谷歌宣布推出 Gemini，这是 ChatGPT 的“多模式”解决方案

周三，谷歌宣布推出 Gemini，这是该公司 AI 部门 DeepMind 从头开始​​构建的全新多模态大型语言模型。Gemini 的众多功能之一是它将为 Google Bard 提供支持，而 Google Bard 此前一直难以摆脱聊天机器人先驱 OpenAI 的 ChatGPT 的阴影。

根据谷歌首席执行官 Sundar Pichai 和 DeepMind 联合创始人兼首席执行官 Demis Hassabis 12 月 6 日发表的一篇博客文章，LLM 有三个版本，分别是 Gemini Ultra、Pro 和 Nano，适用于各种应用。经过“微调”的 Gemini Pro 目前是 Bard 的基础，而 Nano 版本将出现在 Pixel Pro 智能手机等产品中。Gemini 版本也将在未来几个月内推出，用于谷歌搜索、广告和 Chrome，不过 Ultra 要到 2024 年才会向公众开放。

与许多 AI 竞争对手不同，Gemini 从发布之初就被训练成“多模式”机器人，这意味着它已经可以处理文本、音频和基于图像的提示。在附带的视频演示中，Gemini 被要求通过口头识别摆在它面前的东西（一张纸），然后实时正确识别用户画的鸭子草图。其他能力似乎还包括推断视频暂停后接下来会发生什么、根据视觉提示生成音乐以及评估儿童的家庭作业——通常带有一点俏皮、喜欢玩弄双关语的个性。然而，值得注意的是，视频描述中包含免责声明：“为了演示的目的，延迟已减少，Gemini 的输出已缩短以简洁。”

在后续的博客文章中，谷歌证实 Gemini 实际上只对静止图像和书面用户提示的组合做出响应，并且他们的演示视频经过编辑，以呈现更流畅的音频功能交互。

Gemini 随附的技术报告表明，LLM 最强大的版本 Ultra“在 32 个广泛用于 [LLM] 研究和开发的学术基准中，有 30 个超过了目前最先进的结果”。尽管如此，改进似乎有些温和——Gemini Ultra 正确回答多学科问题的比例为 90%，而 ChatGPT 为 86.4%。然而，无论统计结果如何，结果表明 ChatGPT 可能与 Gemini 存在真正的竞争。

[相关：ChatGPT 等人工智能聊天机器人背后的逻辑非常简单。]

不出所料，谷歌在周三的公告中警告称，其新推出的明星人工智能远非完美，仍然容易出现困扰新兴技术的行业范围内的“幻觉”——即法学硕士偶尔会随机编造错误或无意义的答案。谷歌还对 Gemini 进行了“谷歌人工智能模型中最全面的安全评估”，谷歌 DeepMind 产品副总裁 Eli Collins 在 12 月 6 日的发布会上表示。其中包括让 Gemini 接受“真实的毒性提示”，这是艾伦人工智能研究所开发的一项测试，涉及超过 100,000 个有问题的输入，旨在评估大型语言模型的潜在政治和人口偏见。

未来几个月，Gemini 将继续融入 Google 的产品套件，同时进行一系列封闭测试阶段。如果一切按计划进行，Gemini Ultra 驱动的 Bard Advanced 将于明年某个时候向公众推出——但正如目前已经确定的那样，正在进行的 AI 军备竞赛往往很难预测。

当被问及它是否由 Gemini 提供支持时，Bard 告诉PopSci ，它“不幸”无法访问“有关 Google 内部项目”的信息。

“如果你有兴趣了解更多关于‘双子座’的信息，我建议你通过谷歌官方渠道搜索信息，或者联系公司内部有权访问此类信息的人，”巴德在给PopSci的信中写道。“我很抱歉给你带来不便，希望这些信息对你有帮助。”

更新 12/08/23 11:53AM：谷歌于 12 月 6 日发布了一篇博文，澄清了其 Gemini 上手视频以及该程序的多模式功能。尽管演示可能看起来 Gemini 响应了移动图像和语音命令，但谷歌提供了静态图像和书面提示的组合。随后对视频进行了编辑，以减少延迟和简化流程。此后，本文的文本已进行编辑以反映这一点。