时代变了？
迄今为止规模最大，才智最强的google大模型来了。
当地时间 12 月 6 日，google CEO 桑达尔・皮查伊官宣 Gemini 1.0 版正式上线。
这次发布的 Gemini 大模型是原生多模态大模型，是google大模型新时代的第一步，它包括三种量级：才智最强的 Gemini Ultra，适用于多任意的 Gemini Pro 以及适用于特定任意和端侧的 Gemini Nano。
现在，google的类 ChatGPT 应用 Bard 已经升级到了 Gemini Pro 版本，实现了更为高级的推理、规划、了解等才智，同时继续保持免费。google预计在明年初将推出「Bard Advanced」，其将利用 Gemini Ultra。
这是 Bard 问世以来最大的更新。
自 ChatGPT 发布以来，我们一直对google声称的竞品 Gemini 模型的才智非常好奇，这款大模型早在今年 3 月就有了风声，5 月的 I/O 大会上进入「即将推出」的状态。
随着知情人士不断透露新信息，我们能了解到：据说 Gemini 有万亿参数，训练动用的算力是 GPT-4 的五倍。但 Gemini 的正式发布却似乎因为各种原因而屡遭推迟。
为了与 OpenAI 和微软展开竞争，google果断从 PaLM 2 切换到了 Gemini 上，甚至在今年 4 月份直接把google大脑（Google Brain）和 DeepMind 合并在了一起，Gemini 就由新组成的 Google DeepMind 汇合两个实验室的力量举行攻关。
可见google在大模型军备竞赛上孤注一掷的心态。
那么，Gemini 真的能够给我们带来惊喜吗？除了在各种 Benchmark 上拿到最优成绩，甚至超越人类以外，有趣的是，在新闻发布会上，面对记者有关「Gemini 相比以前的大模型有哪些新才智」的提问，Google DeepMind 产物副总裁 Eli Collins 回答说：「我怀疑有」，表示google仍然在努力了解 Gemini Ultra 的全部才智。
以下为google CEO 皮查伊的声明：
每一次技术变革都是推进科学发现、加速人类进步和改善生活的机会。我相信我们现在所看到的人工智能转变将是我们一生中最深刻的转变，远远大于之前向移动或网络的转变。人工智能有潜力为世界各地的人们创造从日常生活到非凡的机会。它将带来新一波的创新和经济进步，并以前所未有的规模推动知识、学习、创造力和生产力。
这让我感到兴奋：有机会让人工智能为世界各地的每个人提供帮助。
作为一家人工智能优先的公司，我们已经走过了近八年的历程，进步的步伐只会不断加快：数百万人现在在我们的产物中利用生成式人工智能来完成一年前无法完成的事情，从寻找答案到更繁复的课题利用新工具举行协作和创造的课题。与此同时，开发人员正在利用我们的模型和基础设施来构建新的生成式人工智能应用程序，世界各地的初创公司和企业正在利用我们的人工智能工具不断成长。
这是令人难以置信的势头，然而，我们才刚刚开始触及可能性的表面。
我们正在大胆而负责任地开展这项工作。这意味着我们的研究要雄心勃勃，追求能够为人类和社会带来巨大利益的才智，同时建立保障措施并与政府和专家合作，应对人工智能变得更加富强的风险。我们将继续投资最好的工具、基础模型和基础设施，并在我们的人工智能原则的指导下将它们引入我们的产物和其他产物中。
google大模型 Gemini 正式发布
google DeepMind CEO 和联合创始人 Demis Hassabis 代表 Gemini 团队正式推出了大模型 Gemini。
Hassabis 表示长久以来，google一直想要建立新一代的 AI 大模型。在他看来，AI 带给人们的不再只是智能软件，而是更有用、更直观的专家助手或助理。
今天，google大模型 Gemini 终于亮相了，成为其有史以来打造的最富强、最通用的模型。Gemini 是google各个团队大规模合作的成果，包括google研究院的研究者。
特别值得关注的是，Gemini 是一个多模态大模型，意味着它可以泛化并无缝地了解、操作和组合不同类型的信息，包括文本、代码、音频、图象和视频。
