原文來(lái)源：硅基立場(chǎng)
圖片來(lái)源：由無(wú)界 AI生成
每次google在生成式人工智能領(lǐng)域祭出大招，都能讓人感到一種隱秘且巨大的情緒力量：隱忍、不甘與較量。
在5月的Google I/O上，Google發(fā)布PaLM系列模型，即被視為是對(duì)彼時(shí)風(fēng)頭正盛的GPT-4的強(qiáng)勁挑戰(zhàn)。年底毫無(wú)預(yù)警地祭出Gemini系列大語(yǔ)言模型（包含移動(dòng)版Nano、基礎(chǔ)版Pro和高級(jí)版Ultra），在關(guān)鍵性能和基準(zhǔn)評(píng)測(cè)指標(biāo)上針對(duì)GPT的意圖更加直接。
Google官方聲稱(chēng)：在被大型語(yǔ)言模型研究和開(kāi)發(fā)廣泛使用的 32 項(xiàng)學(xué)術(shù)基準(zhǔn)中，Gemini Ultra 的性能有 30 項(xiàng)超越了目前GPT–4代表的最先進(jìn)水平。Gemini標(biāo)榜“原生多模態(tài)”，這讓它一開(kāi)始就在文本、圖像、音頻、視頻和代碼等組合模態(tài)上進(jìn)行預(yù)訓(xùn)練，故而可能在復(fù)雜理解和推理方面有更強(qiáng)表現(xiàn)，特別是解決數(shù)學(xué)和物理問(wèn)題。
Google不遺余力地強(qiáng)調(diào)上述優(yōu)勢(shì)——OpenAI走的是“漸進(jìn)式多模態(tài)”的路，先基于文本語(yǔ)料，代碼跟進(jìn)，再圖像視頻音頻，最后把這些能力組合在一起訓(xùn)練。而Gemini從一開(kāi)始就在多模態(tài)語(yǔ)料上訓(xùn)練，再用多模態(tài)數(shù)據(jù)調(diào)優(yōu)，比OpenAI訓(xùn)練GPT的方法“先進(jìn)”一些。
“先進(jìn)”的多模態(tài)訓(xùn)練，理論上能帶來(lái)更強(qiáng)勁的性能。公布的Gemini Ultra學(xué)術(shù)基準(zhǔn)評(píng)測(cè)結(jié)果大面積超越GPT-4的細(xì)節(jié)似可說(shuō)明。但學(xué)術(shù)基準(zhǔn)測(cè)試本身就是理論的一部分，并不能真正體現(xiàn)應(yīng)用的效果。不少人擠兌中國(guó)一些大語(yǔ)言模型熱衷于基準(zhǔn)測(cè)試“刷分”，我們?cè)撘灰曂剩珿oogle的做法與國(guó)內(nèi)大模型沖著超越GPT刷分，本質(zhì)上沒(méi)有什么不同。
目前社交平臺(tái)X上實(shí)測(cè)Gemini Pro（Bard聊天機(jī)器人目前只支持Pro版）的用戶(hù)已經(jīng)貢獻(xiàn)了不少吐槽。比如它混淆了2023年和2022年的奧斯卡獎(jiǎng)獲得者，也不會(huì)用Python/ target=_blank class=infotextkey>Python寫(xiě)入兩個(gè)多邊形的交集這種簡(jiǎn)單函數(shù)。我們還發(fā)現(xiàn)它識(shí)別不出葉子的數(shù)量，以及做不對(duì)簡(jiǎn)單的求銳角幾何題。即便Gemini Pro對(duì)標(biāo)的是GPT-3.5，它也還是差了點(diǎn)意思。
被人們指出的另一個(gè)突出問(wèn)題是Gemini的宣傳視頻“造假”：Gemini Ultra對(duì)一組手勢(shì)動(dòng)作很快做出反應(yīng)，說(shuō)這是一個(gè)石頭剪子布的游戲，但它未被視頻顯示的功能文檔卻給出了至少兩條提示：“我在做什么？”，“提示，這是一個(gè)游戲”。其它的一些測(cè)試甚至需要更多的提示問(wèn)題輔助生成結(jié)果，但這個(gè)過(guò)程在Gemini的官方視頻里被省略掉了。以至于大多數(shù)不太較真的人高估Gemini的理解能力和反應(yīng)速度，這不能不說(shuō)是個(gè)誤導(dǎo)。
