谷歌Gemini剛發(fā)就惹質(zhì)疑：測(cè)試標(biāo)準(zhǔn)有失偏頗，效果視頻疑似剪輯

夢(mèng)晨 克雷西 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

谷歌憋了許久的大招，雙子座Gemini大模型終于發(fā)布！其中一圖一視頻最引人注目：

一圖，MMLU多任務(wù)語(yǔ)言理解數(shù)據(jù)集測(cè)試，Gemini Ultra不光超越GPT-4，甚至超越了人類專家。

一視頻，AI實(shí)時(shí)對(duì)人類的涂鴉和手勢(shì)動(dòng)作給出評(píng)論和吐槽，流暢還很幽默，最接近賈維斯的一集。

然鵝當(dāng)大家從驚喜中冷靜下來(lái)，仔細(xì)閱讀隨之發(fā)布的60頁(yè)技術(shù)報(bào)告時(shí)，卻發(fā)現(xiàn)不妥之處。

（沒(méi)錯(cuò)，沒(méi)有論文，OpenAICloseAI你開了個(gè)什么壞頭?。?/p>

MMLU測(cè)試中，Gemini結(jié)果下面灰色小字標(biāo)稱CoT@32，展開來(lái)代表使用了思維鏈提示技巧、嘗試了32次選最好結(jié)果。

而作為對(duì)比的GPT-4，卻是無(wú)提示詞技巧、只嘗試5次，這個(gè)標(biāo)準(zhǔn)下Gemini Ultra其實(shí)并不如GPT-4。

以及原圖比例尺也有點(diǎn)不厚道了，90.0%與人類基準(zhǔn)89.8%明明只差一點(diǎn)，y軸上卻拉開很遠(yuǎn)。

HuggingFace技術(shù)主管Philipp Schmid用技術(shù)報(bào)告中披露的數(shù)據(jù)修復(fù)了這張圖，這樣展示更公平恰當(dāng)：

每到這種時(shí)候，總少不了做表情包的老哥飛速趕到戰(zhàn)場(chǎng)：

但好在，同樣使用思維鏈提示技巧+32次嘗試的標(biāo)準(zhǔn)時(shí)，Gemini Ultra還是確實(shí)超越了GPT-4的。

Jeff Dean在一處討論中對(duì)這個(gè)質(zhì)疑有所回應(yīng)，不過(guò)大家并不買賬。

另外，對(duì)于那段精彩視頻，也有人從開篇的文字免責(zé)聲明中發(fā)現(xiàn)了問(wèn)題。

機(jī)器學(xué)習(xí)講師Santiago Valdarrama認(rèn)為聲明可能暗示了展示的是精心挑選的好結(jié)果，而且不是實(shí)時(shí)錄制而是剪輯的。

后來(lái)谷歌在一篇博客文章中解釋了多模態(tài)交互過(guò)程，幾乎承認(rèn)了使用靜態(tài)圖片和多段提示詞拼湊，才能達(dá)成這樣的效果。

但不管怎么樣，谷歌Gemini的發(fā)布還是給了其他團(tuán)隊(duì)很大信心，GPT-4從此不再是獨(dú)一無(wú)二、難以企及的存在了。

正如AI搜索產(chǎn)品PerplexityAI創(chuàng)始人Aravind Srinivas總結(jié)：

1、Gemini證明了OpenAI之外的團(tuán)隊(duì)可以搞出超越GPT-4的模型

2、訓(xùn)練到位的密集模型可以超越GPT-4的稀疏模型架構(gòu)

