赶在谷歌Gemini发布前 OpenAI要抢发“多模态”大模型

赶在谷歌Gemini发布前OpenAI要抢发“多模态”大模型然而，OpenAI又要来截胡了。据媒体最新报道，OpenAI正在积极努力将多模态功能（类似于Gemini预计提供的功能）纳入GPT-4，目标赶在Gemini发布前推出多模态大型语言模型（MLLM），即代号为Gobi的下一代大型语言模型，以击败谷歌并保持领先地位。随着ChatGPT在各领域展现出非凡能力，多模态大型语言模型近来也成为了研究的热点，它利用强大的大型语言模型（LLM）作为“大脑”，可以执行各种多模态任务。MLLM展现出了传统方法所不具备的能力，比如能够根据图像创作故事、视觉知识问答、无需OCR（光学字符识别）的数学推理等，从自然语言理解到图像解释等，提供更广泛的信息处理能力。报道称，OpenAI早在3月份发布GPT-4时就预先展示了这些功能，但除了一家名为“BeMyEyes”的公司外，没有向其他公司开放。后者主要为有视力障碍或失明的人开发移动应用程序。六个月后，OpenAI正准备在更大范围内推出被称为GPT-Vision的功能。为什么OpenAI花了这么长时间才推出这项功能？报道称主要是担心新的视觉功能会被不良行为者利用，比如通过自动解决验证码来冒充人类，或者通过面部识别来跟踪人们。但OpenAI的工程师们似乎接近于解决围绕这项新技术的法律担忧。谷歌也面临这个问题，当该公司被问及正在采取哪些措施来防止Gemini滥用时，谷歌发言人指出，该公司在7月份做出了一系列承诺，以确保其所有产品能够负责任地开发。然而，考虑到谷歌拥有与文本、图像、视频和音频相关的专有数据（包括来自搜索和YouTube等平台的数据），该行业向多模态模型的发展可能会有利于发挥谷歌的优势。一位使用过早期版本的人说，与现有的模型相比，Gemini似乎已经产生了更少的错误答案。OpenAI首席执行官SamAltman在最近的各种采访中暗示，GPT-5还没有出现，但他们计划对GPT-4进行各种增强，新的增强模型可能是其中之一。报道称，OpenAI似乎还没有开始训练Gobi，所以现在就说它最终会成为GPT-5还为时过早。在上周接受《连线》杂志采访时，谷歌CEO皮查伊表达了他对谷歌目前在AI领域地位的信心，并认可技术进步的持久性，以及他们在平衡创新与责任方面深思熟虑的战略。无论如何，这场竞赛就相当于人工智能版的iPhone与Android。人们正屏息以待Gemini的到来，它将揭示谷歌和OpenAI之间的差距到底有多大。风险提示及免责条款市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。...PC版：https://www.cnbeta.com.tw/articles/soft/1384867.htm手机版：https://m.cnbeta.com.tw/view/1384867.htm

