【新智元導讀】據(jù)The Information爆料，谷歌已集結(jié)數(shù)百工程師團隊，全新大殺器Gemini結(jié)合了GPT-4、Midjourney、Stable Diffusion三大模型的能力，即將于今年秋天上線。谷歌的全新大殺器Gemini，即將和全世界見面了！據(jù)傳，Gemini不僅能像GPT-4一樣可以進行文本對話，還融合了Midjourney、Stable Diffusion的能力，能夠生成圖像。為了對抗OpenAI，谷歌CEO劈柴在今年4月邁出了絕非尋常的一步，將擁有完全不同文化和代碼的團隊——谷歌大腦和DeepMind合并。現(xiàn)在，集結(jié)了數(shù)百位工程師的谷歌復仇者聯(lián)盟已經(jīng)全軍待命，日夜趕工，只為狙擊OpenAI的GPT-4，一舉重奪AI領(lǐng)域的頭把交椅。谷歌創(chuàng)始人謝爾蓋·布林也已重回戰(zhàn)壕，親自操刀Gemini的訓練。據(jù)稱，今年秋天，Gemini就會面世，而谷歌的考驗也即將到來。
根據(jù)知情人士的爆料，Gemini將LLM的文本能力與文生圖的能力相結(jié)合。也就是說，它相當于GPT-4和Midjourney/Stable Diffusion的合體版。這也是外界首次聽說，Gemini具有如此強大的繪圖能力。另外，它還能夠提供分析圖表、創(chuàng)建帶有文本描述的圖形、使用文本或語音命令控制軟件。在6月底，谷歌DeepMind CEO Hassabis也曾爆料，Gemini將結(jié)合進AlphaGo和大語言模型，而谷歌DeepMind已經(jīng)準備好砸進數(shù)千萬美元，甚至數(shù)億。可以說，谷歌把重注押在了Gemini身上，Gemini會為Bard聊天機器人提供動力，推動Google Docs、Slides等企業(yè)級應(yīng)用。另外，谷歌還希望通過云服務(wù)器租賃服務(wù)，向開發(fā)者收取訪問Gemini的費用。
目前，谷歌云通過Vertex AI產(chǎn)品售賣對谷歌AI模型的訪問如果這些新功能實現(xiàn)，谷歌很有可能會趕上微軟。畢竟，微軟在AI產(chǎn)品上已經(jīng)領(lǐng)先不少，Office 365應(yīng)用中包含AI功能，其應(yīng)用程序也會對用戶出售對ChatGPT的訪問權(quán)限。彭博社風投分支Bloomberg Beta的AI初創(chuàng)企業(yè)投資人James Cham對彭博社表示，「過去9個月里，每個人都在問這樣一個問題：什么時候才能有一家公司，看起來有趕超OpenAI的可能？」「現(xiàn)在，終于似乎有一個模型，可以和GPT-4旗鼓相當了?！?/span>
隨著OpenAI的崛起，谷歌也不得不在保證核心搜索業(yè)務(wù)的情況下，試著推出新的技術(shù)了。據(jù)內(nèi)部人士透露，在推出Gemini之前，谷歌很可能就會在某些產(chǎn)品中使用它。過去，谷歌會使比較簡單的模型來改進搜索，但是像Bard以及Gemini這樣的產(chǎn)品，需要通過分析大量圖像和文本，來生成更像人類的回答。如此海量數(shù)據(jù)所帶來的潛在巨額服務(wù)器成本，也是谷歌必須要控制的。
手握YouTube的優(yōu)勢根據(jù)The Information報道，谷歌對Gemini進行了大量YouTube視頻的訓練。并且，Gemini還可以把音頻和視頻集成到模型自身，形成多模態(tài)能力，而后者，已經(jīng)被許多研究者認為是AI的下一個前沿。比如，根據(jù)YouTube視頻訓練的模型，可以幫助機械師根據(jù)視頻診斷汽車的維修問題。或者可以根據(jù)用戶想要創(chuàng)建網(wǎng)站或應(yīng)用程序的草圖，來生成軟件代碼。此前，OpenAI曾展示了GPT-4的這項功能，但目前尚未推出。
OpenAI老板Greg Brockman曾演示GPT-4讀圖寫網(wǎng)頁代碼的能力，但似乎鴿了使用YouTube內(nèi)容，還可以幫助谷歌開發(fā)更先進的文本轉(zhuǎn)視頻軟件，根據(jù)用戶想看的內(nèi)容描述，自動生成詳細的視頻。這類似于谷歌支持的初創(chuàng)公司RunwayML正在開發(fā)的技術(shù)，現(xiàn)在好萊塢的內(nèi)容創(chuàng)作者們都在密切關(guān)注這項技術(shù)的發(fā)展。Google DeepMind，發(fā)起全面反擊