我到現(xiàn)在都記得2017年我在Google I/O的現(xiàn)場(chǎng)，臺(tái)上的Google員工演示如何通過(guò)Google Assistant語(yǔ)音助手直接預(yù)訂一家餐廳，下面掌聲雷動(dòng)，我也跟著拍巴掌，覺(jué)得太棒了。但一個(gè)月后即傳出這是一個(gè)事先準(zhǔn)備好的橋段。Google沒(méi)有造假，但它通常太希望展示其AI能力的無(wú)與倫比，太急切地呈現(xiàn)自己的AI樂(lè)觀主義，以至于經(jīng)常縮略呈現(xiàn)了背后的過(guò)程，也就事實(shí)上夸大了效果。
說(shuō)白了，Gemini視頻的夸張呈現(xiàn)，只是說(shuō)明Google太在意Gemini比GPT強(qiáng)了。它很著急，加上人們對(duì)任何跟ChatGPT較勁的任何大模型，特別是巨頭的“杰作”，通常都比較苛刻。當(dāng)然，人們對(duì)Google是最苛刻的——畢竟OpenAI選擇用Google發(fā)明的Transformer架構(gòu)搞出了劃時(shí)代的GPT模型，動(dòng)機(jī)之一就是擺脫Google無(wú)所不在的AI壓制，那誰(shuí)還不希望看見(jiàn)Google露怯呢。
某種程度上，Google是OpenAI在這個(gè)星球上唯一的孿生。包括Meta的LLamA架構(gòu)都是開(kāi)源的，以馬斯克老師對(duì)開(kāi)源的偏愛(ài)，Grok未來(lái)大概率也得開(kāi)源。中國(guó)的大語(yǔ)言模型也在不同程度上都走了開(kāi)源道路。只有OpenAI和Google是堅(jiān)定閉源的，這就讓Google在大語(yǔ)言模型上的進(jìn)展，本能地與OpenAI形成了強(qiáng)綁定關(guān)系。
還有一個(gè)戲劇性的張力：每次OpenAI有圍繞GPT的大動(dòng)作，輿論都會(huì)喊Google出來(lái)挨一回落后就要挨的打。然后Google差不多一定會(huì)在OpenAI出招之后的一到兩個(gè)月，祭出一個(gè)新的大招，證明一下你大爺還是你大爺。然后再憋幾個(gè)月，OpenAI再出招，Google再被喊出來(lái)挨打。格局真就會(huì)因此改變么？
某種程度看，Google在生態(tài)建設(shè)上還是比OpenAI落后了一個(gè)身位。畢竟這個(gè)世界上已經(jīng)有幾百萬(wàn)個(gè)開(kāi)發(fā)者自己做的GPTs了。而Google最早要到明年初才能向開(kāi)發(fā)者和企業(yè)客戶(hù)提供強(qiáng)化訓(xùn)練反饋后的Gemini Ultra，讓人們?cè)谏厦骈_(kāi)發(fā)自己的應(yīng)用。到那時(shí)恐怕GPT Store都已經(jīng)正式推出來(lái)了。我一直有點(diǎn)困惑，Google當(dāng)年難道不是靠Android的開(kāi)源奪得蘋(píng)果半壁江山的么？這次怎么把這個(gè)角色讓給Meta了？
我真的不是要怪Google，我更期待Google證明自己。我們這群在1990年代末接觸互聯(lián)網(wǎng)的人，對(duì)Google是有一些很微妙的特殊感情的。而Google也必須證明自己的AI First戰(zhàn)略能結(jié)出真正的果實(shí)。只是GPT的幽靈在Google徘徊，是一個(gè)事實(shí)。誰(shuí)都可以試圖擺脫這個(gè)幽靈，唯獨(dú)Google不行，這是它無(wú)可選擇的對(duì)手。