google表示，Gemini 还是他们迄今为止最灵活的模型，能够高效地运行在数据中心和移动设备等多类型平台上。Gemini 提供的 SOTA 才智将显著增强开发人员和企业客户构建和扩展 AI 的方式。
目前，Gemini 1.0 提供了三个不同的尺寸版本，分别如下：
Gemini Ultra：规模最大、才智最强，用于处理高度繁复的任意；
Gemini Pro：在各种任意上扩展的最佳模型；
Gemini Nano：用于端侧（on-device）任意的最高效模型。
google对 Gemini 模型举行了严格的尝试，并评估了它们在各种任意中的表现。从自然图象、音频和视频了解，到数学推理等任意，Gemini Ultra 在大型语言模型研发被广泛利用的 32 个学术基准尝试集中，在其中 30 个尝试集的性能超过当前 SOTA 结果。
另外，Gemini Ultra 在 MMLU（大规模多任意语言了解数据集）中的得分率高达 90.0%，首次超越了人类专家。MMLU 数据集包含数学、物理、历史、法律、医学和伦理等 57 个科目，用于尝试大模型的知识储备和解决课题才智。
针对 MMLU 尝试集的新方法使得 Gemini 能够在回答难题之前利用其推理才智举行更仔细的思考，相比仅仅根据课题的第一印象作答，Gemini 的表现有显著改进。
在大多数基准尝试中，Gemini 的性能都超越了 GPT-4。
更多细节，请查看详细的尝试报告：https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf
在最新版本的 MMMU 尝试集中，Gemini Ultra 也取得了得分为 59.4% 的最佳成绩。增强版的尝试集由需要慎重推理的多模态任意组成。
在图象基准方面的尝试中，Gemini Ultra 不需要从图象中提取文本就能举行 OCR 处理，这凸显了 Gemin 内置的富强多模态才智，也初步显示了 Gemini 具有更繁复推理才智的先兆。
下一代全方位才智升级
Gemini 在设计时原生地支持多模态，从一开始便在不同模态上举行了预训练，然后利用额外的多模态数据举行微调以提升有效性。因此，Gemini 能够无缝地了解和推理各种输入，远远优于现有多模态模型，并且它的才智在几乎每个领域都是最强的。
繁复推理才智
Gemini 1.0 具有繁复多模态推理才智，可以帮助了解繁复的书面和视觉信息。这使得它尤其擅长发现海量数据中难以辨别的知识。Gemini 1.0 通过阅读、过滤和了解信息具有了从数十万份文件中提取 insights 的超凡才智，这有助于科学、金融等诸多领域以超快的速度取得新突破。
同时了解文字、图象、音频以及更多模态的信息
经过训练，Gemini 1.0 可以同时识别和了解文本、图象、音频等，因此它能够更全面地了解输入中信息的细节，也能回答与繁复主题相关的课题。因此，它特别擅长对数学和物理等繁复学科的课题举行推理。
如下图所示，一位老师画了一个滑雪者从斜坡上下来的物理课题，而一位学生则提出了一个解决方案来计算滑雪者在斜坡底部的速度。利用Gemini的多模态推理才智，该模型能够读懂凌乱的笔迹，正确了解课题的表述，将课题和解决方案都转换为数学公式，识别出学生在解决课题时出错的具体推理步骤，然后给出课题的正确解决方案。
高级编码
Gemini 可以了解、解释和生成流行编程语言（如 Python、Java、C++、Go）的高质量代码，具备富强的跨语言工作和推理繁复信息的才智使其成为世界领先的编码基础模型之一。
Gemini Ultra 在多个编码基准尝试中表现出色，包括 HumanEval（用于评估编码任意性能的重要行业标准）和 Natural2Code（google内部数据集），该数据集利用作者生成的源代码而不是基于网络的信息。
Gemini 还可以用作更高级编码系统的引擎。两年前，google推出了 AlphaCode，这是第一个在编程竞赛中达到竞争性水平的人工智能代码生成系统。
利用 Gemini 的专门版本，google创建了更先进的代码生成系统 AlphaCode 2，它擅长解决超出编码范围、涉及繁复数学和理论计算机科学的竞争性编程课题。
经过与原始 AlphaCode 在相同平台上举行评估，AlphaCode 2 展现出巨大的改进，解决的课题数量几乎是原来的两倍。
