2023-12-07 | 실리콘밸리=윤민혁 기자

谷歌CEO自称“最大成果”的野心之作[全球回望]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

━ “谷歌最大的科学与工程成果”

“这是谷歌迄今为止完成的最大成果。”

谷歌CEO孙达尔·皮查伊满怀自豪地盛赞的主角,是5日(当地时间)突然公开的最新人工智能(AI)“Gemini”。此前谷歌原计划于今年11月推出Gemini,但以提升性能与稳定性为由将时间推迟至明年。在竞争对手OpenAI推出GPT-4 Turbo不到一个月之际,谷歌便发布了更为先进的AI,使当天的发布更受关注。有分析认为,在OpenAI因首席执行官(CEO)萨姆·奥尔特曼被解职与回归风波而受困之际,一直被评价为在AI领域落后一步的谷歌开始展开正式反击。

谷歌与DeepMind当天通过线上发布会公开了“Gemini 1.0”。发布会上介绍的Gemini性能出众,足以抹去其“超大规模AI后来者”的污名以及一次推迟发布带来的遗憾。在主要AI性能评测(基准测试)32个项目中,有30项领先于竞争对手OpenAI的GPT-4。它与GPT-4 Turbo一样是可处理图像、视频、语音的“多模态AI”,而且与只能通过文件识别的GPT-4 Turbo不同,它具备强大的视觉识别能力,使用起来仿佛在与一个有眼睛的人实时对话。

━ 出色性能压倒推迟发布的遗憾 此前一度有传闻称“谷歌因对OpenAI的GPT-4 Turbo感到紧张而推迟发布”,但谷歌展示了远超对手的实时视觉识别能力,证明等待并非徒劳。谷歌决心把Gemini应用到从智能手机“Pixel”到搜索、电子邮件、云端硬盘、文档等所有服务中,超越AI领跑者OpenAI与微软(MS)。

在超大规模AI性能测试MMLU(大规模多任务语言理解)中,Gemini以最高性能模型Ultra为准取得了90%的成绩,超过OpenAI的GPT-4所记录的86.4%,为历史最高分。OpenAI应用于GPT-4 Turbo的多模态(图片、视频、语音)指标也被压倒性超越,在大部分性能测评(基准测试)中均优于GPT-4。Gemini还具备GPT-4 Turbo所没有的实时视觉识别能力。目前公开的GPT-4 Turbo多模态功能是把图像或视频文件输入GPT-4进行识别的方式。而Gemini则是AI通过摄像头观察真人的动作并作出回应交流。

━ 给鸭子画涂上蓝色后…… 这并不只是简单的物体识别水平。用笔在纸上画一只鸭子,Gemini便知道这是“鸟”;在鸭子旁画上波浪,它就判断出这是“鸭子”。若把鸭子的身体涂成蓝色,它会说“虽然并不常见,但也有蓝色的鸭子”,并介绍蓝色的品种;若展示蓝色的洗澡玩具鸭,它会回答“原来你画的不是真鸭子,而是玩具鸭”。问这个玩具会不会浮在水上,它一时无法回答,但当展示用手把它捏扁的样子后,它会给出“是塑料的、里面是空的,会浮在水上”的答案。

对数学和物理的认知更加精细。画出方形车身的车和车头为三角形的车后询问哪一辆更快,它回答“应用了空气动力学的三角形车更快”。展示带有图表的数学题以及得出错误答案的解题过程,它能指出哪一部分出错,并给出正确的算式。

它还学习了YouTube视频和音乐。当有人模仿《黑客帝国》主角躲避子弹的场面时,它回答“这是电影《黑客帝国》的著名场景”。画出吉他,它就演奏只用吉他弹奏的音乐;画出鼓和贝斯,它就演奏乐队音乐。物体识别与判断力与人无异。

━ Nano、Pro、Ultra三个模型 谷歌按参数规模把Gemini分为三种模型。当天谷歌演示的Gemini是完整版“Ultra”,将于明年初推出。此前有传闻称因对英语以外语言支持不足而推迟发布,但谷歌DeepMind产品副总裁伊莱·柯林斯否认称“支持100种以上语言,Ultra推迟发布是为了更确切地保障安全性”。Gemini支持包括韩语在内的100多种语言。

面向开发者和企业的Pro已立即应用于今年5月推出的谷歌AI助手Bard,可在各类谷歌服务中使用。从下个月起将扩展至搜索、广告以及Chrome浏览器。谷歌表示“应用Gemini后,内部测试中搜索所需时间减少了40%”。面向个人的Nano自6日起可供一般使用。在搭载谷歌TPU(张量运算单元)的智能手机Pixel 8 Pro上,即使没有互联网和通信连接也可使用Gemini。

这得益于Gemini是用TPU训练的。当天谷歌还公开了用于训练Gemini的TPUv5。其浮点运算(FLOPS)速度比上一代快2倍,在Gemini等下一代AI中运算处理速度快4倍。这意味着谷歌在硬件领域也向英伟达图形处理器(GPU)及使用其产品的OpenAI发起攻势。

谷歌CEO孙达尔·皮查伊表示“Gemini是谷歌开发的最全面、最出色的AI模型”,“它首次实现了我们创立DeepMind时所怀有的愿景,也是谷歌迄今为止完成的最大科学与工程成果”。

━ AI战场从性能比较扩大到服务 另一方面,随着Gemini推出,超大规模AI竞争预计将更加激烈。战场将从单纯的性能比较扩大到最终用户接触的服务领域。与OpenAI携手的微软已率先在Windows操作系统(OS)和Edge浏览器中应用AI Copilot。谷歌的战略是把Gemini引入平台、硬件乃至智能手机,实现AI的“垂直一体化”以取得优势。稍显落后的Meta则于前一天与IBM、英特尔、AMD等50余家企业携手组建“AI联盟”,试图展开反击。

阅读韩文原文