其實(shí)Google今天圍繞Gemini所做的一切，某種程度上能讓我們中國(guó)的大語(yǔ)言模型開(kāi)發(fā)者心有共鳴：大家的頭頂上都徘徊著GPT的幽靈，這就讓大家都試圖通過(guò)某些努力，證明自己在某些方面比GPT做得更好。
Google在Gemini基準(zhǔn)測(cè)試中采用了一切小“技巧”（采用更復(fù)雜的思維鏈提示和結(jié)果選優(yōu)，而測(cè)試GPT只用5次反饋且無(wú)提示詞）獲得了碾壓GPT的成績(jī)，類(lèi)似的測(cè)試方法我們是不是聽(tīng)起來(lái)很熟悉？中國(guó)的大語(yǔ)言模型研發(fā)者有沒(méi)有一種老鄉(xiāng)見(jiàn)到了老鄉(xiāng)的戚戚然的感覺(jué)？
我們經(jīng)常喜歡將智譜、百度和Minimax的努力與OpenAI做對(duì)比，但換一個(gè)思路，其實(shí)大語(yǔ)言模型的較量，何嘗不是百度、智譜、Minimax、Google、Meta、Anthropic和Grox們一起在圍攻OpenAI的光明頂？從這個(gè)意義上，中國(guó)大模型和美國(guó)除OpenAI之外的大模型在一個(gè)陣營(yíng)一個(gè)戰(zhàn)壕里，是報(bào)團(tuán)也是互相學(xué)習(xí)的對(duì)象。大模型的百草我們這些神農(nóng)嘗多了，就發(fā)現(xiàn)我們中國(guó)的大模型不是比美國(guó)的大模型差，只是不如ChatGPT，就這樣。
Google這次訓(xùn)練Gemini另一個(gè)值得圈點(diǎn)的地方，是它完全采用了自家的芯片集群——TPU進(jìn)行的訓(xùn)練。Google官宣TPUs v4和 v5e在通過(guò)AI優(yōu)化過(guò)的基礎(chǔ)設(shè)施上實(shí)現(xiàn)了這一大規(guī)模訓(xùn)練，可擴(kuò)展性強(qiáng)且推理最高效。這恐怕是我們聽(tīng)說(shuō)的一款性能還算強(qiáng)勁的大語(yǔ)言模型，不依賴(lài)英偉達(dá)的算力和軟硬件架構(gòu)而修成正果的。當(dāng)然人家TPU是自產(chǎn)自銷(xiāo)的，但我看到了“替代英偉達(dá)”這件事在大模型訓(xùn)練實(shí)操上的可能性和可行性。這對(duì)中國(guó)的大語(yǔ)言模型訓(xùn)練意味著什么，不言自明。
此外，Gemini Nano也是一個(gè)亮點(diǎn)，這是一款尺寸最小的Gemini模型，優(yōu)先用于G家自產(chǎn)的Pixel 8手機(jī)上。“端側(cè)大模型”是近期的一個(gè)話題，其實(shí)它更接近“小模型”。中國(guó)智能手機(jī)廠商O(píng)PPO、vivo和小米近期都有發(fā)布自己的端側(cè)模型，聯(lián)想則從AI PC的維度也切進(jìn)了事實(shí)上的同一個(gè)領(lǐng)域。這次Google加入了這個(gè)陣營(yíng)，應(yīng)該是一個(gè)信號(hào)，這件事值得努力，有的做。
其實(shí)很神奇。從Google這次Gemini模型的發(fā)布，我看到了Google與一眾我們熟悉的中國(guó)大語(yǔ)言模型開(kāi)發(fā)者同樣的境遇和努力：那種隱忍、不甘和較量，那種偶爾展露的在一些基準(zhǔn)測(cè)試關(guān)鍵指標(biāo)上跟OpenAI較勁的小手段和小心思，那些試圖建立自己生態(tài)的步步為營(yíng)，那種試圖擺脫英偉達(dá)算力的嘗試，以及基于移動(dòng)優(yōu)勢(shì)在端側(cè)模型的努力……面對(duì)OpenAI，大家都是一樣的。
一個(gè)GPT的幽靈，在Gemini的上空徘徊，也在我們每一個(gè)中國(guó)大語(yǔ)言模型的上空徘徊。
