原文來源：硅基立場
圖片來源：由無界 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，即被視為是對彼時風(fēng)頭正盛的GPT-4的強(qiáng)勁挑戰(zhàn)。年底毫無預(yù)警地祭出Gemini系列大語言模型（包含移動版Nano、基礎(chǔ)版Pro和高級版Ultra），在關(guān)鍵性能和基準(zhǔn)評測指標(biāo)上針對GPT的意圖更加直接。
Google官方聲稱：在被大型語言模型研究和開發(fā)廣泛使用的 32 項學(xué)術(shù)基準(zhǔn)中，Gemini Ultra 的性能有 30 項超越了目前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)和物理問題。
Google不遺余力地強(qiáng)調(diào)上述優(yōu)勢——OpenAI走的是“漸進(jìn)式多模態(tài)”的路，先基于文本語料，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從一開始就在多模態(tài)語料上訓(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，理論上能帶來更強(qiáng)勁的性能。公布的Gemini Ultra學(xué)術(shù)基準(zhǔn)評測結(jié)果大面積超越GPT-4的細(xì)節(jié)似可說明。但學(xué)術(shù)基準(zhǔn)測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。不少人擠兌中國一些大語言模型熱衷于基準(zhǔn)測試“刷分”，我們該一視同仁，Google的做法與國內(nèi)大模型沖著超越GPT刷分，本質(zhì)上沒有什么不同。
目前社交平臺X上實測Gemini Pro（Bard聊天機(jī)器人目前只支持Pro版）的用戶已經(jīng)貢獻(xiàn)了不少吐槽。比如它混淆了2023年和2022年的奧斯卡獎獲得者，也不會用Python/ target=_blank class=infotextkey>Python寫入兩個多邊形的交集這種簡單函數(shù)。我們還發(fā)現(xiàn)它識別不出葉子的數(shù)量，以及做不對簡單的求銳角幾何題。即便Gemini Pro對標(biāo)的是GPT-3.5，它也還是差了點意思。
被人們指出的另一個突出問題是Gemini的宣傳視頻“造假”：Gemini Ultra對一組手勢動作很快做出反應(yīng)，說這是一個石頭剪子布的游戲，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，這是一個游戲”。其它的一些測試甚至需要更多的提示問題輔助生成結(jié)果，但這個過程在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，這不能不說是個誤導(dǎo)。
我到現(xiàn)在都記得2017年我在Google I/O的現(xiàn)場，臺上的Google員工演示如何通過Google Assistant語音助手直接預(yù)訂一家餐廳，下面掌聲雷動，我也跟著拍巴掌，覺得太棒了。但一個月后即傳出這是一個事先準(zhǔn)備好的橋段。Google沒有造假，但它通常太希望展示其AI能力的無與倫比，太急切地呈現(xiàn)自己的AI樂觀主義，以至于經(jīng)常縮略呈現(xiàn)了背后的過程，也就事實上夸大了效果。
說白了，Gemini視頻的夸張呈現(xiàn)，只是說明Google太在意Gemini比GPT強(qiáng)了。它很著急，加上人們對任何跟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)搞出了劃時代的GPT模型，動機(jī)之一就是擺脫Google無所不在的AI壓制，那誰還不希望看見Google露怯呢。
某種程度上，Google是OpenAI在這個星球上唯一的孿生。包括Meta的LLamA架構(gòu)都是開源的，以馬斯克老師對開源的偏愛，Grok未來大概率也得開源。中國的大語言模型也在不同程度上都走了開源道路。只有OpenAI和Google是堅定閉源的，這就讓Google在大語言模型上的進(jìn)展，本能地與OpenAI形成了強(qiáng)綁定關(guān)系。
還有一個戲劇性的張力：每次OpenAI有圍繞GPT的大動作，輿論都會喊Google出來挨一回落后就要挨的打。然后Google差不多一定會在OpenAI出招之后的一到兩個月，祭出一個新的大招，證明一下你大爺還是你大爺。然后再憋幾個月，OpenAI再出招，Google再被喊出來挨打。格局真就會因此改變么？
某種程度看，Google在生態(tài)建設(shè)上還是比OpenAI落后了一個身位。畢竟這個世界上已經(jīng)有幾百萬個開發(fā)者自己做的GPTs了。而Google最早要到明年初才能向開發(fā)者和企業(yè)客戶提供強(qiáng)化訓(xùn)練反饋后的Gemini Ultra，讓人們在上面開發(fā)自己的應(yīng)用。到那時恐怕GPT Store都已經(jīng)正式推出來了。我一直有點困惑，Google當(dāng)年難道不是靠Android的開源奪得蘋果半壁江山的么？這次怎么把這個角色讓給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。只是GPT的幽靈在Google徘徊，是一個事實。誰都可以試圖擺脫這個幽靈，唯獨Google不行，這是它無可選擇的對手。
其實Google今天圍繞Gemini所做的一切，某種程度上能讓我們中國的大語言模型開發(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)，而測試GPT只用5次反饋且無提示詞）獲得了碾壓GPT的成績，類似的測試方法我們是不是聽起來很熟悉？中國的大語言模型研發(fā)者有沒有一種老鄉(xiāng)見到了老鄉(xiāng)的戚戚然的感覺？
我們經(jīng)常喜歡將智譜、百度和Minimax的努力與OpenAI做對比，但換一個思路，其實大語言模型的較量，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？從這個意義上，中國大模型和美國除OpenAI之外的大模型在一個陣營一個戰(zhàn)壕里，是報團(tuán)也是互相學(xué)習(xí)的對象。大模型的百草我們這些神農(nóng)嘗多了，就發(fā)現(xiàn)我們中國的大模型不是比美國的大模型差，只是不如ChatGPT，就這樣。
Google這次訓(xùn)練Gemini另一個值得圈點的地方，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AI優(yōu)化過的基礎(chǔ)設(shè)施上實現(xiàn)了這一大規(guī)模訓(xùn)練，可擴(kuò)展性強(qiáng)且推理最高效。這恐怕是我們聽說的一款性能還算強(qiáng)勁的大語言模型，不依賴英偉達(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)自銷的，但我看到了“替代英偉達(dá)”這件事在大模型訓(xùn)練實操上的可能性和可行性。這對中國的大語言模型訓(xùn)練意味著什么，不言自明。
此外，Gemini Nano也是一個亮點，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”是近期的一個話題，其實它更接近“小模型”。中國智能手機(jī)廠商OPPO、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)了事實上的同一個領(lǐng)域。這次Google加入了這個陣營，應(yīng)該是一個信號，這件事值得努力，有的做。
其實很神奇。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大語言模型開發(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，那種試圖擺脫英偉達(dá)算力的嘗試，以及基于移動優(yōu)勢在端側(cè)模型的努力……面對OpenAI，大家都是一樣的。
一個GPT的幽靈，在Gemini的上空徘徊，也在我們每一個中國大語言模型的上空徘徊。