2011年，谷歌創(chuàng)立了谷歌大腦（Google Brain），旨在構(gòu)建起谷歌自己的AI，來優(yōu)化搜索的結(jié)果、廣告精準投放，以及在Gmail中的自動填充等功能。而位于倫敦的DeepMind則更多地致力于學術(shù)研究——2016年Alpha Go以4比1的成績戰(zhàn)勝了李世石，這項工作被人們視為通向通用人工智能（AGI）道路上的重要里程碑。谷歌除了會用DeepMind開發(fā)的軟件提高數(shù)據(jù)中心的運行效率外，DeepMind的工作并沒有對其核心產(chǎn)品產(chǎn)生太大影響。2022年11月，OpenAI發(fā)布了ChatGPT，短短幾周內(nèi)用戶人數(shù)飆升到了數(shù)千萬，之后更是達成了用戶破億最短時間的成就。幾個月內(nèi)，OpenAI的收入就達到數(shù)億美元，并且在這期間微軟新投資了100億美元、數(shù)不清的資本熱錢向著OpenA流去，OpenAI的市值、知名度都達到了一個前所未有的高度。這時，谷歌才意識到，自己在AI領(lǐng)域的領(lǐng)導地位已經(jīng)岌岌可危了。谷歌大腦 DeepMind=？今年4月，陷入被動的谷歌放出終極大招：谷歌大腦和DeepMind正式合并！「王不見王」的兩大部門居然合體了，這一舉動也是讓瓜眾們驚掉了下巴。合并后的Google DeepMind將由DeepMind首席執(zhí)行官Demis Hassabis領(lǐng)導，而前谷歌AI負責人Jeff Dean接任首席科學家一職。現(xiàn)在，至少有26名大佬正在負責Gemini的開發(fā)，這些人包括曾在谷歌大腦和DeepMind工作的研究人員。知情人士稱， DeepMind的兩位高管Oriol Vinyals和Koray Kavukcuoglu，將和前谷歌大腦負責人Jeff Dean一起負責Gemini的開發(fā)。他們將監(jiān)督數(shù)百名參與Gemini開發(fā)的員工。
他一直在對Gemini模型進行評估，并幫助員工訓練模型。據(jù)爆料，在團隊發(fā)現(xiàn)Gemini意外地接受了潛在攻擊性內(nèi)容的訓練后，布林也參與到了重新訓練模型的技術(shù)決策過程中。「意外聯(lián)姻」的陣痛隨著谷歌大腦和DeepMind的合并，新團隊很快就遇到了非常嚴峻的問題——代碼怎么合并，用誰家的軟件開發(fā)？雖然雙方在各讓一步之后達成了妥協(xié)： - 在模型的預訓練階段，使用谷歌大腦用于訓練機器學習模型的軟件Pax - 在后期階段，使用DeepMind用于開發(fā)模型的軟件Core Model Strike但據(jù)內(nèi)部人士爆料，還是有不少員工因為不得不使用自己不熟悉的軟件而憤憤不平。除此之外，谷歌和DeepMind都針對ChatGPT開發(fā)了自己的模型。DeepMind著手開展了一個代號為Goodall的項目，旨在使用未公開模型Chipmunk的不同變體來開發(fā)一個與ChatGPT競爭的系統(tǒng)。而谷歌大腦則開發(fā)立項了Gemini。最終，DeepMind決定放棄自己原先的努力，選擇基于谷歌大腦的項目合作開發(fā)Gemini。有趣的是，在遠程工作的政策上，據(jù)說谷歌大腦的態(tài)度也要比DeepMind寬松得多。內(nèi)耗、狼狽、反攻比起OpenAI那邊的形勢一片大好，谷歌則陷入了一場精疲力盡的內(nèi)耗中。先是一連多個高級技術(shù)人才出走，如Liam Fedus、Barret Zoph和Luke Metz等在內(nèi)的研究人員，紛紛選擇加入OpenAI。雖然谷歌找回了一些人才：比如重新招回了Jacob Devlin和Jack Rae。Jacob Devlin批評Bard的開發(fā)后，在今年1月份去了OpenAI。而Jack Rae是前DeepMind的研究員，在2022年加入了OpenAI。
