金磊 鱼羊 发自 凹非寺
量子位 | 公众号 qbitai
传闻中的谷歌杀手锏gemini,来了!
就在刚刚,谷歌ceo皮猜和哈萨比斯在谷歌欧洲杯足彩官网联名发文,宣布推出这一万众瞩目的多模态大模型。
标题明晃晃写着“最大”、“最强”,主打的就是一个干爆gpt-4。
具体来说,此次谷歌一共带来了gemini的三个版本:
- gemini ultra:谷歌最大、最强模型,适用于高度复杂的任务
- gemini pro:可扩展至各种任务的gemini模型
- gemini nano:适用于端侧设备的高效gemini版本(1.8b/3.25b)
其中gemini ultra一上来就在32个基准测试中拿下30个sota,并且第一个在mmlu基准上达到人类专家水平。
而gemini pro从今天起,就会在bard中实装上线。
同时,谷歌gemini团队还公布了一份60页的详细技术报告。
消息一出,社交媒体瞬间炸了锅。
英伟达ai科学家jim fan就第一时间转发评论:
这是openai王座的有力竞争者。
话不多说,一起来看更多细节。
谷歌史上最强大模型gemini
在llm中的表现,也正如我们刚才所述,32个基准测试中拿下30个sota。
其中,通用、推理、数学和编程等大方向的成绩如下表所示:
△gemini 在包括文本和编码在内的一系列基准测试中达到sota
在多模态方面,gemini ultra在新的mmmu基准测试中也获得了59.4%的sota分数。
这项基准测试是由跨不同领域的多模式任务组成,需要大模型进行一个深思熟虑的推理过程。
根据谷歌给出的图像基准测试结果来看,gemini ultra在没有ocr系统的帮助下,表现优于之前最先进的模型。
△gemini 在一系列多模态基准测试中达到sota
接下来,我们以具体的案例来看一下gemini的能力。
例如科学家们经常要面对从成千上万的文献中提取数据的难题,像下面这篇研究,作者就通过手动的方法从上万篇遗传学论文中创建了数据集。
像这样的数据集是需得随着时间流逝而进行更新的,但现实的情况是,自2021年以来,这个领域便已有超过200000篇新增的论文……
再像以往手动的方式显然是不可行的,不过现在有了gemini,一切就变得简单了起来。
首先,通过自然语言的prompt,告诉gemini去过滤相关的科学论文:
只需片刻时间,gemini就能找到相关论文和非相关的论文。
而后,继续用prompt告诉gemini去阅读相关论文,并提取关键数据,甚至是可以要求它添加注释的那种。
如果你给gemini一个午休的时间长度,它就能阅读200000篇论文,从中筛选出250篇并提取数据!
并且由于gemini是多模态的,我们还可以让它对上面的数据表格做进一步的深入操作,例如更新图表:
对于学生党来说,gemini现在也可以成为非常得力的学习助手。
例如“喂”给gemini一张手写物理题,它不仅能看懂,而且还可以辨别手写答案的对错。
在此基础上,若是选择一个错误的题目,我们还可以跟gemini通过自然语言沟通,让它对每一个细节步骤进行详解。
在看图像做理解和推理方面,谷歌还亮出了更多有意思的案例。
例如替换图片素材的组合方式,gemini就能像人一样精准猜中所指的电影名字:
就连下面这种高难度的也能hold住:
再如寻找两张图片的相似之处:
更有意思的是,谷歌还特意用中文做了个demo,来展示gemini对多张图片的组合理解能力:
那么接下来的问题就是:gemini是如何做到的?
60页报告透露技术细节
谷歌gemini背后技术的杀手锏,便是原生多模态(natively multimodal)。
因为以往创建多模态大模型的方法,通常是为不同的模态训练单独的组件,然后将它们拼接在一起,大致模拟其中的一些功能。
这样训练出来的模型虽然有时可以很好地执行某些任务(比如描述图像),但在面对更具概念性和复杂推理的情况下,就会出现表现不佳的结果。
而谷歌gemini所强调的原生多模态,是指从一开始就对不同的模态进行预训练,然后用额外的多模态数据对其进行微调,以此来进一步完善大模型的有效性。
谷歌对此表示:
这样的训练方法,有助于gemini从头开始无缝地理解和推理各种输入,远远优于现有的多模态模型;而且它的功能在几乎每个领域都是最先进的。
具体到模型架构方面,gemini基于增强的transformer decoder打造,采用了高效attention机制(如multi-query attention),支持32k上下文长度。
尽管没有透露ultra和pro版本的具体参数规模,但技术报告中提到,谷歌使用tpuv5e和tpuv4来训练gemini。
训练gemini ultra使用了跨多个数据中心的大量tpuv4。这意味着与谷歌此前的主力大模型palm-2相比,gemini在规模上显著增大。
此前,palm-2被曝参数规模为3400亿。
gemini pro实装上线
竞争对手那边,openai的gpts惊艳全世界,微软的copilot更是先一步渗透进全线产品。
因此gemini一出,谷歌也当即强调:gemini将通过谷歌产品推向数十亿用户。
率先上线的是gemini pro。从今天起,谷歌的聊天机器人bard将由gemini pro微调版本驱动。谷歌表示:
这是bard自推出以来的最大升级。
谷歌还打算把gemini引入手机:pixel 8 pro将是第一款运行gemini nano的智能手机。
另外,谷歌计划在接下来几个月中,将gemini全面推向搜索、广告、chrome和duet ai等产品线。
根据官方数据,gemini能使用户的搜索生成体验(sge)速度更快、质量更高,比如在美国使用英语搜索延迟能减少40%。
值得关注还有,就在gemini正式亮相的同时,谷歌还推出了专为大模型而设计的新一代tpu——cloud tpu v5p。
那么,你觉得这一波,谷歌能赶上openai的脚步吗?
参考链接:
[1]https://blog.google/technology/ai/google-gemini-ai
[2]https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf
[3]https://youtu.be/jv1vkhv4zq8?si=jjaw0uv0dkpp3evt
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
notice: the content above (including the pictures and videos if any) is uploaded and posted by a user of netease hao, which is a social media platform and only provides information storage services.