財經 | 商業趨勢
Google Gemini測試狂贏GPT-4,實際用起來多像在跟真人互動?功能一次看
- Google宣布推出全新大型語言模型「Gemini」,執行長皮采宣稱在32項評測中,有30項贏過OpenAI的GPT-4模型。
- Gemini擁有「多模態」能力,能理解並推理文字、圖片、聲音、影片、程式碼等多種型態內容。
- Gemini共推出3種版本:Ultra、Pro、Nano,最大可到雲端大型資料中心,最小可以在手機使用。
科技巨頭公司在生成式AI領域打得難分難捨,現在Google又出招了。Google於台灣時間6號晚間宣布推出全新大型語言模型「Gemini」,號稱目前市面上最強大的通用模型。Google執行長皮采(Sundar Pichai)更在部落格文章中劍指OpenAI的最強模型GPT-4,指出最高階的Gemini Ultra在32項AI測試中,有30項的評分贏過GPT-4的測試分數,宣示意味濃厚。
Gemini厲害在哪?Gemini Ultra、Gemini Pro、Gemini Nano差別是什麼?
Gemini強大之處在於「多模態」能力,能理解並推理文字、圖片、聲音、影片、程式碼等多種型態內容。並推出3種版本,可以靈活部署在不同場景。最大可到雲端大型資料中心,最小可以在手機使用,像是Pixel 8 Pro手機將可以支援Gemini應用。
Gemini的3種規模
- 最大:Gemini Ultra,適用高度複雜任務,在2024年初會推出給企業和開發者使用。
- 中等:Gemini Pro,靈活通用的模型,12/13會讓開發者和企業客戶在Vertex AI和AI Studio等平台中使用。
- 最小:Gemini Nano,高效率且可以部署在手機等終端裝置的模型,12/6起可以提供給安卓開發者申請使用,建立Gemini為基礎的裝置用應用程式。
Gemini號稱大勝GPT-4!一支影片感受Gemini有多驚人
Google並未公開Gemini的訓練參數量,但Gemini Ultra在32項基準測試中,有30項都勝過OpenAI用1.8兆參數訓練出的GPT-4模型,估計參數量可能達到相近規模。
Google特別加強訓練Gemini的理解力、總結能力、程式能力、計畫能力等面向,更擁有多模態能力,無論文字、圖片、語音、影片、程式等內容都能理解,並隨時能轉換交互生成。
Google在媒體說明會中秀出示範影片,展現Gemini的力量,為了感受Gemini的反應速度,測試人員是讓Gemini實時看著自己的動作回答問題:
第一步: 測試人員一邊畫圖,一邊詢問Gemini畫的內容,Gemini迅速回答這是一隻鴨子,並形容它的筆觸、色彩和身上的特徵,展現基礎的影像辨識能力。
第二步: 測試人員突然從畫面外拿出一隻實體的鴨子洗澡玩具,問它「你確定嗎?」Gemini馬上回答:「噢,我現在看到你拿著一隻實體的藍色鴨子。」展現辨識材質、物體的能力和反應速度。
第三步: 測試人員詢問Gemini,這個鴨子玩具是否可以浮在水上,Gemini回答:「我不太確定他的材質,所以難以判斷,但它看起來確實很像是塑膠做的。」接著測試人員讓Gemini看到擠壓玩具並發出聲音的樣子,Gemini立刻改口說:「如果它會發出聲音,那我確定他一定會浮起來。」證明Gemini能夠透過聲音和畫面判斷鴨子裡面有空氣,以及含有空氣的玩具能浮在水面上的原理。
Google宣布Gemini採用Google自研晶片TPU訓練,並推出全新的TPU v5p,專門為AI訓練所設計。v5p的算力是上一代的2倍,訓練大型語言模型的速度是過去的2.8倍,除了Google自己發展更加速,未來也能幫助客戶用最低延遲訓練AI模型。
Bard也「升等」,2種版本依序上線
Google用來和ChatGPT、Copilot等競爭對手抗衡的聊天機器人Bard,也將跟著Gemini一起「升等」。
- 即日起推出Gemini Pro調校版本Bard,提升理解力、計畫力、邏輯力。
- 2024年初會推出「Bard Advance」進階版,用最強大的Gemini Ultra調校。
Gemini Pro版本Bard
即日起升級的Bard是由Gemini Pro調校,先推出英文版,在超過170個國家地區上線,未來會逐步解鎖其他語言的版本。
Gemini Pro是中等且應用場景最廣泛的模型,和GPT-3.5對標,Google指出Gemini Pro在8項基準中有6項都贏過GPT-3.5,其中包含多模態理解力和數學邏輯推理能力等測試。
Google和知名科學YouTuber Mark Rober合作測試Bard能力。
1.計畫能力:
折出3個不同材質的紙飛機,並拍下紙飛機的照片給Bard看,請Bard幫忙計畫如何測試紙飛機的飛行能力。Bard提議進行瞄準靶心的測試、紙面穿透力測試等多種方法,分別測試材質的硬度和風阻程度。
2.邏輯推理能力:
下一步請Bard協助精進這架紙飛機的能力,Bard馬上列出幾項待改善的清單,包括翅膀太小、紙張太薄、尾翼太短等,並寫出原理。
3.創造力:
詢問Bard該怎麼用最吸睛的方式測試紙飛機能力,讓YouTube影片變得更精彩,Bard提議一連串的現場設備,更建議可以「讓紙飛機飛越火圈」,讓Mark Rober成功完成影片片尾的精彩畫面。
Gemini Ultra版本的「Bard Advanced」
Google將於2024年初上線「Bard Advanced」,藉由強大的多模態模型Gemini Ultra調校。這個版本原定會在年底上線。不過Google指出正在做更多安全性功能測試,將等到完善的階段才會開放使用。
另外,規模最小的Gemini Nano讓Pixel手機能解鎖更強大的AI模型應用,Pixel 8 Pro將成為第一款支援的手機,可解鎖2大AI功能:
AI功能1:錄音工具摘要
可一鍵完成會議、訪談等錄音工具內容摘要,上述功能即便在離線的情況也能使用。
AI功能2:Gboard智慧回覆
開發人員預覽版的Gboard可啟動智慧回覆功能。AI能根據收到的訊息給予回覆建議,節省使用者打字時間,目前率先支援Whatsapp,並計劃於2024年起支援更多App。
在雲端龍頭亞馬遜AWS發出「世界上沒有最強模型」的宣言後,Google推出號稱「世界最強模型」應戰,並透過模型大小的彈性,卡位手機等終端應用開發市場,同時強調通用型能力,力求在生成式AI領域進入更多的使用場景。
*本文出自《數位時代》,原文標題:Google最強模型Gemini,30項測試打贏GPT-4!Pixel 8 Pro搶先解鎖2大AI功能
延伸閱讀:
Gemini其實不是要幹掉ChatGPT!Google兵分三路想做什麼?
「一個詞」讓ChatGPT吐出原始資料!AI模型為何能在無形間出賣你?
責任編輯:陳瑋鴻
核稿編輯:倪旻勤
《數位時代》是台灣最具影響力的科技財經媒體,長期聚焦於全球、台灣與中國等地最新的科技、網路、創業、數位行銷等議題的最新趨勢,更引領台灣社會對「新商業」的關注與討論。