決定大模型能力的關鍵因素，到底是模型的參數，還是訓練文本的大小？

谷歌發布的PalM2，似乎選擇了后者作為提升的主要路徑。

據悉，谷歌用于訓練的PaLM2的文本數量幾乎是訓練其前身模型的5倍。

而且上周宣布PaLM 2時，谷歌明確表示，該模型比早期的PaLM更小。

谷歌內部文件顯示，PaLM經過了5400億的參數訓練，而新推出的PaLM2，訓練參數接近腰斬，只有3400億個。

技術文檔中訓練數據的描述

但是在另一個模型訓練的關鍵數據——訓練語料大小上，谷歌開始瘋狂堆料，把PaLM的7800億的訓練token量直接推到了3.6萬億！

而且除了Token數量的激增，PaLM2在數據質量上也有很大的提升。

訓練數據中各個語言的比例

所以相比PaLM，第二代在英語語料數據量沒有顯著增長的情況下，英語性能明顯提高，部分原因是因為英語數據的質量提升了。

大模型路線選擇

OpenAI沒有公開GPT-4的訓練參數數量，但是谷歌沒有藏著掖著，主動公開了PaLM2訓練參數。

而且在谷歌I/O大會上，還同時發布了4個參數更少的模型。

其中最小的一款模型 Gecko（壁虎），甚至可以在智能手機上運行。

這一舉動側面反應了谷歌未來的野心，希望在更多的平臺上部署自己的大模型。

在這個大背景之下，從長遠的角度來看，谷歌幾乎不可能選擇堆訓練參數量來提升模型性能，增加訓練語料的數量和質量幾乎成了必然的選擇。

PaLM 2：史上最強大模型？

在I/O大會上宣布PaLM 2時，谷歌證實：該模型經過100種語言的訓練，可以執行廣泛的任務。它已經被用來為25個功能和產品提供支持，包括谷歌的實驗性聊天機器人Bard。

PaLM 2有四種尺寸，從小到大依次是：Gecko（壁虎）、Otter（水獺）、Bison（野牛）和Unicorn（獨角獸）。

基于現在公開披露的數據，PaLM 2比現有的任何模型都更強大。

Meta的LLaMA在今年二月推出，它在1.4萬億個token上進行了訓練。

而上一次OpenAI分享訓練規模，還是在推出GPT-3時，當時OpenAI說，它接受了3000億個token的訓練。

另外，谷歌兩年前曾提出LaMDA模型，當時它接受了1.5萬億個token的訓練。

AI軍備競賽升溫，公眾要求更高透明度

對于大模型訓練數據的細節，大廠們都很默契地選擇了「Close」。

發布GPT-4時，OpenAI沒有公布架構（包括模型大小）、硬件、訓練計算、數據集構建、訓練方法等細節，理由是「像GPT-4這樣的大規模模型的競爭格局和安全影響」。

被OpenAI逼到墻角的谷歌，也一直渴望展示自己AI技術的力量，包括如何將其嵌入到搜索、電子郵件、文字處理和電子表格中，但是此前，谷歌一直不愿意公布訓練數據的大小或其他細節。

保密的原因，當然就是業務的競爭性質。

無論是谷歌還是OpenAI，都在爭搶著希望使用聊天機器人而不是傳統搜索引擎的用戶。

但隨著AI軍備競賽的升溫，研究社區正在要求更高的透明度。

而現在，隨著AI應用迅速成為主流，圍繞底層技術的爭議也愈發激烈。

隨著新的人工智能應用迅速成為主流，圍繞底層技術的爭議也越來越激烈。

今年2月，谷歌研究高級科學家El Mahdi因公司缺乏透明度，選擇辭職。

周二，OpenAI首席執行官Sam Altman在參議院司法小組委員會關于隱私和技術的聽證會上作證，同意立法者的觀點——需要監管AI的新系統。

「對于一項非常新的技術，我們需要一個新的框架，」Altman說。「當然，像我們這樣的公司，對于在全球推出的工具負有很大責任。」

Bard可以干但ChatGPT干不了的事

1. 訪問網絡

相對于ChatGPT，Bard的一個顯著優勢就是——可以訪問互聯網。

問問今天（5月17日）的體壇大事，Bard快速總結出來了。

而ChatGPT無法直接訪問互聯網，只能通過其付費版本Plus上的插件訪問網絡。

2. 圖像生成

在生成圖像上，Bard也超越了ChatGPT的付費和非付費版本。

谷歌宣布將通過集成Adobe Firefly，提供AI圖像生成功能。這個功能增強了對話的視覺效果，讓用戶獲得了上下文更豐富的信息。

3. 語音輸入

在語音輸入方面，Bard也優于ChatGPT，用戶只要通過語音，就可以和模型交互了。

這樣在多任務處理和打字不方便時，用戶就多了一種快速獲取響應的邊界方式。

小編把今日體壇新聞的問題讀了一遍，Bard就自動顯示了。唯一要注意的是，英文發音要足夠標準。??

4. 編碼能力

在編碼能力上，Bard也超越了ChatGPT，它能夠協助20多種編程語言，包括 C++、Python、Java、TypeScript、JavaScript等。它可以輔助開發者進行代碼生成、解釋和調試。

相比之下，雖然ChatGPT也具有編碼功能，但它在處理額外任務時存在不足，相比之下OpenAI的Codex可能更適合執行這些任務。

讓Bard用python生成一個斐波那契數列，并打出前10個數字。

Bard成功完成了。

5. 高度整合Gmail

與Gmail集成，是Bard是另一個重要優勢。

Gmail擁有超過20億用戶，是全球最大的電子郵件服務商。如果在郵件中能用Bard，無疑為電子郵件交互開辟了新的可能性。

但是，微軟也正把ChatGPT添加到Microsoft 365 中，并將嵌入到 Word、Excel、PowerPoint以及Gmail的競爭者中。

6. 分享輸出內容

另外，Bard還可以將結果立即導出到Gmail和Docs。

用戶可以將生成的內容直接導出到這些平臺，輕松與他人分享。這個功能大大簡化了共享信息的過程，使撰寫電子郵件變得非常輕松。

另一方面，OpenAI在設置中有一個類似的導出選項。用戶可以導出帳戶詳細信息和對話，以可下載文件的形式發送到電子郵箱中。

7. 支持圖像提示

Bar還有一大功能是，能夠使用圖像作為提示。

用戶只需點擊圖片或使用Google Lens掃描圖像，就可以向Bard尋求幫助了。

比如，用戶可以查找與某張圖片類似的度假勝地，還可以詢問其這個地點的歷史意義。

同樣，GPT-4 也是一個多模態大模型，可以接受圖像和文本輸入，不過截至本文發布之日，在付費版本中也沒有引入這個功能。

8. 網頁摘要

因為Bard可以聯網，因而它可以通過簡單地共享鏈接來總結某個網頁。

相比之下，ChatGPT不能聯網，用戶只能手動復制和粘貼想要總結的內容。

不過，Bard也有其局限性，特別是在毒性方面。

在測試過程中，當給出明確的有毒提示時，Bard在超過30%的時間內，會產生有毒反應。

此外，在英語、德語和葡萄牙語等語言中，PaLM 2總體上會表現出更明顯的毒性行為。

總的來說，由于不同的架構和測試方法，直接比較這PaLM2和GPT-4有一定的挑戰性。

在推理任務中，PaLM 2的表現與GPT-4類似，甚至更好。

不過，在編碼任務中，PaLM 2需要多次嘗試，以及額外的編碼token，才能獲得良好的性能。