發(fā)者和企業(yè)用戶的Google AI Studio和Vertex AI
在產品方面，Google會將Gemini模型的能力擴展到各種服務中，例如搜索、廣告、Chrome和Duet AI（企業(yè)級效率應用）。
直接對標ChatGPT的Bard，將會把背后的模型從PaLM2，換成經過精細調整的Gemini Pro版本，以實現(xiàn)更高級的推理、規(guī)劃、理解等功能。不過雖然Bard已經在170多個國家和地區(qū)提供服務，未來Google會開放更多的模態(tài)，并支持新的語言和地區(qū)。
明年初，Google將推出Bard Advanced，它背后的模型將是Gemini Ultra，而不是Gemini Pro。
Gemini Nano這個面向端側的小參數(shù)模型將搭載在Google的Pixel 8 Pro手機上，提供例如錄音摘要，Gboard的智能回復等功能，未來還有更多可能性。
此外，從12月13日開始，Google會為開發(fā)者和企業(yè)客戶提供Gemini API以訪問Gemini Pro模型。
Google AI Studio是一個免費的基于網絡的開發(fā)者工具，開發(fā)者可以使用API快速搭建產品原型并驗證產品功能。
Vertex AI讓企業(yè)用戶可以自定義Gemini，并完全控制數(shù)據，它還提供完全托管的服務，并為模型的安全、隱私以及數(shù)據治理和合規(guī)性負責。
更強大的基礎模型，讓創(chuàng)業(yè)者有更多更便宜的選擇
盡管仍然需要到實際場景中檢驗，但是Gemini Ultra是第一款真正意義能力與GPT-4持平或超越的AI模型，此前的Claude2和Inflection2只是在部分細分測試上追上了GPT-4的分數(shù)。
在技術上，Gemini模型原生多模態(tài)的范式代表了大模型的發(fā)展方向，在未來2-3年內，新推出的大模型都應該是多模態(tài)大模型。而只有大模型具有了多模態(tài)能力，它才有可能完整的“理解”世界，才有可能在未來誕生AGI的雛形。
此外，部署在移動端的Gemini Nano模型也代表了另一個趨勢，相比聯(lián)網使用云端的大模型，端側模型雖然通用能力上欠缺，但是更靈活，更安全，經過微調后在特定任務上也具有高可用性。隨著端側AI算力的不斷增強，它應該具有不小的開發(fā)潛力。
在生態(tài)建設上，Google提供為開發(fā)者提供了API和應用搭建工具Google AI Studio，讓開發(fā)者可以使用先進的AI模型搭建自己的原生AI應用。它也為企業(yè)用戶提供模型定制和模型部署的服務。
這些做法，與Meta，Amazon，百度，阿里等科技巨頭較為類似，它們都想通過生成式AI重塑自己的業(yè)務，并建立新的生態(tài)，從而打開第二增長曲線。
其中Meta和阿里更激進些，不但有云平臺，而且開源了自己的基礎模型（llama2，通義千問）；Amazon的力度也不小，不但提供自己的閉源模型，還接入了Claude等第三方的先進模型。
當然，在產品和生態(tài)打造上，目前最成功的仍然是OpenAI的ChatGPT、助手API和GPTS。而他成功的基礎，又是基于能力強大的GPT-4。
所以，當Gemini Ultra的能力趕超GPT-4后，對于創(chuàng)業(yè)者意味著什么？
首先，這讓人人都是產品經理越來越成為現(xiàn)實，有產品想法和能力的人可以更快更低成本的驗證自己的想法，而不需要太多的開發(fā)經驗。
對于那些具有產品能力和開發(fā)能力的個人創(chuàng)業(yè)者，現(xiàn)在除了GPT-4外有了另一個足夠強大的模型可用，而且競爭有可能使得API的成本降低，具有更多的試錯空間。
對于基于API或定制模型打造垂直行業(yè)應用的創(chuàng)業(yè)公司，與開發(fā)者一樣，他們有了更多的選擇，并有望降低成本。但是真正的成本降低，可能還是得等足夠高效和低成本得算力芯片成熟。
本文為專欄作者授權創(chuàng)業(yè)邦發(fā)表，版權歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。
