谷歌首席執行官Sundar Pichai表示，這是人工智能新時代的開始：Gemini時代。Gemini是谷歌最新的大型語言模型，Pichai在6月份的I/O開發者大會上首次提出，現在向公眾發布。聽Pichai和谷歌DeepMind首席執行官Demis Hassabis描述，這是人工智能模型的一個巨大飛躍，最終將影響谷歌幾乎所有的產品。Pichai說：“這一時刻的一個強大之處是，你可以研究一種底層技術，并使其變得更好，并且它會立即衍生到我們的產品中。”

Gemini不僅僅是一個單一的人工智能模型。有一個簡單版本叫Gemini Nano，旨在在安卓設備上離線運行。有一個更強大的版本叫Gemini Pro，很快將為谷歌的許多人工智能服務提供動力，從今天開始，它是Bard的支柱。還有一個功能更強大的模型叫Gemini Ultra，這是谷歌迄今為止創建的最強大的LLM，似乎主要是為數據中心和企業應用程序設計的。

從12月13日開始，開發者和企業客戶將能夠通過谷歌Generative AI Studio或谷歌云中的Vertex AI訪問Gemini Pro。Gemini目前只提供英語版本，其他語言顯然很快就會出現。但Pichai表示，該模式最終將在全球范圍內集成到谷歌的搜索引擎、廣告產品、Chrome瀏覽器等中。這是谷歌的未來，它馬上就要到來了。

OpenAI在一年多前推出了ChatGPT，該公司和產品立即成為人工智能領域最火爆的內容。現在，谷歌——這家創造了當前人工智能繁榮背后大部分基礎技術的公司，近十年來一直稱自己為“人工智能第一”組織，終于準備好反擊了。

Hassabis表示：“我們已經對系統進行了非常徹底的并排分析和基準測試。” 谷歌運行了32個完善的基準測試來比較這兩個模型，從廣泛的整體測試（如多任務語言理解基準測試）到比較兩個模型生成Python代碼的能力的測試。Hassabis面帶微笑地說：“我認為我們在32個基準中有30個基本領先。”

在這些基準（實際上大多非常接近）中，Gemini最明顯的優勢來自于它理解視頻和音頻并與之互動的能力。這在很大程度上是有意為之：多模式從一開始就是Gemini計劃的一部分。谷歌沒有像OpenAI創建DALL-E和Whisper那樣，為圖像和語音訓練單獨的模型；它從一開始就建立了一個多感官模型。“我們一直對非常、非常通用的系統感興趣，”Hassabis說。他特別感興趣的是如何混合所有這些模式——從任何數量的輸入和感覺中收集盡可能多的數據，然后給出盡可能多種類的響應。

目前，Gemini最基本的模型是文本輸入和文本輸出，但像Gemini Ultra這樣功能更強大的模型可以處理圖像、視頻和音頻。Hassabis說：“這將變得更加普遍。還有一些東西，比如動作和觸摸，更像機器人類型的東西。” 他說，隨著時間的推移，Gemini會有更多的感覺，在這個過程中變得更準確、更接地氣。Hassabis表示，這些模型知道的越多，他們就會得到更好的結果。

不過，基準測試只是基準測試，最終，對Gemini能力的真正考驗將來自那些想用它集思廣益、查找信息、編寫代碼等的日常用戶。谷歌似乎特別將編碼視為Gemini的殺手級應用；它使用了一種名為AlphaCode 2的新代碼生成系統，稱其性能優于85%的編碼比賽參與者，高于原始AlphaCode的50%。但Pichai表示，用戶會注意到該模型所涉及的幾乎所有方面都有所改進。

對谷歌來說同樣重要的是，Gemini顯然是一個效率高得多的模式。它是在谷歌自己的張量處理單元上訓練的，運行起來比谷歌以前的模型（如PaLM）更快、更便宜。除了新模型，谷歌還推出了其TPU系統的新版本TPU v5p，這是一種設計用于數據中心的計算系統，用于訓練和運行大型模型。

與Pichai和Hassabis交談發現，很明顯，他們認為Gemini的發布既是一個更大項目的開始，也是其本身的一個階段性變化。Gemini是谷歌一直在等待的模式，也是它多年來一直在努力打造的模式，甚至可能是它在OpenAI和ChatGPT“接管”世界之前就應該準備好的模式。

谷歌在ChatGPT發布后宣布進入“code red”，此后一直被認為在迎頭趕上，似乎仍在努力堅持其“大膽而負責任”的口號。Hassabis和Pichai都表示，他們不愿意為了跟上而走得太快，尤其是在我們離終極人工智能夢想通用人工智能越來越近的時候。通用人工智能是一種自我塑造、比人類更聰明并準備改變世界的人工智能。“隨著我們接近AGI，情況將有所不同，”Hassabis說，“這是一種積極的技術，所以我認為我們必須謹慎、謹慎但樂觀地對待它。”谷歌表示，它通過內部和外部測試以及紅隊合作，努力確保Gemini的安全和責任。Pichai指出，確保數據安全性和可靠性對于企業優先的產品尤為重要，而這正是最具生成性的人工智能賺錢的地方。