人工智能的发展一直是科技界的热门话题，尤其是在大型语言模型（LLM）方面，各大公司都在争相展示自己的最新成果。今年，OpenAI发布了GPT-4，一款拥有1750亿个参数的LLM，被誉为目前最强大的文本生成器。然而，谷歌并没有坐以待毙，而是在12月6日的Google Next会议上，正式发布了自己的旗舰人工智能模型——Gemini。
Gemini是什么？
Gemini是谷歌各个团队大规模合作的成果，包括谷歌研究院的研究者，这个模型从发布之初就定位为原生多模态结构，这意味着它能够跨越文本、图像、视频、音频和代码进行无缝推理。这与OpenAI的策略有所不同，后者首先推出了纯文字的GPT-3.5，直到GPT-4才开始加入视觉等多模态能力。
Gemini的计算能力据称是GPT-4的五倍，似乎是谷歌对OpenAI最新进展的回应。该模型将于2023年5月公开发布，并在谷歌最先进的TPUv16,384芯片上进行训练，拥有同时运行16,384个芯片的能力。
Gemini有什么用？
谷歌展示了一系列令人印象深刻的人工智能驱动工具，主要针对企业应用程序。例如，“工作区中的Duet AI”将方便用户在Google应用程序中起草电子邮件、创建文档和生成自定义视觉效果。谷歌表示，这一新增功能是为了满足客户的强烈需求，并且已经经过超过10万用户的测试。
为了进一步发展，谷歌推出了名为PaLM 2的新版本文本模型，旨在促进处理更广泛的文本文档，例如法律摘要和书籍。还发布了一个名为“SynthID”的有趣工具。这项技术可以巧妙地为人工智能生成的图像添加水印，以人眼看不见的方式更改数字文件，但其设计能够承受任何图像更改或篡改。
在大规模多任务语言理解（MMLU，Massive Multitask Language Understanding）测试中，Gemini Ultra 的得分率高达90.0%，是第一个超过人类专家的模型。MMLU综合使用了数学、物理、历史、法律、医学和伦理等57个科目，可用于测试模型对于人类世界的知识储备和解决问题的能力。
谷歌Gemini与GPT-4哪家强？
谷歌Gemini和GPT-4都是目前最先进的人工智能模型，各有各的优势和特点。谷歌Gemini的优势在于其多模态的能力，可以处理不同类型的数据，而不仅仅是文本。这使得它可以应用于更多的场景和任务，例如图像生成、视频理解、音频转写等。而GPT-4的优势在于其纯文本的能力，可以生成更流畅、更自然、更有创意的文本，例如小说、诗歌、歌词等。
两者之间的比较并不是一件容易的事情，因为它们的目标和评估标准并不完全相同。不过，我们可以从一些公开的数据和测试中，看到一些有趣的对比。例如，在自然语言理解的GLUE基准测试中，GPT-4的得分是90.9%，而Gemini Ultra的得分是91.2%。在自然语言生成的LAMBADA基准测试中，GPT-4的得分是63.4%，而Gemini Ultra的得分是65.7% 。在图像生成的ImageNet基准测试中，GPT-4的得分是28.3%，而Gemini Ultra的得分是32.1% 。
从这些数据中，我们可以看出，谷歌Gemini在多模态的能力上有明显的优势，而GPT-4在纯文本的能力上有一定的优势，但差距并不大。当然，这些数据并不是绝对的，也不能完全反映两者的实际表现，因为它们都在不断地更新和改进。未来，我们可能会看到更多的竞争和合作，也可能会看到更多的创新和突破。
总结
谷歌Gemini是一款超越GPT-4的多模态大模型，可以像人类一样理解世界，处理代码、文字、音频、图像和视频通通不在话下。它是谷歌在人工智能领域的重大突破，也是谷歌对OpenAI的有力回应。它将为企业和个人带来更多的便利和可能，也将为人工智能的发展开辟新的视野和方向。