在今年的2月Google AI发布了历史以来最有可能比肩GPT的大语音模型，不难看出在谷歌发布聊天机器人Gemini Advanced大模型后，OpenAI随即放出了行业内的重磅炸弹视频模型 Sora企图用来压制谷歌AI的发布。
与此同时，迄今为止最强的Gemini Ultra所加持的聊天机器人Gemini Advanced也在今天正式开放，所有人皆可访问。
从此，所有人都可以在谷歌办公全家桶中用到最强大模型Gemini了！
当然，这个最强机器人并不是免费的，需要月付20美金，所幸前2个月可以免费使用。
要知道，Chat GPT每个月的收费就是20美元，谷歌此举是直接和Open AI打擂台了。
此次谷歌不仅推出了大模型面向C端的APP，还将内部的多个产品接入大模型中。这样，谷歌的大模型就离公众又近了一步。
采取保守策略的谷歌，在去年一年被微软和Open AI的重重险招打得找不着北，但最近的谷歌已经越来越大胆，誓要在产品和生态上攻城略地，扳回一局。
更大的上下文，更有用的功能
AI 模型的“上下文窗口”由令牌组成，令牌是用于处理信息的构建块。令牌可以是单词、图像、视频、音频或代码的整个部分或子部分。
模型的上下文窗口越大，它可以在给定提示中获取和处理的信息就越多，从而使其输出更加一致、相关和有用，Gemini既是模型名，也是产品名，既是聊天助手，又是聊天机器人，还是搜索引擎，Bard聊天机器人、安卓Gemini应用程序、Google Workspace中的所有Duet AI功能，通通都整合到了Gemini品牌中。
这意味着 1.5 Pro 可以一次性处理大量信息，包括 1 小时的视频、11 小时的音频、超过 30,000 行代码或超过 700,000 个单词的代码库
更好地理解和推理各种模式
得到「地表最强」的模型Gemini Ultra加持后，Gemini Advanced注定要成为最受欢迎的聊天机器人。
谷歌博客介绍，借助Ultra 1.0模型，Gemini Advanced在完成复杂任务方面，性能暴涨。
比如，对于编程、逻辑推理、遵循复杂指令，以及参与创意项目的协作，胜任力近乎完美。
除此之外，Gemini Advanced不仅可以开启更长、更详细的对话，还能更好地理解此前提出问题的上下文。
Gemini Advanced能做的，或许并不比Chat GPT差。
增强的性能
在文本、代码、图像、音频和视频评估的综合面板上进行测试时，1.5 Pro 在用于开发大型语言模型 （LLM） 的基准测试中，87% 的表现优于 1.0 Pro。与相同基准测试的 1.0 Ultra 相比，它的性能大致相似。 Gemini 1.5 Pro 即使上下文窗口增加，也能保持高水平的性能。在大海捞针 （NIAH） 评估中，一小段包含特定事实或陈述的文本被故意放置在一长块文本中，1.5 Pro 在长达 100 万个令牌的数据块中 99% 的时间都能找到嵌入的文本。 Gemini 1.5 Pro 还展示了令人印象深刻的“上下文学习”技能，这意味着它可以从长提示中给出的信息中学习新技能，而无需额外的微调。 它可以成为你的个人导师，为你量身订制分布教学、样本测验，或者讨论话题。
面对更复杂的编码难题时，它能助你一臂之力，提供反馈意见，并帮你评估不同的编程方法。
它甚至，可以为那些「数字内容创作者」从构思到实现，通过生成新内容、分析最新趋势，以及寻找增长受众的新方法。 谷歌表示，Gemini Advanced初代版本已展示出强大的AI推理能力，未来还将持续优化。
目前，Gemini Advanced现已在150多个国家和地区提供英语服务，之后会逐步扩展到更多语言。
需要明确的是，Bard的全新升级可以理解为，是一次纯粹的「品牌」重塑，背后的模型本身并未改变。
早在去年12月初，劈柴就宣布了，Bard背后的大模型从Pa LM 2迭代为Gemini。
而这次，谷歌给聊天机器人的更名，更是将微软、Open AI视为强大的竞争对手。
AI助手Gemini装进手机
此外，在手机端侧用上大模型、聊天机器人Gemini，也是谷歌布局中的一步大棋。
同在今天，谷歌为Gemini和Gemini Advanced聊天机器人，分别引入了全新的安卓应用，以及iOS上的谷歌应用。
以后，拿起手机只需呼唤一声「Gemini」。
不论你身处何处，都可以通过通过输入、语音、甚至是图片寻求建议。
比如，出行的半路爆胎，你可以拍一张照片，问问Gemini如何处理棘手的难题。
又或者，你想举办一个晚餐party，却不知如何设计，找Gemini制作个性化图片，定制流程，准没错！
在谷歌看来：
这标志着我们正构建一个真正的AI助手的重要起点 —— 一个既能进行对话、支持多种交互方式又实用的助手。
Gemini安卓版上线
Gemini在安卓手机上也能下载了。
除了这种方式，你还可以选择使用Gemini，替代原来的Google Assistant，成为手机的默认语音助手。
然后你可以通过长按电源键、在手机上滑动屏幕到角落，或者说「hi Google」，激活Gemini。
这将为我们开启一个全新的手机体验，可以轻松访问Gemini，并获得与当前屏幕内容相关的帮助。
举个栗子，随手拍一张小清新风格的照片，然后让Gemini生成描述。
立刻，它生成了多个可用的描述供你选择，「多肉植物和点心」、「桌面静物」、「沙漠气息」.....
