谷歌DeepMind最近发布了名为Gemini的新技术，这一突破性发展将推动自然语言处理领域向前迈进一大步。Gemini被称为是史上最强、最通用的大模型，其性能超越了之前的GPT-4。这一新技术具有令人惊叹的能力，在几乎所有领域中都表现出出色的成果。它将为机器智能带来更大的突破，为我们探索和解决复杂问题带来了新的希望。
作者：王二狗
深夜炸弹！
谷歌 DeepMind 重磅推出了传闻已久的Gemini大模型！
号称是谷歌史上功能最强大、最通用的多模态模型，在很多领先的基准测试中都实现了最先进的性能（SOTA）。
谷歌CEO第一时间发推宣传：
Google DeepMind CEO哈萨比斯和首席科学家Jeff Dean也跟上宣传的队伍：
谷歌表示，Gemini从一开始就被设计为多模态大模型，能够处理文本、代码、音频、图像和视频等信息。
Gemini是谷歌迄今为止构建的最强大、最通用、最灵活的模型，能够在从数据中心到移动设备的所有设备上高效运行。
Gemini 1.0共有Gemini Ultra, Gemini Pro, Gemini Nano三个不同版本：
Gemini Ultra——最大、最强的模型，适用于高度复杂的任务。Gemini Pro——可扩展到各种任务的最佳模型。Gemini Nano——最高效的设备端任务模型。
二狗分析来看，Gemini Ultra像是对标GPT-4，Gemini Pro像是对标ChatGPT。
多项任务性能超越GPT-4
谷歌DeepMind一直在严格测试 Gemini模型并评估它在各种任务上的性能。测试结果表明，Gemini Ultra在自然图像、音频和视频理解到数学推理等大语言模型测试中，在32个基准中的30个上都实现了SOTA(性能上超过了当前最先进的模型)。
同时 Gemini Ultra 也是第一个在 MMLU（大规模多任务语言理解）上超越人类专家的模型，得分高达 90.0%，Gemini Ultra 结合了数学、物理、历史、法律、医学和伦理学等 57 个科目来测试知识和解决问题的能力。
下图显示了Gemini Ultra 在文本、推理、数学和编程等一系列基准测试的结果，几乎每一项都超越了当前最先进的GPT-4模型。
下图显示了Gemini Ultra在图像、视频、音频等一系列多模态基准测试中超越了最先进的GPT-4模型。
下一代功能
而谷歌从一开始就将 Gemini 设计为原生多模态，并针对不同模态进行了预训练，谷歌还使用非常多的多模态数据对其进行微调，进一步完善了Gemini 的多模态能力。Gemini可以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——Gemini 几乎在每个领域都是最先进的。
拥有复杂推理的能力
Gemini 1.0 复杂的多模态推理功能可以很好地理解复杂的书面和视觉信息，从而很容易发现大量数据中难以辨别的知识。谷歌声称Gemini Ultra 无需从图像中提取文本以进行进一步处理的对象字符识别 (OCR) 系统。
比如凭借多模态和复杂的推理能力，Gemini 1.0 可以帮助老师轻松检查学生提交的物理作业。
一位老师画了一个滑雪者从斜坡上下来的物理问题，一位学生提出了一个解决方案来计算滑雪者在斜坡底部的速度。Gemini的多模态推理能力能够读懂学生凌乱的笔迹，正确理解问题的表述，并将问题和解决方案都转换为数学排版，识别出学生在解决问题时出错的具体推理步骤，然后给出问题的正确解决方案。
Gemini 1.0还可以通过阅读、过滤和理解信息从数十万份文档中提取卓越的见解，有助于从科学到金融的许多领域以数字速度实现新的突破。
理解文本、图像、音频
Gemini 1.0 经过训练，可以同时识别和理解文本、图像、音频等，可以更好地理解一些微妙的信息，并可以回答与复杂主题相关的问题。
比如先给Gemini输入两种颜色的毛线和对应组合生成的形象：
然后再给两种新颜色的毛线，让Gemini给一些idea。
Gemini很有创意地给出了鳄梨和兔子图像：
Gemini 1.0 还特别擅长解释数学和物理等复杂学科的推理。
比如给 Gemini 输入一张图，询问它下一个图形有可能是什么形状。
Gemini很好地回答出了是六边形，并给出了推理原因。
更多细节可以观看谷歌发布的60页的技术评测报道：
在Google 产品体验Gemini Pro
从今天开始，Bard 将使用 Gemini Pro 的微调版本来进行更高级的推理、计划、理解等，这是Bard 自推出以来最大的升级。
Bard 将在 170 多个国家和地区提供英语版本，并计划在不久的将来扩展到不同的模式并支持新的语言和地区。
另外，从 12 月 13 日开始，开发者和企业客户可以通过 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 访问 Gemini Pro。
使用TPU训练，打造下一代TPU
今天，谷歌还宣布推出迄今为止最强大、最高效和可扩展的 TPU 系统 Cloud TPU v5p，专为训练尖端 AI 模型而设计。这款下一代TPU将加速Gemini的开发，帮助开发者和企业客户更快地训练大规模生成式AI模型。
图注：Google 数据中心内的一排 Cloud TPU v5p AI 加速器超级计算机
Google DeepMind CEO哈萨比斯公开信
人工智能一直是我一生工作的重点。自从十几岁的时候为电脑游戏编写AI以来，以及作为一名神经科学研究人员试图了解大脑的运作方式以来，我一直相信，如果我们能够建造更智能的机器，我们就可以利用它们以令人难以置信的方式造福人类。这个由AI赋能的世界负责任的承诺继续推动着我们在 Google DeepMind 的工作。长期以来，我们一直希望构建新一代人工智能模型，其灵感来自于人们理解世界和与世界互动的方式。人工智能感觉不太像一个智能软件，而更像是有用且直观的东西——一个专家帮助者或助手。今天，当我们推出 Gemini 时，我们离这一愿景又近了一步，这是我们迄今为止构建的最强大、最通用的模型。Gemini 是整个 Google 团队（包括 Google Research 的同事）大规模协作努力的成果。它是从头开始构建的多模式，这意味着它可以概括和无缝地理解、操作和组合不同类型的信息，包括文本、代码、音频、图像和视频。就在三四天之前，The Information 才爆料，谷歌推迟了原定在下周举行的一系列 Gemini 大模型的发布活动，推迟原因似乎是因为Gemini 无法可靠地处理‘非英语’的任务”。
本以为要明年才能见到 Gemini亮相，看来谷歌还是给人制造了惊喜啊。
Google+DeepMind VS 微软+OpenAI，谁才是AI最强霸主？
让我们拭目以待吧。另外，国内AI也加油崛起啊！
参考资料
[1]https://twitter.com/GoogleDeepMind
[2]https://blog.google/technology/ai/google-gemini-ai/#availability
租！GPU云资源新上线一批A100/A800运营商机房，服务有保障扫码了解详情☝
以上就是谷歌DeepMind发布Gemini：突破GPT-4，打造史上最强最通用大模型！的相关介绍，希望能对你有帮助，如果您还没有找到满意的解决方式，可以往下看看相关文章，有很多谷歌DeepMind发布Gemini：突破GPT-4，打造史上最强最通用大模型！相关的拓展，希望能够找到您想要的答案。