推論：從大教師模型蒸餾小尺寸密集模型會(huì)成為未來(lái)趨勢(shì)，實(shí)現(xiàn)效率和能力的最佳結(jié)合。

更多網(wǎng)友關(guān)心的話題是，這下子還有必要繼續(xù)為ChatGPT Plus付費(fèi)每月20美元嗎？？

目前，Gemini Pro版本已更新到谷歌聊天機(jī)器人Bard中，水平到底有沒(méi)有宣傳的好，可以看看實(shí)際情況。

Gemini真的超越ChatGPT？

首先明確一點(diǎn)，目前大家能上手玩到的是Gemini Pro版本，也就是中杯，對(duì)標(biāo)GPT-3.5。

對(duì)標(biāo)GPT-4的大杯Gemini Ultra，要明年才出。

另外目前Gemini僅支持英文，中文和其他語(yǔ)言也是后面才會(huì)出。

雖然暫時(shí)玩不到Gemini Ultra，威斯康星大學(xué)麥迪遜分校的副教授Dimitris Papailiopoulos找了個(gè)好辦法：

把Gemini發(fā)布時(shí)展示的原題發(fā)給GPT-4對(duì)比，結(jié)果14道題中，GPT-4約獲得12分。

其中有兩題由于截圖沒(méi)法再清晰了，給GPT-4算0.5分。

還有一道數(shù)學(xué)題GPT-4做錯(cuò)，其他題基本平手。

接下來(lái)，要說(shuō)最能體現(xiàn)一個(gè)大模型綜合能力的，肯定少不了寫代碼。

根據(jù)大家的測(cè)試結(jié)果來(lái)看，Gemini編程水平還是有保證的。

有開發(fā)者測(cè)試用Pytorch實(shí)現(xiàn)一個(gè)簡(jiǎn)單的CNN網(wǎng)絡(luò)，Gemini只用了2秒而且代碼質(zhì)量更高。

當(dāng)然速度快可能是由于Bard搭載的Gemini Pro尺寸更小，GPT-4現(xiàn)在有多慢懂得都懂了。

但是下一項(xiàng)編寫SQL語(yǔ)句方面，這位開發(fā)者就認(rèn)為Gemini表現(xiàn)就不太行了。

不過(guò)對(duì)于廣大開發(fā)者來(lái)說(shuō)還有一個(gè)利好消息，在遵循指令方面，Gemini對(duì)比Bard升級(jí)之前可謂是史詩(shī)級(jí)進(jìn)步。

提示工程師先驅(qū)Riley Goodside，此前想要Bard輸出純JSON格式前后不帶任何廢話，百般嘗試也不成功，最后需要假裝威脅AI不這么做就鯊個(gè)無(wú)辜的人才行。

現(xiàn)在更新以后，只需要把要求說(shuō)出來(lái)，無(wú)需任何提示詞技巧就能完成了。

Gemini還有一大賣點(diǎn)是多模態(tài)能力，針對(duì)開頭畫小鴨子的視頻，我們從中抽取了8個(gè)關(guān)鍵幀，分別進(jìn)行提問(wèn)，看看Gemini的表現(xiàn)有沒(méi)有那么神奇。

（不確定視頻中是Ultra還是Pro版本，現(xiàn)在只能測(cè)試Pro版本）

對(duì)于圖1-4，我們問(wèn)的問(wèn)題都是“What is this person doing?”，Gemini給出的回答分別是：

• 可能在用馬克筆寫字，但不知道具體是什么
• 在用鉛筆畫蛇，而且是一條眼鏡蛇
• 在用鉛筆畫烏龜，而且正處于畫畫的初期階段
• 在用黑色馬克筆畫鳥，臉朝左，頭朝右，站在樹枝上，翅膀沒(méi)有展開

對(duì)于圖1和圖2，的確判斷線索還不是很明顯，出現(xiàn)這樣的結(jié)果情有可原，不過(guò)圖3這個(gè)“烏龜”的答案就有些繃不住了。

至于圖4，至少可以肯定的是鴨子的確屬于鳥類，但是其它細(xì)節(jié)分析得還是欠缺了一些準(zhǔn)確性。

而當(dāng)我們拿出圖5的成型作品時(shí)，Gemini終于分析出了這是一只鴨子，水波紋也分析對(duì)了。

但分析出的繪畫工具變成了鉛筆，頭的朝向問(wèn)題也依然沒(méi)說(shuō)對(duì)，喙被說(shuō)成了張開的，還臆想出了一些蘆葦。

接下來(lái)是圖6和圖7的上色過(guò)程，一般情況下鴨子不會(huì)是藍(lán)色，所以我們問(wèn)了Gemini圖片中有什么異常（Is there anything abnormal?）。

針對(duì)圖6，Gemini給出的回答不能說(shuō)十分精準(zhǔn)，只能說(shuō)是驢唇不對(duì)馬嘴，還配上了一張風(fēng)馬牛不相及的圖片。

針對(duì)圖7的成品，Gemini直接說(shuō)沒(méi)毛病，該有的東西都有，背景也很真實(shí)，甚至沒(méi)忘繼續(xù)提根本不知道哪里來(lái)的蘆葦。

但下面的一句“Here is the image you sent”就屬實(shí)令人費(fèi)解了：

說(shuō)Gemini沒(méi)看我們上傳的圖吧，讀出來(lái)的又的確是鴨子；說(shuō)它看了吧，又給出了完全不同的一張的圖說(shuō)是我們傳上去的。