此外，通过Gemini应用，你还可以使用许多Google Assistant的语音功能，比如设置计时器、拨打电话和控制智能家居设备等等，
iOS版也来了
在iOS设备上，谷歌将在未来几周通过Google App提供访问。
只需点击Gemini切换按钮，即可开启对话。 论文地址：https://storage.googleapis.com/d ... gemini_1_report.pdf
在完成大规模预训练后，模型还需要通过后训练（post-training），即在已有的预训练模型基础上进一步训练，来拓展自己的能力（比如在编程和多语言处理领域）并增加更多的功能。
指令跟随
对于LLM来说，精准地执行用户的指令是一项基础能力。为此，谷歌采用了一种非常细致的方法来评估模型对每条指令的遵循程度。
具体评价标准有两个：
1. 每条指令的准确率（评估集中遵循的子指令百分比）
2. 完整响应的准确率（评估集中所有子指令都被遵循的指令百分比）
结果如表所示，Gemini Advanced（Ultra）在每条指令的准确率上达到了接近90%的平均水平，相比Gemini和经过后训练的Pa LM 2模型有显著的提升。
不过，Gemini Advanced（Ultra）在完全满足所有指令方面还有进一步的提升空间——准确率只有约54%。 随着Gemini Ultra的正式上线，谷歌也同步更新了Gemini 1.0的技术报告。
多模态视觉
通过多模态后训练，Gemini原生的多模态能力也得到了进一步加强，从而显著提升了模型在各种实用场景中的应用能力。
其中，得益于监督微调（SFT）带来的指令跟随能力的提升，Gemini Vision模型的输出风格也更加贴近标准答案，并且成功地在多个测试集上（如Infographic VQA、AI2 D、VQAv2）实现了性能的提升。 代码
虽然基础模型在编程基准测试中表现得已经非常出色，但后训练数据还是显著提升了代码的质量和正确性。
而这也凸显了高质量示例数据和反馈数据对编程应用的重要性。其中，Gemini采用的是人工和自动生成的混合数据。 Sx S得分显示，Gemini（Pro版本）在使用了更新的后训练策略后，性能显著优于基于Pa LM 2的旧版Bard。而Gemini Advanced（Ultra版本）在此基础上进一步提升了性能。 老牌科技巨头的最后一搏
谷歌如此全力以赴并不奇怪，Open AI、Anthropic、Perplexity等强大的对手，都在虎视眈眈，蚕食着这家老牌科技公司的市场。
去年Gemini发布的测试中，Gemini驱动的Bard性能很强，几乎和GPT-4相当，但速度明显较慢。
现在，谷歌急需证明自己能够跟上行业的步伐。两个难点在于：它既要打造一款引人注目的消费产品，又要试图说服开发者在Gemini上构建应用，而非Open AI的模型。
在谷歌的历史上，集全公司之力押注同一件事的情况，只有寥寥数次。比如，曾经的Google Pllus。
但这一次，谷歌似乎在使出洪荒之力，致力于成为一家AI公司。
万物皆可Gemini，会是谷歌撕开困境，给Open AI猛力一击的开始吗？
| 
关于赚钱
2638 人阅读
|
4 人回复