专用 TPU 训练
google利用内部设计的张量处理单元 (TPU) v4 和 v5e 在人工智能优化基础设施上对 Gemini 1.0 举行了大规模训练，并将其设计为最可靠、可扩展的训练模型和最高效的服务模型。
在 TPU 上，Gemini 的运行速度明显快于早期规模较小、才智较弱的模型。这些定制设计的 AI 加速器是google人工智能产物的核心，这些产物为搜索、YouTube、Gmail、google地图、Google Play 和 Android 等数十亿用户提供服务。它们还帮助世界各地的公司经济高效地训练大规模人工智能模型。
今天，google同时发布了迄今为止最富强、最高效、可扩展的 TPU 系统 —Cloud TPU v5p，专为训练尖端的人工智能模型而设计。新一代 TPU 将加速 Gemini 的发展，帮助开发人员和企业客户更快地训练大规模生成式 AI 模型，让新产物和新功能更快地与客户见面。
Google 数据中心内的一排 Cloud TPU v5p AI 加速器超级计算机。
google旗下产物将全线升级
从今天开始，google将在其产物中添加 Gemini，例如 Bard 将利用 Gemini Pro 的微调版本来执行更高级的推理、规划、了解等任意。这也是 Bard 自推出以来最大的升级。
升级版 Bard 将在 170 多个国家 / 地区提供英语版本，并且在不久的将来会扩展到更多模态，并支持更多种语言。
google还将 Gemini 引入了 Pixel。Pixel 8 Pro 将是第一款运行 Gemini Nano 的智能手机。
Pixel 8 Pro 在录音机应用中利用 Gemini Nano 来总结会议音频，即使没有网络连接也可以实现。
在接下来的几个月中，Gemini 将陆续出现在google更多的产物和服务中，包括搜索、广告、Chrome、Duet AI 等等。
google表示其已经在搜索中试验了 Gemini，它利用户的搜索生成体验 (SGE) 速度更快，延迟减少了 40%，同时质量也得到了提升。
利用指南及未来规划
最后，开发者如何利用 Gemini？
从 12 月 13 日开始，开发人员和企业客户可以通过 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 访问 Gemini Pro。
从 Pixel 8 Pro 设备开始，Android 开发人员还可以通过 AICore 利用 Gemini Nano 举行构建。Android AICore 是 Android 14 中的一项新系统服务，可处理模型管理、运行时、安全功能等，简化用户将 AI 融入应用程序的工作。
AICore 通过 Gemini Nano 实现低秩适应 (LoRA) 微调。这个富强的概念使应用程序的开发人员能够根据自己的训练数据创建小型 LoRA 适配器。LoRA 适配器由 AICore 加载，从而产生针对应用程序自身用例举行微调的大型语言模型。
另外，google剧透了 Gemini Ultra 将会在不久后发布，以及 Bard 的下一步升级计划。
Gemini Ultra 模型目前正处于信任和安全检查阶段，包括由可信赖的外部各方组成的红队（red team），并利用微调和人类反馈强化学习（RLHF）进一步完善模型。
在这个过程中，google会先向部分客户、开发人员、合作伙伴以及安全和责任专家提供 Gemini Ultra，供其举行早期实验和反馈，然后在明年初向开发人员和企业客户推出。
Gemini Ultra 是google最大、功能最富强的模型，专为高度繁复的任意而设计。普通用户体验 Gemini Ultra 的首个方式会是通过 Bard Advanced，google将在明年年初推出 Bard Advanced。
google表示，未来将努力扩展 Gemini 的功能，包括在规划和记忆方面的进步，以及增加上下文窗口以处理更多信息，从而做出更好的响应。
博客链接：https://blog.google/technology/ai/google-gemini-ai/#scalable-efficient