[Google] DeepMind Gemini：新一代LLM结合AlphaGo技术将力压 GPT-4｜未来 AI 领域的新巨头

关注

原创 2023-08-17 14:02:58 1.4k 阅读 AI 写同款· GEO 优化 ›

AGI发展路径解析：从大语言模型到通用人工智能的技术挑战与未来展望通用人工智能（AGI）作为人工智能领域的终极目标，指的是具备人类水平通用认知能力的系统。其技术原理在于构建能够跨领域学习、推理和迁移知识的智能体，而非局限于特定任务的狭义人工智能。从技术价值看，AGI的实现将彻底重塑生产力，推动科学研究、自动化决策和社会治理的范式变革。当前以大语言模型（LLM）为代表的技术虽在多模态理解和工具调用上取得进展，但仍面临物理常识缺失、推理脆弱性等核心挑战。在应用场景上，AGI的演进需经历从数字任务智能体到具身智能、再到具备持续学习能力的通用系统等多个里程碑。本文结合行业对AGI 阅读详情

2016年，Google DeepMind 人工智能实验室孕育出的 AlphaGo 人工智能程序在围棋赛场上一举击败冠军选手，成为历史的见证者。如今，DeepMind 联合创始人兼首席执行官 Demis Hassabis 表示，他们的工程师正借鉴 AlphaGo 的技术研发一款名为 Gemini 的人工智能系统，其实力将超越 OpenAI 的 ChatGPT 背后的系统。

1、Google DeepMind Gemini 是什么？

Google DeepMind Gemini 是一款巨型人工智能语言模型，专注于文本处理。它类似于OpenAI的GPT-4，并且正在开发中。Gemini的目标是将AlphaGo中的技术与语言模型相结合。

AlphaGo 是 DeepMind 开发的一个人工智能程序，它在围棋游戏中击败了人类围棋高手。AlphaGo依托DeepMind首创的强化学习技术，该技术让软件通过反复尝试并接收关于表现的反馈来学习解决棘手问题，从而做出行动决策。它还运用了一种名为树搜索的方法来探索和记忆棋盘上可能的动作。

与AlphaGo类似，Gemini 将使用算法的深度学习和强化学习技术来解决复杂问题。Gemini的开发团队希望将AlphaGo中的强化学习和树搜索技术应用于语言模型中，从而为系统添加新功能，例如规划和问题解决。

尽管Gemini仍在开发阶段，但开发团队对其前景非常乐观。Demis Hassabis表示，他们的团队正将这一技术与AlphaGo中所运用的技术相结合，旨在为系统赋予诸如规划或解决问题等新功能。从宏观层面上看，Gemini 融合了 AlphaGo 类系统的诸多优势以及大型模型令人叹为观止的语言能力。

Gemini的目标是在气候变化、医疗保健、航空、食品和农业等领域中提供解决方案。它将通过处理文本数据来提高这些领域中的效率和准确性。Gemini的开发费用可能达到数千万甚至数亿美元。

在Google开发者大会上首次曝光的Gemini伴随着一系列新的人工智能项目亮相。开发团队对Gemini的前景非常看好，并且表示还有许多令人兴奋的创新。究竟哪个模型更强大，时间将给出答案。

2、Google何时发布 DeepMind Gemini？

Google DeepMind 最受期待的基础模型 Gemini 预计将于下个月某个时间推出。Demis Hassabis最近声称，DeepMind 的工程师正在为 Gemini 使用 AlphaGo 的技术，Gemini 将成为其在人工智能竞赛中的挑战者，并在Google I/O 活动期间受到嘲笑。Hassabis 声称 Gemini 将比 OpenAI 的 GPT-4 更强大。

一旦 Gemini 研发完成，它将在Google应对 ChatGPT 和其他生成型人工智能技术构成的竞争威胁方面发挥关键作用。尽管这家搜索巨头开创了许多使近期涌现的新型人工智能想法成为可能的技术，但在基于这些想法的产品开发和部署方面选择了谨慎路线。

自 ChatGPT 首次亮相以来，Google迅速推出了自家聊天机器人 Bard，并将生成式人工智能应用于其搜索引擎和众多其他产品。为了加强人工智能研究，该公司于 4 月份将 Demis Hassabis 的 DeepMind 部门与Google的主要人工智能实验室 Brain 合并，创建了 Google DeepMind。

3、Gemini 相较于 GPT 的优势究竟何在？

从 Reddit、Twitter 和 Elon Musk 等社交媒体上的讨论来看，特斯拉首席执行官或许真的会继续收购 Reddit。有趣的是，马斯克计划打造一个基于 Twitter 数据的“觉醒 ChatGPT”竞争对手，这个对手很可能还会包含来自 Reddit 的数据。这一点看似合理，因为 Reddit 的首席执行官 Steve Huffman 一直在赞扬马斯克在处理 Twitter 遇到的问题时的管理方式。

尽管如此，Google DeepMind 拥有其他人没有的东西 —— YouTube。虽然 Twitter 上充斥着文本数据，但 YouTube 则是几乎地球上所有语言的视觉、音频和文本数据的宝库。此外，YouTube 上的视频不仅仅是像 Twitter 或 Instagram 上的表情包或短视频，还包括教程、讲座和播客等内容。

如果Google DeepMind 声称 Gemini 将具有多模态功能，那么它可能实际上已经拥有了目前最好的理解和生成模型。对 DeepMind 来说，从 YouTube 获取数据实际上是它所能期望的最佳选择——多模态、多语言和多地区。此外，由于 DeepMind 总部位于伦敦，它实际上受到了欧盟严格的 AI 监管法规的限制。现在，由于重新成为美国Google公司的一部分，它实际上可以从母公司所受到的法律保护中受益。有趣的是，Google的隐私政策明确表示，即使用户拥有版权，Google也有权将视频用于其目的。

另一方面，尽管 OpenAI 一直声称Google的 Bard 是基于 ChatGPT 数据进行训练的，但也有指控称 OpenAI 也利用其 Whisper 模型通过将音频转换为文本来训练 YouTube 数据。现在局势对 OpenAI 不利。