12月7日消息，美国当地时间周三，谷歌发布了其新一代人工智能模型Gemini。Gemini反映了谷歌内部多年来在首席执行官桑达尔·皮查伊（SundaR PichAI）的监督和推动下所做的努力。
此前负责ChRoMe和安卓业务的皮查伊是出了名的产品迷。2016年，他在担任首席执行官后的首封年度创始人信函中预测：“我们将从移动优先转向人工智能优先的世界。”从那以后的几年里，皮查伊就开始将人工智能技术逐渐融入到谷歌的所有产品中，从安卓设备一直到云计算。
尽管如此，谷歌最近的风头逐渐被OpenAI抢走，后者于去年推出的DALL-E和GPT-3.5，以及今年推出的GPT-4，主导了整个人工智能行业，并引发了初创公司和科技巨头之间的激烈竞争。
Gemini现在是这场竞争的最新加入者。该系统由谷歌DeepMind领导，这是一个由德米斯·哈萨比斯（DeMis HaSSaBIs）领导的新整合部门。现在，我们已经可以在谷歌聊天机器人BaRd中体验Gemini，它将在2024年整合到谷歌的产品线中。
在Gemini发布前夕，《麻省理工学院技术评论》杂志在谷歌位于加州山景城的办公室采访了皮查伊，讨论了该模型对谷歌、其产品、人工智能和整个社会的意义。
问：为什么Gemini如此令人兴奋？你能告诉我你对人工智能的总体看法吗？它的力量，它的用处，它在你们所有产品中的发展方向？
皮查伊：Gemini令人兴奋的一个特别之处在于，它从一开始就是一个原生的多模式模型。就像人类一样，它不仅仅是在文本上学习，还可以通过视频、音频和代码学习。因此，这个模型天生就能力更强，我认为这将帮助我们梳理出更新的功能，并为该领域的进步做出贡献。这太令人兴奋了。
另一个让人觉得兴奋的地方是，Gemini在32个主要基准测试中，有30个都是表现最好的，尤其是在多模式基准测试中。在MMLU（大规模多任务语言理解）测试中，它显示了更大的进步。我个人认为，作为领先基准之一的MMLU，Gemini突破了90%的门槛，这是一个重大的里程碑。两年前的水平是30%，随后是40%。由此可以看出，这个领域取得了多大的进步。在57项测试中，Gemini的表现在89%的时候相当于人类专家。这是第一个跨越这个门槛的模型。
我也感到很兴奋，因为Gemini终于进入了我们的产品。它将对开发者开放。这是一个平台。人工智能是一个深刻的平台变革，比网络或移动变革更大。因此，从那一刻起，这对我们来说代表着迈出了一大步。
问：让我们从这些基准开始。Gemini似乎在几乎所有测试方面都领先于GPT-4，但并不是遥遥领先。而GPT-4似乎是一个很大的飞跃。我们是否开始在这些大语言模型技术所能做到的事情上趋于停滞，或者你认为我们将继续拥有巨大的增长空间？
皮查伊：首先，展望未来，我们确实看到了很大的增长空间。有些基准已经很高了。你必须意识到，当你试图从85%开始突破的时候，你已经处于曲线的边缘。虽然看起来不是很多，但那的确代表正在取得进展。我们还需要更新的基准测试，这也是我们研究MMLU多模式基准的部分原因。对于其中一些新的基准，目前的技术水平仍然要低得多，未来还有很大进步空间。比例定律仍然有效：当我们把模型做大的时候，就会有更多的进展。当我把它放在整体上看时，我真的觉得我们才刚刚开始。
问：我很感兴趣的是你认为Gemini的关键突破是什么，以及它们将被如何应用？
皮查伊：人们很难想象将会发生什么样的飞跃。我们正在提供应用程序开发接口（API），人们会以非常深刻的方式去体验它。我认为多模式基准将大有发展。随着我们教会这些模型更多地进行推理，将会有越来越大的突破，而且更深层次的突破还在后头。
解决这个问题的一种方法是Gemini Pro，它在基准测试中表现非常好。但当我们把它放进BaRd时，我可以作为一个用户感受到这一点。我们一直在测试它，所有类别的好评率都有相当大的提升。为此，我们称它为我们迄今最大的升级之一。当我们同时进行并行评估时，它确实显示出了优异的表现。所以你让这些更好的模型在基准上得到改进，它会取得进步。我们会继续训练，然后继续学习。
但我迫不及待地想把Gemini应用到我们的产品中。这些模型功能非常强大。在接下来的几个月里，真正设计产品体验以利用所有模型所拥有的东西将是令人兴奋的。
问：Gemini几乎在所有方面都胜过GPT-4，但只是领先了一点点？我想知道你们从GPT-4的发布中学到了什么？你学到了什么？在这段时间内，哪些方法发生了变化？
皮查伊：至少在我看来，这与零和游戏相去甚远。想想看，向人工智能的转变是多么深刻，我们还处于早期阶段，前方的世界充满机会。