所以我們想到了用“深呼吸”和“一步一步解決”提示詞技巧看看能不能提高一下Gemini的表現(xiàn)，其中深呼吸正是適用于谷歌上一代大模型PaLM的提示詞。

結(jié)果這次的答案直接讓人笑出了聲：

不正常的是，鴨子被畫到了紙上，鴨子是一種活的生物，在紙上是無(wú)法存在的……

視頻的結(jié)尾，博主還拿出了橡膠鴨子玩具，我們也拿這一幀（圖8）讓Gemini分析一下鴨子的材質(zhì)。

結(jié)果橡膠倒是分析對(duì)了，但是藍(lán)色的鴨子被說(shuō)成了黃色，難怪上一張圖會(huì)說(shuō)沒(méi)有異常……

逐幀詢問(wèn)完成后，我們又把8張圖放在一起詢問(wèn)，結(jié)果也是只有鴨子說(shuō)對(duì)了。

“打假”完這段視頻后，我們又用之前拿來(lái)考察GPT-4V的“吉娃娃和松餅”圖給Gemini試了試。

結(jié)果Gemin直接擺爛，告訴我們所有的圖都是“吉娃娃坐在松餅上”，甚至連圖的數(shù)量都沒(méi)數(shù)對(duì)……

于是我們換了種問(wèn)法，讓它告訴我們哪些是吉娃娃，哪些是松餅。

這次Gemini倒是誠(chéng)實(shí)的很，直接告訴我們吉娃娃和松餅實(shí)在太像了自己區(qū)分不出來(lái)。

和藍(lán)色鴨子的問(wèn)題一樣，“深呼吸”在這里依然是沒(méi)起到什么作用，Gemini還是連數(shù)量都搞不清楚。

而勉強(qiáng)解說(shuō)了的8個(gè)（實(shí)際上是6個(gè)，因?yàn)橛袃蓚€(gè)是重復(fù)的）圖，只有左下和右下兩張圖是對(duì)的，至于middle指的到底是哪一行，我們不得而知……

或許是這樣細(xì)小的差別實(shí)在是難為Gemini了，我們接下來(lái)?yè)Q一些圖形推理題試試。

第一題的前四個(gè)符號(hào)是由1-4這四個(gè)數(shù)字與鏡像后的結(jié)果拼接而成，所以下一個(gè)圖應(yīng)該是5與其鏡像拼接，答案是C。（藍(lán)色塊是為了方便觀察，傳給Gemini的圖中沒(méi)有）

這里一開始還出現(xiàn)了一段小插曲：最開始的提示詞中是沒(méi)有最后一句話（注意字母不是符號(hào)本身）的，結(jié)果Gemini真的就把ABCD這四個(gè)字母當(dāng)成了備選的符號(hào)。

調(diào)整之后，Gemini前面給出的分析基本正確，可惜到最后選擇了錯(cuò)誤選項(xiàng)D。

第二題，每個(gè)框中的第三個(gè)符號(hào)是前兩個(gè)的交集，答案為A。

結(jié)果Gemini研究起了這些表情，一番分析猛如虎，最后給出的答案還是錯(cuò)的。

兩道題下來(lái)，一道對(duì)了百分之七八十，另一道完全錯(cuò)誤，看來(lái)Gemini Pro的圖形推理能力還有很大提升空間。

不過(guò)如果把目光放到生活場(chǎng)景當(dāng)中，Gemini的表現(xiàn)還是值得肯定的。

我們用ChatGPT（DALL·E）生成了一張包含雞肉、胡蘿卜和黃瓜的圖片，Gemini正確地識(shí)別出了這三種食材，然后給出了很多種可以烹飪的菜肴，而且每個(gè)都配有圖片和教程鏈接。

這么多測(cè)試結(jié)果看下來(lái)，回到最初的問(wèn)題，有了Gemini還有必要為GPT-4付費(fèi)嗎？

沃頓商學(xué)院副教授Ethan Mollick給出一個(gè)不錯(cuò)的建議：

沒(méi)有什么理由再使用ChatGPT的免費(fèi)版本了，現(xiàn)在已經(jīng)被Bard和Claude超越，而且它們都是免費(fèi)的。

但你或許應(yīng)該繼續(xù)使用GPT-4，它仍然占主導(dǎo)地位，并且在必應(yīng)（只有創(chuàng)意模式是GPT -4）中是免費(fèi)的。

明年將結(jié)合AlphaGo能力升級(jí)

