突發(fā)！谷歌發(fā)布史上最強(qiáng)大模型Gemini，打爆GPT-4

十三 2023-12-07 01:25:32 來源：量子位

金磊 魚羊 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

傳聞中的谷歌殺手锏Gemini，來了！

就在剛剛，谷歌CEO皮猜和哈薩比斯在谷歌官網(wǎng)聯(lián)名發(fā)文，宣布推出這一萬眾矚目的多模態(tài)大模型。

標(biāo)題明晃晃寫著“最大”、“最強(qiáng)”，主打的就是一個(gè)干爆GPT-4。

具體來說，此次谷歌一共帶來了Gemini的三個(gè)版本：

• Gemini Ultra：谷歌最大、最強(qiáng)模型，適用于高度復(fù)雜的任務(wù)
• Gemini Pro：可擴(kuò)展至各種任務(wù)的Gemini模型
• Gemini Nano：適用于端側(cè)設(shè)備的高效Gemini版本（1.8B/3.25B）

其中Gemini Ultra一上來就在32個(gè)基準(zhǔn)測(cè)試中拿下30個(gè)SOTA，并且第一個(gè)在MMLU基準(zhǔn)上達(dá)到人類專家水平。

而Gemini Pro從今天起，就會(huì)在Bard中實(shí)裝上線。

同時(shí)，谷歌Gemini團(tuán)隊(duì)還公布了一份60頁的詳細(xì)技術(shù)報(bào)告。

消息一出，社交媒體瞬間炸了鍋。

英偉達(dá)AI科學(xué)家Jim Fan就第一時(shí)間轉(zhuǎn)發(fā)評(píng)論：

這是OpenAI王座的有力競爭者。

話不多說，一起來看更多細(xì)節(jié)。

谷歌史上最強(qiáng)大模型Gemini

在LLM中的表現(xiàn)，也正如我們剛才所述，32個(gè)基準(zhǔn)測(cè)試中拿下30個(gè)SOTA。

其中，通用、推理、數(shù)學(xué)和編程等大方向的成績?nèi)缦卤硭荆?/p>

在多模態(tài)方面，Gemini Ultra在新的MMMU基準(zhǔn)測(cè)試中也獲得了59.4%的SOTA分?jǐn)?shù)。

這項(xiàng)基準(zhǔn)測(cè)試是由跨不同領(lǐng)域的多模式任務(wù)組成，需要大模型進(jìn)行一個(gè)深思熟慮的推理過程。

根據(jù)谷歌給出的圖像基準(zhǔn)測(cè)試結(jié)果來看，Gemini Ultra在沒有OCR系統(tǒng)的幫助下，表現(xiàn)優(yōu)于之前最先進(jìn)的模型。

接下來，我們以具體的案例來看一下Gemini的能力。

例如科學(xué)家們經(jīng)常要面對(duì)從成千上萬的文獻(xiàn)中提取數(shù)據(jù)的難題，像下面這篇研究，作者就通過手動(dòng)的方法從上萬篇遺傳學(xué)論文中創(chuàng)建了數(shù)據(jù)集。

像這樣的數(shù)據(jù)集是需得隨著時(shí)間流逝而進(jìn)行更新的，但現(xiàn)實(shí)的情況是，自2021年以來，這個(gè)領(lǐng)域便已有超過200000篇新增的論文……

再像以往手動(dòng)的方式顯然是不可行的，不過現(xiàn)在有了Gemini，一切就變得簡單了起來。

首先，通過自然語言的Prompt，告訴Gemini去過濾相關(guān)的科學(xué)論文：

只需片刻時(shí)間，Gemini就能找到相關(guān)論文和非相關(guān)的論文。

而后，繼續(xù)用Prompt告訴Gemini去閱讀相關(guān)論文，并提取關(guān)鍵數(shù)據(jù)，甚至是可以要求它添加注釋的那種。

如果你給Gemini一個(gè)午休的時(shí)間長度，它就能閱讀200000篇論文，從中篩選出250篇并提取數(shù)據(jù)！

并且由于Gemini是多模態(tài)的，我們還可以讓它對(duì)上面的數(shù)據(jù)表格做進(jìn)一步的深入操作，例如更新圖表：

對(duì)于學(xué)生黨來說，Gemini現(xiàn)在也可以成為非常得力的學(xué)習(xí)助手。

例如“喂”給Gemini一張手寫物理題，它不僅能看懂，而且還可以辨別手寫答案的對(duì)錯(cuò)。

在此基礎(chǔ)上，若是選擇一個(gè)錯(cuò)誤的題目，我們還可以跟Gemini通過自然語言溝通，讓它對(duì)每一個(gè)細(xì)節(jié)步驟進(jìn)行詳解。

