在OpenAI“混亂”之際，Google準備“大殺四方”。

就在昨日晚間，Google 和 Alphabet CEO Sundar宣布Gemini上線，并稱之為“我們規模最大、能力最強的 AI 模型”，語驚四座。

Gemini的關鍵詞是“多模態”，Google針對三種不同的尺寸對第一代 Gemini 1.0進行了優化：Gemini Ultra —規模最大且功能最強大的模型，適用于高度復雜的任務；Gemini Pro — 適用于各種任務的最佳模型；Gemini Nano — 我們端側設備上最高效的模型。

Sundar高喊業界，Gemini 是我們迄今為止最靈活的模型，從數據中心到移動設備，它能夠在所有設備上高效運行。

他解釋道，Gemini令人興奮的一個特別之處在于，它從一開始就是一個原生的多模式模型。就像人類一樣，它不僅僅是在文本上學習，還可以通過視頻、音頻和代碼學習。因此，這個模型天生就能力更強，我認為這將幫助我們梳理出更新的功能，這太令人興奮了。

言外之意，OpenAI你怕不怕？

Gemini的最強性能從何而來？

據Google DeepMind CEO 和聯合創始人，Gemini 是我們迄今為止最強大、最通用的模型，它在許多領先的基準測試中都展現出了最先進的性能。我們的第一個版本 Gemini 1.0針對不同尺寸進行了優化，分別是：Ultra、Pro 和 Nano。這些是進入 Gemini 時代的第一個模型，也是我們今年早些時候成立 Google DeepMind 時的愿景的首次實現。

他還對未來以及 Gemini 將為全世界的人們帶來的機遇感到由衷的興奮。具體來講，Gemini 是包括 Google Research 在內的 Google 各團隊間進行廣泛合作的成果。它從一開始就被創建為多模態的模型，這意味著它可以歸納并流暢地理解、操作以及組合不同類型的信息，包括文本、代碼、音頻、圖像和視頻。

在性能方面， Google對 Gemini 模型進行了嚴格的測試，從自然圖像、音頻和視頻理解到數學推理，在被大型語言模型（LLM）研究和開發中廣泛使用的32項學術基準中，Gemini Ultra 的性能有30項都超過了目前最先進的水平。

（圖注：在一系列多模態基準測試中，Gemini 的性能超越了當前最先進的水平。）

與此同時，Gemini Ultra 的得分率為90.0%，是第一個在 MMLU（大規模多任務語言理解）測試中超過人類專家的模型，MMLU 綜合使用了數學、物理、歷史、法律、醫學和倫理等57個科目，用于測試世界知識和解決問題的能力。

針對 MMLU， Google新的基準測試方法讓 Gemini 能夠利用其推理能力在回答困難問題之前更加仔細地思考，從而比僅憑第一印象就直接回答問題有顯著的改善。

在新的 MMMU 基準測試中，Gemini Ultra 也取得了得分率為59.4% 的成績，該基準測試由橫跨不同領域、需要仔細推理的多模態任務組成。

在 Google的圖像基準測試中，Gemini Ultra 在不使用對象字符識別 (OCR) 系統來提取圖像中的文本進行下一步處理的情況下，表現優于以前最好的模型。

AI應用大爆發前夜真正來臨？

不同于一般通用大模型主打的窗口對話，業界的共識是，多模態大模型才是未來。

在推理方面，Gemini 1.0具有復雜的多模態推理能力，可幫助理解復雜的書面和視覺信息。這使得它具有獨特的技能，可以在海量的數據中發掘難以辨別的知識內容。它擁有通過閱讀、過濾以及理解信息，從數十萬份文件中提取見解的卓越能力，將有助于在從科學到金融等多個領域以數字化速度實現新的突破。

與此同時，Gemini 1.0經過訓練，可以同時識別并理解文本、圖像、音頻等，因此它能更好地理解具有細微差別的信息，回答與復雜主題相關的問題。這就讓它尤其擅長解釋數學和物理等復雜科目中的推理。

在高級編碼能力方面，Gemini 還可用作更高級編碼系統的引擎。兩年前，Google展示了 AlphaCode，它是第一個在編程競賽中性能達到競賽水平的 AI 代碼生成系統。現在，Google利用一個專門版本的 Gemini，創建了更先進的代碼生成系統 AlphaCode 2，該系統擅長解決那些不僅需要編碼能力而且也需要復雜數學和理論計算機科學知識的競賽性編程問題。

更為重要的是，Google還發布了迄今為止功能最強大、效率最高且可擴展性最強的 TPU 系統 Cloud TPU v5p，旨在為訓練前沿 AI 模型提供支持。新一代 TPU 將加速 Gemini 的開發，幫助開發者和企業客戶更快地訓練大規模生成式 AI 模型，從而更快推出新產品和新功能。

這使得Gemini更可靠、可擴展和高效。

安全為核心，“讓 Gemini 普及全球”

據介紹，在 Google，致力于在所有工作中以大膽而負責任的方式推進 AI。Google方面表示，在開發的每一個階段，我們都會考慮潛在的風險，并努力進行測試和降低這些風險。

具體在Gemini 層面，據了解，Gemini 擁有迄今為止 Google 所有 AI 模型中最全面的安全評估，包括偏見和毒性評估。“我們對網絡攻擊、說服力和自主性等潛在風險領域進行了創新性的研究，并應用了 Google Research 一流的對抗性測試技術，幫助我們在部署 Gemini 之前檢測關鍵的安全問題。”

為了減少傷害，Google構建了專門的安全分類器來識別、標記和篩選涉及暴力或負面刻板印象等方面的內容。結合強大的過濾器，這種分層方法旨在讓 Gemini 對每個人都更加安全和包容。此外，Google正繼續解決模型面臨的已知挑戰，例如事實性、基礎、歸因性以及協作性。

Google承諾，在安全的基礎上，將通過 Google 的產品將 Gemini 帶給數十億人。

首先，從今天開始，Bard 將使用 Gemini Pro 的微調版本來進行更高級的推理、規劃和理解等。這是 Bard 自推出以來最大的升級。它將在170多個國家和地區提供英語服務，并且我們計劃在未來幾個月內擴展不同的模態，并支持新的語言和地區。

其次，Google還將在 Pixel 上使用 Gemini。Pixel 8 Pro 是首款搭載 Gemini Nano 的智能手機，它可以支持錄音應用中的“總結”等新功能，并在 Gboard 中推出“智能回復”功能，從 WhatsApp 開始，明年還將推出更多信息應用。

最后，未來幾個月，Gemini 將應用于我們更多的產品和服務，如 Search、Ads、Chrome 和 Duet AI。Google已經開始在 Search 中試驗 Gemini，它能夠為用戶提供更快的搜索生成體驗（SGE），用戶在美國的英語搜索延遲降低了40%，同時在質量方面也有所提高。

而對于開發者，從12月13日開始，開發者和企業客戶可以通過 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 獲取 Gemini Pro。

毫無疑問，這是 AI 發展過程中的一座重要里程碑，也標志著 Google 在大模型方面不再接受被人壓著打！

他們的目標也非常明確“改變全球數十億人的生活和工作方式”。我們拭目以待。