但对于你的具体问题，这是一个我们都在快速进步的领域。我们发表了很多文章，看看像GPT-4这样的模型在现实世界中是如何工作的。我们从中吸取了教训。安全是一个重要的领域。所以在Gemini项目中，我们已经学习并改进了一些安全技术，这些技术是基于模型在现实世界中的运作方式改进的。它表明了微调等各种事情的重要性。我们在Med-PaLM 2中展示的一件事是，采用一个像PaLM这样的模型，对它进行微调，以适应特定的领域，显示它可以胜过最先进的模型。这就是我们学习微调力量的一种方式。
当我们研究Gemini的时候，这其中的很多经验都被用到了。我们花更多时间研发Gemini UltRa（更先进的Gemini将于明年上市）的部分原因是为了确保我们对其进行了严格的安全测试。但我们也在对它进行微调，以真正梳理它的功能。
问：当你看到这些模型被发布出来，人们开始在现实世界中测试它们时，发现它们会产生幻觉，或者会透露某些模型训练的私人数据。我想知道，考虑到其所使用的数据，如果这是不可避免的，那么这在技术中有多少是固有的。如果这是不可避免的，你会尝试做哪些事情来限制它？
皮查伊：你是对的。这些都是活跃的研究领域。事实上，我们刚刚发表了一篇论文，展示了这些模型如何通过一系列提示来泄漏训练数据。幻觉还不是一个可以解决的问题，但我认为我们都在取得进展，只是还有更多的工作要做。我们需要克服一些基本的限制。举个例子，如果你用Gemini UltRa，我们正在积极地将这些模型与外部第三方合作，他们是这些方面的专家。
在多模式等领域，我们想要更大胆，我们想要负起责任。我们将更加小心多模式模型的推出，因为错误用例的可能性更高。但你是对的，它仍然是一项正在开发中的技术，它们不会对所有事情都有意义，在搜索中，我们会更加小心地考虑如何使用它，何时使用，在哪里使用，以及何时触发它。它们有很多惊人的能力，但也有明显的缺点。这是摆在我们所有人面前需要解决的艰巨挑战。
但未来的人工智能系统可能与我们今天拥有的不一样，这就像有人认为你不可能把电脑装进口袋一样。同样地，看着这些系统，说你无法再设计出更好的系统，我不同意这种观点。已经有许多研究探索正在进行中，思考如何解决这些问题。
问：你认为人工智能将带来深刻的变革。在最近的一些转变中，比如向移动设备的转变，它并不一定会提高生产率，这在很长一段时间内，生产率一直保持未变。还有一种观点甚至认为，它甚至可能加剧了收入不平等。谷歌正在做什么样的工作来确保这种转变对社会更有益?
皮查伊：这是个非常重要的问题。我从几个层面上思考这个问题。在谷歌，我们一直关注的一件事是：我们如何让技术尽可能广泛地使用？我认为，即使是在移动领域，我们利用安卓做了很多工作，但仍有数亿人依然无法使用手机。我们正在努力推出一款价格合理的智能手机，价格可能低于50美元。
所以，让人工智能对每个人都有帮助是我考虑的重点。你试着让尽可能多的人接触到你。我认为这是其中的一部分。
我们正在深入思考如何将人工智能应用到对人们有益的用例中。例如，我们早期做洪水预报的原因是因为我们意识到，我们可以探测到模式，并且做得很好。我们用它来翻译100种语言。我们现在确实在尝试用不同的语言提供内容，否则你将无法访问这些内容。
这并不能解决你说的所有问题。但要慎重考虑，何时何地你将专注于解决什么样的问题。以AlphaFold这样的领域为例。我们为世界各地的病毒提供了一个开放的数据库。但是，谁会最先使用它？人工智能不会神奇地让某些更困难的问题变得更好，比如不平等，还是它可能会加剧这种情况？
重要的是，你要确保每个人都能使用技术。你在早期开发它，让人们接触到它，参与到对话中，这样社会就可以帮助测试它，并适应它。
在这项技术上，我们肯定比其他公司参与得更早。你知道，最近我们参加了英国人工智能安全论坛，并在美国与国会和政府合作，我们正在尝试建立更多的公私合作伙伴关系，更早地吸引非营利机构和学术机构参与进来。至于对就业等领域的影响，还需要深入研究，但我确实认为会有惊喜。
我可以举很多例子来说明手机带来的好处，我认为人工智能技术也是如此。我们已经在糖尿病视网膜病变等领域展示了这一点，毕竟世界上许多地方没有足够的医生来检测这种疾病。就像我觉得让世界各地的人们都能使用谷歌搜索一样，我认为这是扩大人工智能使用范围的一种方式。
问：有些事情显然会帮助人们更有效率。编程就是一个很好的例子。然而，这项技术的普及正在威胁就业。即使你不能为社会提供所有的答案，一家公司也可以推出一款能够改变世界并产生深远影响的产品。
皮查伊：我们从未提供面部识别API，但其他人开发了API，技术正在向前发展。因此，它并非掌握在任何一家公司手中。我认为答案要复杂得多。社会也可能被甩在后面。如果你不采用这些技术，它可能会影响你的经济竞争力。你可能会失去更多的工作
