Pro版本上線Bard

金磊 魚羊 發自 凹非寺

量子位 | 公衆號 QbitAI

傳聞中的谷歌殺手鐗
雙子座
，來了！

就在剛剛，谷歌CEO皮猜和哈薩比斯在谷歌官網聯名發文，宣佈推出這一萬衆矚目的多模態大模型。

標題明晃晃寫着“最大”、“最強”，主打的就是一個幹爆GPT-4。

具體來說，此次谷歌一共帶來了Gemini的三個版本：

• Gemini Ultra：谷歌最大、最強模型，適用於高度複雜的任務
• Gemini Pro：可擴展至各種任務的Gemini模型
• Gemini Nano：適用於端側設備的高效Gemini版本（1.8B/3.25B）

其中Gemini Ultra一上來就在32個基準測試中拿下30個SOTA，並且
第一個在MMLU基準上達到人類專家水平
。

而Gemini Pro從今天起，就會在Bard中實裝上線。

同時，谷歌Gemini團隊還公佈了一份
60頁
的詳細技術報告。

消息一出，社交媒體瞬間炸了鍋。

英偉達AI科學家Jim Fan就第一時間轉發評論：

這是OpenAI王座的有力競爭者。

話不多說，一起來看更多細節。

谷歌史上最強大模型Gemini

在LLM中的表現，也正如我們剛纔所述，32個基準測試中拿下30個SOTA。

其中，通用、推理、數學和編程等大方向的成績如下表所示：

△Gemini 在包括文本和編碼在內的一系列基準測試中達到SOTA

在
多模態
方面，Gemini Ultra在新的MMMU基準測試中也獲得了59.4%的SOTA分數。

這項基準測試是由跨不同領域的多模式任務組成，需要大模型進行一個深思熟慮的推理過程。

根據谷歌給出的圖像基準測試結果來看，Gemini Ultra在沒有OCR系統的幫助下，表現優於之前最先進的模型。

△Gemini 在一系列多模態基準測試中達到SOTA

接下來，我們以具體的案例來看一下Gemini的能力。

例如科學家們經常要面對從成千上萬的文獻中提取數據的難題，像下面這篇研究，作者就通過手動的方法從上萬篇遺傳學論文中創建了數據集。

像這樣的數據集是需得隨着時間流逝而進行更新的，但現實的情況是，自2021年以來，這個領域便已有超過200000篇新增的論文……

再像以往手動的方式顯然是不可行的，不過現在有了Gemini，一切就變得簡單了起來。

首先，通過自然語言的Prompt，告訴Gemini去過濾相關的科學論文：

只需片刻時間，Gemini就能找到相關論文和非相關的論文。

而後，繼續用Prompt告訴Gemini去閱讀相關論文，並提取關鍵數據，甚至是可以要求它添加註釋的那種。

如果你給Gemini一個午休的時間長度，它就能閱讀200000篇論文，從中篩選出250篇並提取數據！

並且由於Gemini是多模態的，我們還可以讓它對上面的數據表格做進一步的深入操作，例如更新圖表：

對於學生黨來說，Gemini現在也可以成爲非常得力的學習助手。

例如“喂”給Gemini一張手寫物理題，它不僅能看懂，而且還可以辨別手寫答案的對錯。

在此基礎上，若是選擇一個錯誤的題目，我們還可以跟Gemini通過自然語言溝通，讓它對每一個細節步驟進行詳解。

在看圖像做理解和推理方面，谷歌還亮出了更多有意思的案例。

例如替換圖片素材的組合方式，Gemini就能像人一樣精準猜中所指的
電影名字
：

就連下面這種高難度的也能hold住：

再如尋找兩張圖片的相似之處：

更有意思的是，谷歌還特意用
中文
做了個demo，來展示Gemini對多張圖片的組合理解能力：

那麼接下來的問題就是：Gemini是如何做到的？

60頁報告透露技術細節

谷歌Gemini背後技術的殺手鐗，便是
原生多模態
(原生多模態)。

因爲以往創建多模態大模型的方法，通常是爲不同的模態訓練單獨的組件，然後將它們拼接在一起，大致模擬其中的一些功能。

這樣訓練出來的模型雖然有時可以很好地執行某些任務（比如描述圖像），但在面對更具概念性和複雜推理的情況下，就會出現表現不佳的結果。

而谷歌Gemini所強調的原生多模態，是指
從一開始就對不同的模態進行預訓練
，然後用額外的多模態數據對其進行微調，以此來進一步完善大模型的有效性。

谷歌對此表示：

這樣的訓練方法，有助於Gemini從頭開始無縫地理解和推理各種輸入，遠遠優於現有的多模態模型；而且它的功能在幾乎每個領域都是最先進的。

具體到模型架構方面，Gemini基於增強的Transformer decoder打造，採用了高效attention機制（如multi-query attention），支持32k上下文長度。

儘管沒有透露Ultra和Pro版本的具體參數規模，但技術報告中提到，谷歌使用TPUv5e和TPUv4來訓練Gemini。

訓練Gemini Ultra使用了跨多個數據中心的大量TPUv4。這意味着與谷歌此前的主力大模型PaLM-2相比，Gemini在規模上顯著增大。

此前，PaLM-2被曝參數規模爲3400億。

Gemini Pro實裝上線

競爭對手那邊，OpenAI的GPTs驚豔全世界，微軟的Copilot更是先一步滲透進全線產品。

因此Gemini一出，谷歌也當即強調：
Gemini將通過谷歌產品推向數十億用戶
。

率先上線的是Gemini Pro。從今天起，谷歌的聊天機器人Bard將由Gemini Pro微調版本驅動。谷歌表示：

這是Bard自推出以來的最大升級。

谷歌還打算把Gemini引入手機：Pixel 8 Pro將是第一款運行Gemini Nano的智能手機。

另外，谷歌計劃在接下來幾個月中，將Gemini全面推向搜索、廣告、Chrome和Duet AI等產品線。

根據官方數據，Gemini能使用戶的搜索生成體驗（SGE）速度更快、質量更高，比如在美國使用英語搜索延遲能減少40%。

值得關注還有，就在Gemini正式亮相的同時，谷歌還推出了專爲大模型而設計的新一代TPU——Cloud TPU v5p。

那麼，你覺得這一波，谷歌能趕上OpenAI的腳步嗎？

參考鏈接：

[1]https://blog.google/technology/ai/google-gemini-ai

[2]https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf

[3]https://youtu.be/jV1vkHv4zq8?si=jjAw0uV0dkpP3eVT