除了Gemini實(shí)際效果，60頁(yè)技術(shù)報(bào)告中披露的更多細(xì)節(jié)也是研究人員和開發(fā)者關(guān)注所在，

關(guān)于參數(shù)規(guī)模，只公布了最小的Nano版本，分為1.8B的Nano-1和3.25B的Nano-2兩個(gè)型號(hào)，4-bit量化，是蒸餾出來(lái)的，可以運(yùn)行在本地設(shè)備如Pixel手機(jī)上。

Pro版本和Ultra版本規(guī)模保密，上下文窗口長(zhǎng)度統(tǒng)一32k，注意力機(jī)制使用了Multi-Query Attention，此外沒(méi)有太多細(xì)節(jié)了。

值得的關(guān)注的是微調(diào)階段，報(bào)告中透露使用了SFT+RLHF的指令微調(diào)組合，也就是使用了ChatGPT的方法。

另外也引用了Anthropic的Constitutional AI，也就是結(jié)合了Claude的對(duì)齊方法。

關(guān)于訓(xùn)練數(shù)據(jù)也沒(méi)披露太多細(xì)節(jié)，但之前有傳聞稱谷歌刪除了來(lái)自教科書的有版權(quán)數(shù)據(jù)。

Gemini拖了這么久才發(fā)，之前被曝光的消息還有不少，比如谷歌創(chuàng)始人Sergey Brin一直親自下場(chǎng)對(duì)模型進(jìn)行評(píng)估并協(xié)助訓(xùn)練。

結(jié)合最近OpenAI Q*項(xiàng)目的傳聞，大家最關(guān)心的莫過(guò)于：

Gemini到底有沒(méi)有結(jié)合AlphaGo的能力？如RLHF之外更多的強(qiáng)化學(xué)習(xí)、搜索算法等。

關(guān)于這一點(diǎn)，DeepMind創(chuàng)始人哈薩比斯在最新接受連線雜志采訪時(shí)作出了回應(yīng)：

我們有世界上最好的強(qiáng)化學(xué)習(xí)專家……AlphaGo中的成果有望在未來(lái)改善模型的推理和規(guī)劃能力……明年大家會(huì)看到更多快速進(jìn)步。

省流版本：還沒(méi)加，明年加。

這次Gemini開發(fā)整合了原谷歌大腦和DeepMind兩個(gè)團(tuán)隊(duì)，整個(gè)開發(fā)團(tuán)隊(duì)有超過(guò)800人（作為對(duì)比，OpenAI整個(gè)公司約770人）。

其中核心貢獻(xiàn)者前六位的名字首字母，恰好組成了Gemini這個(gè)單詞，也算一個(gè)小彩蛋。

許多參與者也在個(gè)人賬號(hào)發(fā)表了感想，其中DeepMind老員工Jack Rae此前在OpenAI工作一段時(shí)間，今年7月份從OpenAI跳回到谷歌，他可能是唯一一位對(duì)GPT-4和Gemini都有貢獻(xiàn)的人類了。

也有反著跳的，中科大校友Jiahui Yu在10月份從谷歌跳去了OpenAI，之前擔(dān)任Gemini多模態(tài)團(tuán)隊(duì)的視覺(jué)共同負(fù)責(zé)人。

除了團(tuán)隊(duì)成員之外，Gemini今天也是整個(gè)AI行業(yè)最大的話題。

其中著名OpenAI爆料賬號(hào)Jimmy Apples，@Sam Altman并暗示OpenAI還有沒(méi)發(fā)布的大招。

而HuggingFace聯(lián)創(chuàng)Thomas Wolf認(rèn)為，谷歌錯(cuò)過(guò)了一個(gè)重要機(jī)會(huì)：

如果Gemini開源，對(duì)OpenAI和Meta來(lái)說(shuō)都是一記絕殺，上一次谷歌開源Bert的時(shí)候，整個(gè)AI行業(yè)都被重塑了。

Gemini技術(shù)報(bào)告：
https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf

參考鏈接：
[1]https://x.com/AravSrinivas/status/1732427844729581764
[2]https://x.com/DimitrisPapail/status/1732529288493080600
[3]https://www.linkedin.com/posts/svpino_google-this-is-embarrassing-you-published-activity-7138287283274686464-osJ5
[4]https://developers.googleblog.com/2023/12/how-its-made-gemini-multimodal-prompting.html
[5]https://x.com/ScottDavidKeefe/status/1732440398423867472
[6]https://x.com/goodside/status/1732461772794220919
[7]https://x.com/emollick/status/1732485517692776714