此前，Devlin向劈柴、Dean等高管表達了對Bard團隊使用ChatGPT數(shù)據(jù)訓練的擔憂，隨后辭職接著，谷歌為了對抗一枝獨秀的ChatGPT，也為了重回人工智能賽道領(lǐng)航者的地位，在今年2月的時候匆忙發(fā)布了聊天機器人Bard。然而，發(fā)布會卻因一個低級的事實性錯誤慘遭翻車，導致公司的市值在一夜之間蒸發(fā)了千億美元。同時發(fā)布的，還有將生成式AI和自己傳統(tǒng)搜索服務(wù)結(jié)合起來的Search Generative Experience（SGE）。簡單來說，SGE是一個類似Bing Chat的AI搜索服務(wù)，但并沒有直接使用新的聊天窗口，而是將AI生成的內(nèi)容集合在搜索結(jié)果中展示給用戶。也就是說，在搜索的同時，谷歌會利用AI為搜索的內(nèi)容提供說明，回答用戶提出的問題，幫用戶做旅行規(guī)劃等等。而用戶不再需要貨比三家般的在多個鏈接之間來回跳轉(zhuǎn)，也不用花心力去判斷哪個鏈接背后的信息是真的，因為所有可用的內(nèi)容都被集中到了AI收集到的回復之中。在最近的更新中，谷歌添加了讓SGE在AI生成的回復內(nèi)容中附加圖片和視頻的功能，幫助用戶更加直觀的了解自己搜索的知識和信息。就像Bing Chat一樣，SGE的AI響應(yīng)中也會有標注了發(fā)布時間的鏈接，來支持由AI生成的回復內(nèi)容。如果用戶對于相關(guān)的信息感興趣，點擊鏈接就能更加全面地了解具體的內(nèi)容。在AI生成的回復中，對于很多知識性的信息和概念，用戶能夠直接通過鼠標的懸停，就能獲取到概念準確的定義。現(xiàn)在針對科學，歷史，經(jīng)濟等知識性問題的AI回復，都已經(jīng)上線這個功能。而對于需要瀏覽很冗長的網(wǎng)頁信息來學習或者了解信息的用戶，SGE還更新了一個網(wǎng)頁內(nèi)的AI概括功能——SGE while browsing。這個功能相當于給用戶提供了一個隨時聽候差遣的「大綱生成器」。對于任何篇幅比較長的網(wǎng)頁內(nèi)容，用戶都可以用它來生成大綱，快速掌握要點。在下方的Explore the Page部分，用戶還能看到和頁面內(nèi)容相關(guān)的問題。如果用戶對于問題感興趣，直接點擊，就能看到文章中內(nèi)容是如何解答這些問題的。然而，是由于谷歌保守的市場策略，SEG目前只允許美國本土的用戶采用Waiting List申請測試。所以可能大部分用戶甚至都不知道，谷歌已經(jīng)推出了這樣一個服務(wù)。總之，據(jù)悉兩部門合體后，至少測試了21項生成式AI工具，甚至還包含為用戶提供生活建議和心理輔導的工具。在去年緊急解雇了聲稱聊天AI有意識的工程師的谷歌，現(xiàn)在居然也開始探索這類「敏感」地帶，可見真的是決定放手一搏了。Gemini項目，目前形勢大好不過，兩個團隊的合并，對于一些正在負責Gemini項目的工程師來說，確實是個不小的驚喜。曾在DeepMind工作的James Molloy和Tom Hennigan與谷歌資深研究員Paul Barham一起負責基礎(chǔ)設(shè)施。Timothy Lillicrap曾在DeepMind從事國際象棋和圍棋方面的系統(tǒng)開發(fā)工作，而谷歌大腦的研究員Emily Pitler則領(lǐng)導一個團隊，專注于使LLM具備處理數(shù)學或網(wǎng)絡(luò)搜索等專門任務(wù)的能力。但除了合并組織中的人員安排問題，Gemini團隊在開發(fā)過程中還面臨著巨大的挑戰(zhàn)，如確定可以用于模型訓練的數(shù)據(jù)等。在一個案例中，由于擔心版權(quán)持有者的反對意見，律師們要求研究人員刪除了來自教科書的訓練數(shù)據(jù)。而這些數(shù)據(jù)本可以幫助訓練模型回答有關(guān)天文學或生物學等領(lǐng)域的問題。不過，谷歌前高管、VC公司Felicis Ventures的創(chuàng)始人Aydin Senkut評價Gemini的發(fā)布讓他看到了「谷歌決心再次走在最前沿，而不是極度保守」。「這是正確的方向。最終，他們會火的?！?/span>https://www./articles/the-forced-marriage-at-the-heart-of-googles-ai-race
|