谷歌希望通过释出Gemini追赶OpenAI

谷歌希望通过释出Gemini追赶OpenAI自从OpenAI去年凭借其对话式聊天机械人ChatGPT取得巨大成功以来，越来越多的公司一直在尝试产生式人工智能，这种技术可以根据用户的要求自动执行编码、总结报告或建立营销活动等任务。在12月6日发布这款产品前的一次演示会上，谷歌强调，Gemini是其构建的最灵活的模型，因为它有不同规模的版本，包括一个可以直接在智能手机上执行的版本。这使它有别于其他竞争对手。这款人工智能模型是一个用于支持各种产生式人工智能应用程序的系统，它有三个不同的版本：GeminiUltra、GeminiPro和GeminiNano。谷歌DeepMind部门产品副总裁柯林斯（EliCollins）表示，这种多样性意味着Gemini“能够在从流动装置到大型数据中心的所有装置上执行”。“长期以来，我们一直希望构建新一代人工智能模型，其灵感来自于人们理解这个世界并与其互动的方式——这种人工智能感觉更像是一个助人为乐的合作者，而不是一款智慧软件，”柯林斯在接受电话采访时说道，“Gemini让我们离这个愿景又靠近了一步。”在这款模型发布前，该公司对Gemini进行了一系列标准的行业基准检验，并表示，在八项测试中有六项结果显示，GeminiPro的表现优于OpenAI的GPT-3.5。谷歌称，在对通用语言理解、推理、数学和编码进行的八项基准检验中，Gemini有七项结果优于OpenAI通用模型的最新版本GPT-4。与此同时，谷歌估计，该公司最新的可解释和产生程序代码的产生式人工智能产品AlphaCode2在竞争性程序设计领域超过了85%的竞争对手。该公司将发布一份技术报告，更深入地解释Gemini的模型架构、训练过程和评估情况。从12月6日开始，想要为智能手机和平板计算机编写Gemini支持的应用程序的Android开发人员将能够注册使用这款人工智能模型的“nano”版本，该版本可以直接在此类装置上执行。谷歌还表示，将立即在其旗舰手机Pixel8Pro上启用Gemini，它将支持新的产生式人工智能功能，例如从电话录音中总结要点。下周，谷歌将透过其VertexAI和AIStudio平台向云客户提供GeminiPro。GeminiUltra是最大版本的谷歌人工智能模型，最初将在面向开发者和企业公司的抢先体验计划中推出，有关该计划的详细信息将于下周公布。这个版本将于明年早些时候向公众广泛推出。Gemini还能透过Bard与谷歌的大量应用程序和服务整合在一起，Bard是该公司的对话式聊天机械人，是ChatGPT的竞争对手。此前，Bard使用的是谷歌的PaLM2模型，这是该公司在5月份的年度开发者大会上宣布的大型语言模型。在过去一年中，谷歌一直面临压力，既要重塑其核心搜寻业务，又要应对产生式人工智能程序兴起的浪潮。尽管该公司长期以来一直被视为人工智能研究领域的先驱，但一些人批评其管理层在人工智能产品营销方面反应迟缓，尤其是在ChatGPT和影像产生器Dall-E等产品大获成功之后。自OpenAI于3月份发布GPT-4以来，谷歌一直在努力重申其在该领域的领导地位，包括将这项新技术注入其成熟的搜寻业务。Gemini就是该公司面对这种市场压力给出的答案。谷歌表示，人工智能模型是“天然多模式”，这意味着它从一开始就经过预先训练，可以处理使用者给出的基于文字和影像的提示。例如，在一则影片演示中，谷歌展示了家长可以透过上传某道某数学题的影像以及在草稿纸上尝试解题的步骤照片，来帮助孩子完成家庭作业。在演示影片中，谷歌的软件工程师阿普尔鲍姆表示：“Gemini不仅能解出这些题目，还可以阅读这些答案并理解哪些是对的，哪些是错的，并对需要进一步澄清的概念作出解释。”该公司还表示，其“搜寻产生体验”——谷歌利用其产生式人工智能技术构建的实验版本的搜索引擎——将在明年融入Gemini的新功能。尽管如此，该公司的代表警告说，Gemini仍然容易“产生幻觉”，也就是产生式人工智能产生的虚假或捏造的信息。柯林斯称这种现象为“一个未解决的研究问题”。该公司向记者展示的演示影片是预先录制的。柯林斯说，Gemini“在谷歌所有人工智能模型中拥有最全面的安全评估”。他说，为了评估Gemini的安全性，谷歌对这款人工智能模型进行了对抗性测试，也就是模仿一位试图利用该程序的坏人给出提示。此次测试包括“真实毒性提示”，这是艾伦人工智能研究所开发的一项测试，其中包含从网上提取的10万多个提示，旨在帮助人工智能研究人员检查大型语言模型中是否存在仇恨言论和政治偏见。谷歌还强调，这项工具的速度将会很快。该公司表示，Gemini使用了一种新的底层超级计算器架构和更新的处理芯片，使其比早前较小的模型执行得更快。谷歌正在使用一种新版本的云芯片——CloudTensorProcessingUnits（简称TPUs），这是一种内部设计的芯片，和前代产品相比，它训练现有模型的速度要快2.8倍。谷歌机器学习副总裁阿明·瓦赫达特说，这种方法让谷歌“对未来标准人工智能基础设施有了新的认识”。他补充说，该公司仍然会使用第三方人工智能芯片来执行其Gemini模型。Gemini将被整合到3月份推出的谷歌产生式人工智能聊天机械人Bard当中，使其能够利用该公司最受欢迎的服务，包括Gmail、地图、档案（Docs）和YouTube。此次推出将分为两个不同的阶段进行：从12月6日开始，Bard将由GeminiPro提供支持，它将实现高阶推理、规划、理解和其他功能。它将能够在170个国家和地区以英语执行，但值得注意的是，不包括欧洲或英国，该公司表示它正在和当地监管机构协商。明年初，该公司打算发布BardAdvanced，这款产品将由功能更强大的GeminiUltra模型提供支持。谷歌表示，它很快将推出一个值得信赖的测试程序，以便在向公众广泛推出之前改进BardAdvanced。谷歌负责Bard产品的副总裁SissieHsiao表示，“有了Gemini的加持，Bard正在进行迄今为止最大、最好的升级，它将为人们开启创作、互动和协作的新方式。”...PC版：https://www.cnbeta.com.tw/articles/soft/1403251.htm手机版：https://m.cnbeta.com.tw/view/1403251.htm

