谷歌發布多模態大模型Gemini，性能超GPT-4！

12月7日凌晨，谷歌CEO桑達爾?皮查伊和Deepmind CEO戴密斯·哈薩比斯在谷歌官網聯名發文，宣布最新多模態大模型Gemini 1.0（雙子星）版本正式上線，其性能有望超過OpenAI GPT-4 模型。

Gemini號稱是目前最強大、最通用的模型，第一版Gemini 1.0能夠理解和操作包括文字、圖象、音頻、視頻、代碼在內不同類型信息。

Gemini原生設計成多模態模型，一開始就在不同模態上預訓練，接著通過額外的多模態數據進行微調、提升性能。目前，Gemini 1.0所受的訓練是同時識別和理解文字、圖象、音頻、視頻、代碼等不同類型信息，并可回答涉及復雜主題的問題，這也讓Gemini在解釋、推理如數學和物理這樣復雜的問題時表現出色。

不只如此，Gemini 1.0能夠理解和解釋世界上常用的程序語言如Python、Java、C++和Go，并且產生高品質的代碼。值得一提的是，Google DeepMind 2年前推出AI代碼生成系統AlphaCode，現在通過一個專門版本的Gemini，建立更進階的AlphaCode 2，不僅擅長程序設計，還能處理與數學、理論計算機科學相關的競技程序設計問題。

Google DeepMind團隊使用Google自行研發、用于加速機器學習的TPU v4和v5e（Tensor Processing Unit），有規模地訓練Gemini 1.0。依照模型大小有Ultra、Pro、Nano三種。

其中中端型號的Gemini Pro能夠擊敗GPT-3.5，可擴展多種任務；Gemini Nano用于特定任務和移動設備。

而Gemini Ultra則是規模最大、功能最強大的模型，專為高度復雜任務所設計，Gemini Nano則是處理裝置上任務最有效率的模型。

Google DeepMind團隊不斷對Gemini模型進行嚴格測試，從理解自然圖象、音頻、視頻，再到數學推理，其中發現Gemini Ultra在大型語言模型研究和開發廣泛采用的32項學術基準測試中，有30個取得領先成績。

其中Gemini Ultra以90%的高得分成為第一個在MMLU（massive multitask language understanding，大規模多任務語言理解）測試里超越人類專家的模型，而在新的MMMU基準測試里也得到59.4%領先分數，兩項測試皆超越OpenAI所開發的GPT-4模型。

截至目前Google所有AI模型中，Gemini在偏誤、數據毒性（toxicity）等方面都接受最全面的安全性評價。在網絡攻擊、說服能力、自主性等可能存在風險的領域，Google DeepMind團隊都進行最新研究，也運用Google Research的對抗測試技巧，在部署Gemini前率先找出關鍵的安全問題。

Google將在多項產品中導入Gemini，包括軟件方面的Bard、以及有關硬件Pixel 8 Pro。從12月13日起，開發者和企業客戶可以透過Google AI Studio或Google Cloud Vertex AI的Gemini API使用Gemini Pro。Android開發者也能透過AICore，在開發作業中運用Gemini Nano。

在ChatGPT推出后Google內部宣布「紅色警戒」，從那時起被認為在AI競賽急起直追。Gemini可說是Google多年來一直苦心建立的模型，也被外界視為能一舉挑戰OpenAI的關鍵利器。接下來我們將在越來越多Google產品看見Gemini身影，及其驅動的強大功能。

編輯：芯智訊-林子