谷歌史上最强大模型 Gemini 抢鲜知！！！

Gemini 来了，谷歌 CEO 皮猜和哈萨比斯在谷歌官网联名发文，宣布推出这一万众瞩目的多模态大模型。

引子

谷歌自 2015 年将围棋界人工智能程序 AlphaGo 正式发布，正式对外展示 AI 的实力，一直在潜心研究 AI 领域，2017 年 Google IO 大会更是将 Mobile First TO AI First 的决心对外公布，至今走过了近八年的旅程，并且一直在不断加速进步。

谷歌也是摩拳擦掌了许久，今天谷歌 CEO 皮猜对外发布了杀手锏的最新多模态大模型 Gemini 1.0 版本正式上线。

Gemini

Gemini 是 Google 迄今为止最强大、最通用的模型，它在许多领先的基准测试中都展现出了最先进的性能，它是 Google 各团队间共同努力的成果，它可以通过文本、代码、音频、图像和视频等进行推理和处理。

目前 Gemini 有三个版本：

• Gemini Ultra —我们规模最大且功能最强大的模型，适用于高度复杂的任务。

• Gemini Pro — 我们适用于各种任务的最佳模型。

• Gemini Nano — 我们端侧设备上最高效的模型。

杀手锏--原生多模态大模型

现有的多模态模型的标准是分别训练不同模态的组件，然后将对应的组件通过粗略的逻辑进行模拟推断功能，但这些模型有时可以很好地完成描述图像等特定任务，但在专业性更强、更复杂的推理方面却显得捉襟见肘。

而谷歌最开始就 Gemini 设计为原生多模态，在开始的预训练上就利用不同模态，然后再利用额外的多模态数据进行微调，进一步提高模型效果。

谷歌对此表示：这有助于 Gemini 从最初就能对输入的各种内容高效地进行理解和推理，远优于现有的多模态模型。

基准数据

多模态-MMMU

​

大语言--MMLU

​

下一代能力--复杂推理 &&多模态方向

据谷歌介绍 Gemini 在复杂推理方向，具有多模态的复杂推理能力，可帮助理解复杂的书面和视觉信息，进而可以在海量的数据中发掘难以辨别的知识内容。Gemini 拥有通过阅读、过滤以及理解信息，从数十万份文件中提取见解的卓越能力。

Gemini 可以同时识别并理解文本、图像、音频等多模态信息输入，所以它能更好地理解具有细微差别的信息，回答与复杂主题相关的问题。这就让它尤其擅长解释数学和物理等复杂科目中的推理。

致力于全球普及

谷歌强调：Gemini 将通过谷歌产品推向数十亿用户。谷歌率先启用的是 Gemini Pro 版本，从今天起谷歌的聊天机器人 Bard 将由 Gemini Pro 微调版本驱动，谷歌认为这是 Bard 最大的一次升级。

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。它可以支持录音应用中的“总结”等新功能，并在 Gboard 中推出“智能回复”功能，从 WhatsApp 开始，明年还将推出更多信息应用。

同时谷歌也即将开放 Gemini 能力，开发者和企业客户可以通过 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 获取 Gemini Pro。

针对近期频发的大模型安全和种族歧视等安全风险上，谷歌也表示 Google AI 原则上和我们所有产品都应建立在强大的安全政策的基础上，谷歌正在增加新的保护措施，以满足 Gemini 的多模态能力。据了解 Gemini 拥有迄今为止 Google 所有 AI 模型中最全面的安全评估，包括偏见和毒性评估。谷歌也在不断完善和推动大规模的信任和安全检查，包括向部分客户、开发者、合作伙伴以及安全和责任专家提供 Gemini 共同评测。

结语

谷歌爆炸性且高调地发布了 Gemini，并声称这是 Google 迈进新纪元的开始，我们将继续快速创新，并以负责任的方式不断提升我们模型的能力。

谷哥今天的发布会也是一石激起千层浪，从谷哥发布会声势和基准性能数据可以看出，谷哥上下对 Gemini 抱有非常高的期待和赞许，这也是针对 open ai 一次强有力的反击，如果这次谷哥能成功，将有可能撼动目前 open ai 统治大模型领域地位的。但经一些发烧友和专家的测评，比如 bard 升级后能力并没有明显的提升，还有针对披露的技术报告中的细节和谷哥对外公布的基准测试数据，视频等内容也是出现了不少质疑的声音，不知道此刻的你有什么看法呢，认为是谷哥对 AI 技术一次重大突破，还是昙花一现的 Demo 技术，或是有其他观点，欢迎交流。

我自己也非常期待 Gemini Ultra 这个版本，目前它还没有落地应用，还在完善中。

感谢一键三连，给努力前行的你加油。

微信公众号首发，欢迎关注。