一图对比Gemini和GPT-4 地表最强AI易主了吗？

一图对比Gemini和GPT-4地表最强AI易主了吗？模型发布后，无论是谷歌方面的官方表态，还是自媒体的评测，都将Gemini和GPT-4进行逐一比对，有的更直言“Gemini打爆GPT-4”。谷歌表示，在根据行业标准进行的一系列测试中，GeminiUltra表现超过了OpenAI的GPT-4。具体而言，从自然图像、音视频理解到数学推理，GeminiUltra在32种学术基准中，有30种的性能表现超过了目前的先进水平。在MMLU（大规模多任务语言理解）方面，GeminiUltra得分高达90.0%，首次超越人类专家。Gemini真的能碾压GPT-4吗？资料搜集和对比后不难发现，Gemini的发布夹带了不少水分。GeminiUltra和GPT-4究竟能否真的一较高下，还需等到GeminiUltra正式上线应用后，才能亲自测一测。事实上，谷歌想赶超OpenAI的野心从未停止过。2023年2月，谷歌推出由LaMDA驱动的对话式生成AI聊天机器人Bard。但很快，网友发现在谷歌官方公布的Bard案例中，出现了错误回答。谷歌股价也在消息发酵当天开盘后大跌逾5%，微软一度涨逾3%。不知道此次的Gemini，能否真的为谷歌带来逆风翻盘吗？...PC版：https://www.cnbeta.com.tw/articles/soft/1403045.htm手机版：https://m.cnbeta.com.tw/view/1403045.htm

谷歌集大成之作要来了 据称将发布AI大模型Gemini 对标GPT-4

谷歌集大成之作要来了据称将发布AI大模型Gemini对标GPT-4在ChatGPT掀起的人工智能浪潮中，谷歌今年加大了对生成式人工智能（AIGC）的投资，试图迎头赶上。该公司花费了大量的计算资源和人力来开发这款产品，因此对谷歌来说，Gemini的发布事关重大。而允许外部开发者使用Gemini意味着谷歌正在考虑将其纳入其消费者服务。据知情人士透露，谷歌并将发布不同大小的Gemini版本，这样开发者就可以购买一个不那么复杂的版本来处理简单的任务，或者一个足够小的版本来在个人设备上运行。Gemini的功能Gemini是一个大语言模型的集合，它支持多种功能，包括：聊天机器人、生成原始文本、根据用户的要求总结文本等。Gemini还有望帮助软件工程师编写代码，并根据用户的要求生成原始图像。与现有型号相比，Gemini将大大提高帮助软件开发人员生成代码的能力。谷歌希望用它来追赶微软的GitHubCopilot代码助手，该助手由OpenAI的模型驱动，现在已经成为一个大热产品。谷歌此前还讨论过使用Gemini来增强图表分析等功能，比如让该模型解释已完成图表的含义；以及使用文本或语音命令来浏览网页浏览器或其他软件。此外，谷歌计划通过其谷歌云的VertexAI服务向企业提供Gemini模型，变相促进了谷歌的云服务业务。除了推动云服务器租赁业务外，谷歌还寄望于该软件为其所有业务提供动力，从其Bard聊天机器人到Workspace软件的新功能。...PC版：https://www.cnbeta.com.tw/articles/soft/1384103.htm手机版：https://m.cnbeta.com.tw/view/1384103.htm

