谷歌推出 Gemini ，对 OpenAI 意味着什么

原文来源：深思SenseAI

图片来源：由无界 AI生成

昨晚 11 点，Google 发布原生多模态大模型 Gemini，最强 Ultra 模型达到 GPT-4 水平，多模态能力超过 GPT-4V。这是我们在 OpenAI 发布一年内第一次看到有可以比肩 GPT 的模型。Google 来了，带着更强的用户积累和产品生态。本文带来 Gemini 的介绍、 Google 与 OpenAI 的对比思考。

OpenAI 用户是否会转向谷歌？短期 OpenAI 仍具优势，长期来看谷歌具备的海量用户和产品生态将会成为强大势能。相比 OpenAI，谷歌积累了海量的 PC 和手机端用户，拥有海量实时数据（而 OpenAI 的数据依赖互联网，包括谷歌），并通过在用户手机集成 GPT 提供如地铁导航方面而拥有大量用户信息。下一步，谷歌需要验证其在搜索引擎以外，在日常应用中提供的强大 Copilot 体验。压力给到了 OpenAI，补齐产品生态。

一个背景：

OpenAI 的月用户数从 5 月开始下降，10 月出现回升达到 17 亿。对比 Google 的搜索引擎 Bard 的用户数在 2.6 亿。在这次 Google 推出 Gemini 并集成到 Bard 之后，我们会继续跟进 Bard 的后续。

每一次技术变革都是推动科学发现、加速人类进步和改善生活的机会。我相信，我们目前正在经历的人工智能转型，将是我们一生中最深刻的变革，远超过此前的移动转型或网络转型。人工智能具有创造机会的潜力——从日常到非凡——面向全球各地的人们。它将带来创新和经济进步的新浪潮，并在我们之前未曾见过的规模上推动知识、学习、创造力和生产力。
——  Sundar Pichai，Google 和 Alphabet CEO

AI 产品分析          

Gemini

Gemini 是包括 Google Research 在内的 Google 各团队间进行广泛合作的成果。它从一开始就被创建为多模态的模型，这意味着它可以归纳并流畅地理解、操作以及组合不同类型的信息，包括文本、代码、音频、图像和视频。

Gemini 也是谷歌迄今为止最灵活的模型，从数据中心到移动设备，它能够在所有设备上高效运行。其先进的功能将显著改善开发者和企业客户通过 AI 构建和扩展的方式。

Ultra —规模最大且功能最强大的模型，适用于高度复杂的任务。

Pro — 适用于各种任务的最佳模型。

Nano — 端侧设备上最高效的模型。

第一个版本 Gemini 1.0 针对不同尺寸进行了优化，分别是：Ultra、Pro 和 Nano；可以解读为Ultra 对标 GPT4，Pro 对标 GPT3.5 ，且 Ultra 不输 GPT4，Pro 大幅超越 3.5。

目前只有 Gemini Pro 可以在 Bard 测试，但 Bard 目前还未进行实质性更新，只提供文本处理能力，缺乏多模态功能，且还没有提供API接口。因此，谷歌的演示视频所展示的功能目前无法体验。

01 性能

从自然图像、音频和视频理解到数学推理，在被大型语言模型（LLM）研究和开发中广泛使用的 32 项学术基准中，Gemini Ultra 的性能有 30 项都超过了目前最先进的水平。

Gemini Ultra 的得分率为 90.0%，是第一个在 MMLU（大规模多任务语言理解）测试中超过人类专家的模型，MMLU 综合使用了数学、物理、历史、法律、医学和伦理等 57 个科目，用于测试世界知识和解决问题的能力。

针对 MMLU，新的基准测试方法让 Gemini 能够利用其推理能力在回答困难问题之前更加仔细地思考，从而比仅凭第一印象就直接回答问题有显著的改善。

在新的 MMMU 基准测试中，Gemini Ultra 也取得了得分率为 59.4% 的优异成绩，该基准测试由横跨不同领域、需要仔细推理的多模态任务组成。

谷歌在图像基准测试中，Gemini Ultra 在不使用对象字符识别 (OCR) 系统来提取图像中的文本进行下一步处理的情况下，表现优于以前最好的模型。这些基准测试凸显了 Gemini 的原生多模态性，并显示出了 Gemini 具有更复杂推理能力的潜力。

02 能力