电子工程专辑刚刚介绍了《谷歌发布多模态大模型Gemini》，这是谷歌自称强于OpenAI技术的目前最强大的AI，然而据彭博社报道称，Google在关于"双子座"的性能视频演示中作假了。
电子工程专辑在昨日刚刚介绍了《谷歌发布多模态大模型Gemini》，这是谷歌自称强于OpenAI技术的目前最强大的AI，然而据彭博社报道称，Google在关于"双子座"的性能视频演示中作假了。
视频来源：Google Gemini AI演示
这段六分钟的视频展示了 Gemini 的多模态功能（例如，口语对话提示与图像识别相结合）。双子座似乎能快速识别图像（甚至是连线图片），在几秒钟内做出反应，并实时跟踪杯球游戏中的纸团。当然，人类可以做到所有这些，但这是一个能够识别并预测接下来会发生什么的人工智能。
彭博社专栏作家帕米-奥尔森（Parmy Olson）说，Google的"What the AI quack"视频中，Gemini 看起来能力非凡，也许能力太强了。
不过，视频描述中，Google有一个重要的免责声明："为了演示的目的，延迟已经减少，双子座的输出已经缩短，以求简洁"。
这正是奥尔森不满意的地方。根据她在彭博社发表的文章，Google在被要求发表评论时承认，视频演示并不是通过语音提示实时进行的，而是使用了原始镜头中的静止图像帧，然后写出文字提示，让双子座做出回应。奥尔森写道："这与Google似乎在暗示的内容大相径庭：人可以与双子座进行流畅的语音对话，同时双子座会实时观察并回应周围的世界。公平地说，Google公司经常编辑演示视频，尤其是许多公司希望避免现场演示带来的任何技术故障。稍作调整是常有的事。但是，Google在视频演示方面一直存在问题。人们曾怀疑Google的 Duplex 演示（还记得 Duplex 吗？Duplex 是一款人工智能语音助手，可以打电话给发廊和餐馆预订房间。而预先录制的人工智能模型视频往往会让人更加怀疑。"
在这种情况下，奥尔森认为Google是在"作秀"，目的是误导人们，让他们不知道 Gemini 仍然落后于 OpenAI 的 GPT。
不过Google对此并不认同。当被问及演示的真实性时，Google指出了Google DeepMind 研究副总裁兼深度学习负责人 Oriol Vinyals（也是 Gemini 的联合负责人）的一篇文章，其中解释了团队是如何制作视频的。
Vinyals 说："视频中的所有用户提示和输出都是真实的，为了简洁起见进行了缩短。视频展示了使用 Gemini 构建的多模式用户体验。我们制作它是为了激励开发人员。"
他补充说，团队给双子座提供了图片和文本，并要求它预测接下来会发生什么。
其他质疑
1、MMLU测试中，Gemini结果下面灰色小字标称CoT@32，展开来代表使用了思维链提示技巧、尝试了32次选最好结果。而作为对比的GPT-4，却是无提示词技巧、只尝试5次，这个标准下Gemini Ultra其实并不如GPT-4。
2、对于那段精彩视频，也有人从开篇的文字免责声明中发现了问题。机器学习讲师Santiago Valdarrama认为声明可能暗示了展示的是精心挑选的好结果，而且不是实时录制而是剪辑的。后来谷歌在一篇博客文章中解释了多模态交互过程，几乎承认了使用静态图片和多段提示词拼凑，才能达成这样的效果。
Gemini vs ChatGPT，谁是真正的强者？
虽然ChatGPT所用的大语言模型来自谷歌实验室，相当于对于AI来说，谷歌是最早投入，在模型方面，他是鼻祖。然而，AI的成熟度除了模型之外，还需要算力和时间。算力方面，相信谷歌不会输给OpenAI，但是时间方面，OpenAI已经从最初的ChatGPT3.0进化到了4.0，这其中成长了一年的时间，对于快速进化的AI来说，一年是非常非常重要的，而Gemini AI还是刚刚发布。
同时，目前Gemini Pro版本，还只能对标GPT-3.5，对标GPT-4的大杯Gemini Ultra，要明年才出。
此外，Gemini仅支持英文，中文和其他语言也需要明年了。
然而，更多人关心的是，Gemini AI是否一直免费？能否抛弃ChatGPT Plus每月20美元的账单？
这就引发另一个问题，谷歌能否创立一种新的AI商业模式，但是，目前来说，由于AI需要大量的算力投入，成本非常巨大，除非在性能上有了数个数量级的突破，否则人工智能技术依然没法像互联网一样采用免费模式。
您可能感兴趣