外媒：谷歌发布Gemini更多是为营销 仍落后于GPT-4

外媒：谷歌发布Gemini更多是为营销仍落后于GPT-4一年前，谷歌被OpenAI的聊天机器人ChatGPT打了个措手不及，此后就一直渴望描绘出自己在人工智能领域快速进步的画面。本周三谷歌突然提前发布了新的人工智能模型Gemini，可以发现魔术中的技巧，并在会计认证考试中取得好成绩。谷歌发布的演示视频也在社交媒体上引起了轰动，但从技术角度来看，谷歌仍然在追赶OpenAI。从谷歌Gemini与OpenAI顶级模型GPT-4的性能对比来看，谷歌最强大的GeminiUltra在高中物理、专业法律测试以及道德场景等大多数基准测试中都优于GPT-4。要知道，当前的人工智能竞赛几乎完全是由这些能力定义的。但在大多数基准测试中，GeminiUltra只比GPT-4高出几个百分点。换句话说，谷歌所谓的顶级人工智能模型较OpenAI至少一年前完成的工作效果提升有限。如果GeminiUltra真如谷歌所说那样在明年1月初发布，那么可能不会在顶级人工智能模型的头把交椅上呆太久时间。在谷歌努力追赶OpenAI的过程中，后者有将近一年的时间来开发新一代人工智能模型GPT-5。谷歌发布在社交媒体X上的演示视频乍一看令人印象深刻。谷歌的人工智能模型能够追踪塑料杯下的纸球，或者在勾勒出图片轮廓之前就推断出会是一只螃蟹，这些都显示出谷歌DeepMind人工智能实验室多年来训练的强大推理能力。这是其他人工智能模型所缺少的功能。但视频中展示的许多其他功能并不是谷歌独有的，ChatGPTPlus3也可以做得到，沃顿商学院教授伊森·莫里克（EthanMollick）就用实验证实了这一点。此外，谷歌也承认演示视频被编辑过。该公司在视频描述中说：“为了达到演示效果，我们缩短了延迟时间，Gemini的输出也压缩了。”这意味着模型做出响应所花费的时间实际上要比视频中展示的长。事实上演示也不是实时的，也没有通过语音交互完成。谷歌的一位发言人在谈到这段视频时表示，这段视频是“使用视频中的静止图像帧，并通过文本提示”制作出来的。有网站展示了其他人如何通过手势、绘画或其他物体的照片与Gemini互动。换句话说，演示视频中的声音只是在解释给Gemini做了哪些人工提示，Gemini输出的依旧是静态图片。这似乎与谷歌所谓一个人可以与Gemini进行流畅对话、模型可以实时观察周围世界并做出反应的暗示完全不同。演示视频也没有说明展示是GeminiUltra人工智能模型。这些细节表明，谷歌更多是在进行营销，希望人们记住自己拥有世界上最大的人工智能研究团队之一，并且比其他任何人都能获得更多数据。正如谷歌在周三所做的那样，公司希望在Chrome、Android和Pixel手机上推出适用于终端设备的Gemini模型，提醒人们公司的部署网络规模有多庞大。但在科技行业，无处不在并不总是看起来那么有优势。早期的手机霸主诺基亚(和黑莓）就经历过惨痛教训，苹果用功能更强大、更直观的iPhone抢走了它们的市场。在软件领域，商业上的成功往往来自于性能最好的系统。几乎可以肯定的是，谷歌这番操作是为了利用OpenAI最近的动荡局势。据报道，当OpenAI董事会暂时罢免首席执行官萨姆·奥特曼(SamAltman)，使公司的未来发展受到质疑时，谷歌迅速发起了一场营销活动，说服OpenAI企业客户转向谷歌。现在，随着Gemini的发布，谷歌似乎正在利用这种不确定性。但演示的效果有限。谷歌之前已经展示过新技术，但没有任何进展。到目前为止，谷歌的庞大架构和层叠复杂的产品经理设置使其无法像OpenAI那样灵活发布产品。随着全社会努力应对人工智能的变革性影响，谷歌的最新举措并不是一件坏事，但效果有待观察。可以肯定的是，谷歌仍然在后面努力追赶。...PC版：https://www.cnbeta.com.tw/articles/soft/1402909.htm手机版：https://m.cnbeta.com.tw/view/1402909.htm

谷歌希望通过释出 Gemini 追赶 OpenAI

谷歌希望通过释出Gemini追赶OpenAI自从OpenAI去年凭借其对话式聊天机械人ChatGPT取得巨大成功以来，越来越多的公司一直在尝试产生式人工智能，这种技术可以根据用户的要求自动执行编码、总结报告或建立营销活动等任务。在12月6日发布这款产品前的一次演示会上，谷歌强调，Gemini是其构建的最灵活的模型，因为它有不同规模的版本，包括一个可以直接在智能手机上执行的版本。这使它有别于其他竞争对手。