OpenAI与谷歌的超大规模人工智能(AI)技术竞赛正愈演愈烈。OpenAI为ChatGPT添加记忆功能仅两天后,谷歌便公开了可处理总计100万个token(AI运算单位)的“Gemini 1.5 Pro”,随后OpenAI又推出可将文字生成视频的AI“Sora”予以反击。在大型科技企业竞争加剧之下,AI技术正以更快速度走向高端化。
15日(当地时间),谷歌公开了Gemini 1.5 Pro。谷歌的超大规模AI Gemini按规模分为Nano、Pro、Ultra三种。这是在本月8日公开最高端模型“Ultra 1.0”仅一周后,便发布了Pro的升级版本。
Gemini 1.5 Pro一次最多可处理100万个token,超过现有Gemini 1.0 Pro的3.2万个和OpenAI GPT-4 Turbo的12.8万个,为现存最高数值。谷歌表示:“Gemini 1.5 Pro可一次处理约1小时的视频、11小时的音频文件、3万行以上的代码以及70万单词以上的文本”,“通过采用仅追踪各神经网络中专业领域路径并选择性使用的MoE(Mixture-of-Experts),学习与作业速度也有所提升”。
谷歌称,Gemini 1.5 Pro的性能比上一版本1.0 Pro高87%。谷歌强调:“随着运算能力扩大,即便在多达100万token的庞大信息中,也能以高达99%的准确率找出特定信息”,“虽为中型模型,但已是与Gemini Ultra水平相近的AI”。Gemini 1.5 Pro将优先向部分开发者和企业用户提供服务。正式版本基本提供12.8万个token,可通过购买选项增加token。
面对谷歌推出新AI的消息,OpenAI也立即展开反击。OpenAI当日介绍了可将文字生成最长1分钟视频的多模态AI“Sora”。这是在两天前宣布为ChatGPT增加记忆力之后,连续发布的新功能。
Sora能够理解多个角色、特定动作及复杂场景等,并生成生动的视频。此前也已有将文字或照片生成视频的AI模型。OpenAI强调,Sora比现有模型能更深入把握指令的“语境”。OpenAI解释称:“不仅是满足提示词的要求,还能理解所指示内容在物理世界中实际如何存在,从而生成表达生动情感的、富有魅力的角色与世界”。Sora目前同样仅面向有限数量的创作者开放,目的是在实际推出前评估其安全性。
OpenAI与谷歌的竞争正从AI延伸至搜索领域。当日,IT专业媒体The Information报道称,OpenAI正在开发基于微软(MS)搜索引擎Bing的搜索服务,意在进军谷歌的“自家地盘”搜索领域。受OpenAI推出Sora及挑战搜索市场的消息影响,谷歌母公司Alphabet股价当日下跌2.17%。这意味着,尽管公开了Gemini 1.5 Pro,市场仍判断OpenAI的挑战更具威胁。






