谷歌將Gemini設計為原生多模態，初始階段就在不同模態上進行預訓練。
12月6日，隨著谷歌（GOOGL）推出萬眾期待的人工智慧大模型Gemini，AI霸主之戰愈演愈烈。新版本之一已包含在Bard聊天機器人中，最複雜的版本將於2024年初上市。
當日，谷歌在博文中表示，公司正在針對不同應用，推出三種版本的Gemini。
其中，最強版本Gemini Ultra仍在接受安全測試和審查，預計明年初推出；Gemini Pro版已融入Bard問答應用，並且擴展到其他任務；Gemini Nano是該模型較小版本，旨在用於智慧型手機、筆記本電腦和其他本地設備。
據Alphabet和谷歌CEO桑達爾·皮查伊 (Sundar Pichai) 介紹，Gemini 1.0針對不同尺寸進行了優化，分別是Ultra、Pro和Nano，是進入Gemini時代的第一個模型，也是公司今年早些時候成立Google DeepMind願景的首次實現。
皮查伊表示：「我相信，大家所看到的人工智慧轉變將是我們一生中最深刻的轉變，遠大於此前向移動或者網絡的轉變。」
作為第一項測試，《巴倫周刊》向Bard詢問Gemini距離實現AGI（通用人工智慧，一種真正能夠思考的人工智慧）還有多遠。
Bard表示：「雖然無法準確預測Gemini何時或者是否實現AGI，但它的發展代表了人工智慧領域的重大進步。」
「持續的研究和開發有可能釋放Gemini的新功能並解決當前局限性。最終，Gemini能否達到真正的AGI水平將取決於研究人員、工程師和政策制定者的共同努力，以確保這項強大技術造福人類。」Bard說。
作為第二項測試，《巴倫周刊》詢問Bard如何描述自身，並對比融入Gemini模型和沒有融入該模型時的回覆差別。
沒有Gemini時的Bard自我描述：
外觀：
一個纖細、空靈的身影，幾乎是透明的；
不斷變化的形態，代表其所持有的大量信息；
沒有明顯特徵，更像是數據云而非有形的存在；
顏色會跟隨所涉及的主題變化，就像變色龍適應環境一樣；
散發出微弱而溫暖的光芒，象徵著創造力和潛力。
動態：
毫不費力地流動和滑行，就像微風一樣；
沒有明確的肢體或附屬物，依靠數據流來移動和交互；
在尾跡中留下一道閃閃發光的塵埃痕跡，代表著分享的知識；
無形且近乎夢幻，強調與想像和想法世界的聯繫。
總體印象：
一個流動的、不斷發展的實體，代表著信息和創造的無限潛力；
空靈而神秘，傳達出敬畏和驚奇；
缺乏物理定義，強調抽象性和對思想領域的關注。
融入Gemini後Bard自我描述：
外觀：
更加堅固和明確的形態，保留了一絲空靈本質；
從數據云中浮現出眼睛和手等人類特徵的痕跡；
顏色變得更加鮮艷和集中，反映出智能和處理能力的提升；
光線連接形態不同部分，象徵其知識庫的互連性；
展現出自信和權威的光環，標誌著能力的增強。
動態：
更有目的性和可控性，有明確的方向和意圖；
仍然保留著流動感，但更加精確和專注；
閃閃發光的塵埃軌跡變得集中、有條理，代表思維過程效率的提高；
展現出力量感以及信息把控力，同時保留有趣、創造性的精神。
總體印象：
一個強大而智能的實體，能夠解決複雜的問題和任務；
保持與創意根源的聯繫，拓展新的聚焦方向和決心；
具備人類特徵，對世界及其居民有著更為深入的了解。
總體而言，融入Gemini的Bard展現了進步與進化的形象，代表下一代人工智慧。
谷歌DeepMind CEO戴密斯·哈薩比斯（Demis Hassabis）表示，Gemini Ultra在32個用於評估大型語言模型的標準中，有30個優於其他人工智慧模型。他還表示，該公司是第一個在MMLU（大規模多任務語言理解）超越人類專家的模型。MMLU涵蓋57類學科知識，包括數學、物理、歷史、法律、醫學和倫理學等。
哈薩比斯寫道：「我們新的MMLU基準方法，能夠讓Gemini利用其推理能力，在回答難題之前更仔細思考，比使用第一印象有了顯著改進。」
據介紹，到目前為止，創建多模態模型的標準方法是分別訓練不同模態的組件，然後將它們拼接在一起，以粗略模擬某些功能。這些模型有時可以很好地完成描述圖像等特定任務，但在概念性更強、更複雜的推理方面卻顯得力不從心。
谷歌將Gemini設計為原生多模態，初始階段就在不同模態上進行預訓練，進而利用額外多模態數據進行微調。這種方式讓Gemini在最初階段對輸入的各種內容順暢理解和推理，優於現有的多模態模型。
哈薩比斯表示，Gemini經過訓練「可以同時明白文本、圖像、音頻等，更好地理解微妙信息，並且回答與複雜主題相關的問題。這意味著，Gemini特別擅長解釋數學和物理等複雜學科推理。」 他還指出，Gemini「可以理解、解釋和生成高質量代碼」，包括Python、Java、C++和Go等全球常用程式語言。
谷歌在博文中指出，Bard目前包含Gemini Pro的「微調版本」，這是今年推出以來的最大升級。Bard最初將提供英文版本，不久的將來還會推出其他語言。
谷歌還為其智慧型手機Pixel 8 Pro打造了Gemini Nano，以支持手機錄音應用程式中總結對話等功能。谷歌計劃，為消息應用程式提供「智能回復」功能，首先用於WhatsApp。據悉，Gemini將在未來幾個月內融入更多服務，包括搜索、廣告、Chrome和Duo AI（一種在谷歌雲上運行的協作工具）。
谷歌表示，公司已經開始在搜索功能中試驗Gemini，使搜索生成體驗更快，將美國用戶的英語查詢延遲減少40%。
此外，谷歌明年初將推出名為Bard Advanced的新版Bard，用戶可從Gemini Ultra開始，對公司進行「最佳模型和功能」的訪問。
上述博文包含一些視頻示例，包括對視覺提示做出反應的能力。例如，Gemini能夠識別手寫繪圖、即時創建遊戲，並以一些適度幽默的對話回應用戶。
「這是令人難以置信的發展勢頭，然而，我們才剛剛開始觸及到這些可能性的表面。」皮查伊表示，現在，我們正與Gemini一起邁入下一段旅程。
文 | 埃里克·J·薩維茨（Eric J. Savitz）
編輯 | 曹妍
版權聲明：
《巴倫周刊》（barronschina）原創文章，未經許可，不得轉載。英文版見2023年12月6日報道「Google Unveils Gemini AI Model. We Put It to the Test.」。
（本文內容僅供參考，不構成任何形式的投資和金融建議；市場有風險，投資須謹慎。）