在看圖像做理解和推理方面，谷歌還亮出了更多有意思的案例。

例如替換圖片素材的組合方式，Gemini就能像人一樣精準(zhǔn)猜中所指的電影名字：

就連下面這種高難度的也能hold?。?/p>

再如尋找兩張圖片的相似之處：

更有意思的是，谷歌還特意用中文做了個(gè)demo，來展示Gemini對(duì)多張圖片的組合理解能力：

那么接下來的問題就是：Gemini是如何做到的？

60頁報(bào)告透露技術(shù)細(xì)節(jié)

谷歌Gemini背后技術(shù)的殺手锏，便是原生多模態(tài)（natively multimodal）。

因?yàn)橐酝鶆?chuàng)建多模態(tài)大模型的方法，通常是為不同的模態(tài)訓(xùn)練單獨(dú)的組件，然后將它們拼接在一起，大致模擬其中的一些功能。

這樣訓(xùn)練出來的模型雖然有時(shí)可以很好地執(zhí)行某些任務(wù)（比如描述圖像），但在面對(duì)更具概念性和復(fù)雜推理的情況下，就會(huì)出現(xiàn)表現(xiàn)不佳的結(jié)果。

而谷歌Gemini所強(qiáng)調(diào)的原生多模態(tài)，是指從一開始就對(duì)不同的模態(tài)進(jìn)行預(yù)訓(xùn)練，然后用額外的多模態(tài)數(shù)據(jù)對(duì)其進(jìn)行微調(diào)，以此來進(jìn)一步完善大模型的有效性。

谷歌對(duì)此表示：

這樣的訓(xùn)練方法，有助于Gemini從頭開始無縫地理解和推理各種輸入，遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)有的多模態(tài)模型；而且它的功能在幾乎每個(gè)領(lǐng)域都是最先進(jìn)的。

具體到模型架構(gòu)方面，Gemini基于增強(qiáng)的Transformer decoder打造，采用了高效attention機(jī)制（如multi-query attention），支持32k上下文長度。

盡管沒有透露Ultra和Pro版本的具體參數(shù)規(guī)模，但技術(shù)報(bào)告中提到，谷歌使用TPUv5e和TPUv4來訓(xùn)練Gemini。

訓(xùn)練Gemini Ultra使用了跨多個(gè)數(shù)據(jù)中心的大量TPUv4。這意味著與谷歌此前的主力大模型PaLM-2相比，Gemini在規(guī)模上顯著增大。

此前，PaLM-2被曝參數(shù)規(guī)模為3400億。

Gemini Pro實(shí)裝上線

競爭對(duì)手那邊，OpenAI的GPTs驚艷全世界，微軟的Copilot更是先一步滲透進(jìn)全線產(chǎn)品。

因此Gemini一出，谷歌也當(dāng)即強(qiáng)調(diào)：Gemini將通過谷歌產(chǎn)品推向數(shù)十億用戶。

率先上線的是Gemini Pro。從今天起，谷歌的聊天機(jī)器人Bard將由Gemini Pro微調(diào)版本驅(qū)動(dòng)。谷歌表示：

這是Bard自推出以來的最大升級(jí)。

谷歌還打算把Gemini引入手機(jī)：Pixel 8 Pro將是第一款運(yùn)行Gemini Nano的智能手機(jī)。

另外，谷歌計(jì)劃在接下來幾個(gè)月中，將Gemini全面推向搜索、廣告、Chrome和Duet AI等產(chǎn)品線。

根據(jù)官方數(shù)據(jù)，Gemini能使用戶的搜索生成體驗(yàn)（SGE）速度更快、質(zhì)量更高，比如在美國使用英語搜索延遲能減少40%。

值得關(guān)注還有，就在Gemini正式亮相的同時(shí)，谷歌還推出了專為大模型而設(shè)計(jì)的新一代TPU——Cloud TPU v5p。

那么，你覺得這一波，谷歌能趕上OpenAI的腳步嗎？

參考鏈接：
[1]https://blog.google/technology/ai/google-gemini-ai
[2]https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf
[3]https://youtu.be/jV1vkHv4zq8?si=jjAw0uV0dkpP3eVT