首页 > 业界 > 关键词  > Gemini最新资讯  > 正文

谷歌推出其人工智能模型 Gemini,迎合 AI 商业化的压力

2023-12-07 08:47 · 稿源:站长之家

站长之家(ChinaZ.com) 12 月 7 日消息:谷歌在当地时间周三宣布推出其认为是迄今为止规模最大、能力最强的人工智能模型 Gemini,以回应公司如何盈利化 AI 的迫切问题。

谷歌大模型Gemini

这个大型语言模型 Gemini 包括三种不同规模的套件:最大最强大的 Gemini Ultra;适用于广泛任务的 Gemini Pro;以及专用于特定任务和移动设备的 Gemini Nano

目前,该公司计划通过谷歌云将 Gemini 授权给客户,供他们在自己的应用程序中使用。从 12 月 13 日起,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。安卓开发者也将能够使用 Gemini Nano 进行构建。Gemini 还将用于驱动谷歌产品,如其 Bard 聊天机器人和尝试以对话式文本回答搜索查询的搜索生成体验(SGE),后者尚未广泛推出。

公司和企业可以使用 Gemini 进行更先进的客户服务互动,如聊天机器人和产品推荐,以及识别公司想要宣传产品的趋势。Gemini 还可以用于内容创作,如果公司想要创建营销活动或博客内容,以及希望总结会议或为开发者生成代码的生产力应用程序。

该公司给出的例子包括让 Gemini 获取图表的截图,并分析数百页研究,然后更新该图表。另一个例子是分析一个人的数学家庭作业照片,并识别正确答案和指出错误答案。

Gemini Ultra 是首个在 MMLU(大规模多任务语言理解)上胜过人类专家的模型,MMLU 使用 57 个科目的组合,如数学、物理、历史、法律、医学和伦理,测试世界知识和解决问题的能力。据该公司在周三的博客文章中表示,它能够理解复杂主题中的细微差别和推理。

「Gemini 是谷歌团队间大规模合作努力的结果,包括我们在谷歌研究的同事,」皮查伊在周三的博客文章中写道。「它从头开始构建,是多模态的,这意味着它可以泛化,并无缝理解、操作和结合不同类型的信息,包括文本、代码、音频、图像和视频。」

从今天开始,谷歌的聊天机器人 Bard 将使用 Gemini Pro 来帮助进行高级推理、计划、理解和其他能力。明年初,它将推出使用 Gemini Ultra 的「Bard Advanced」,这将是 Bard 更新的最大一次,它类似于 OpenAI 的 ChatGPT 聊天机器人。

这次更新是在谷歌首次推出 Bard 和 OpenAI 在 GPT-3.5 上推出 ChatGPT 一年后进行的。今年 3 月,由 Sam Altman 领导的初创公司推出了 GPT-4。高管们周二表示,Gemini Pro 在性能上超过了 GPT-3.5,但对于与 GPT-4 的比较避而不谈。

然而,据谷歌周三发布的一份白皮书显示,Gemini 的 Ultra 模型在一些基准测试中超过了 GPT-4。

当被问及谷歌是否计划对「Bard Advanced」的访问收费时,谷歌 Bard 的总经理 Sissie Hsiao 表示,公司专注于创造良好的体验,目前还没有任何盈利细节。

在新闻发布会上,当被问及 Gemini 与当前一代 LLM 相比是否有任何新颖功能时,谷歌 DeepMind 的产品副总裁 Eli Collins 回答说:「我怀疑它确实有」,但他们仍在努力了解 Gemini Ultra 的新颖功能。

据报道,谷歌推迟了 Gemini 的发布,因为它还没准备好,这让人回想起该公司年初推出其 AI 工具时的混乱局面。

多名记者询问了关于延迟的问题,对此 Collins 回答说,测试更先进的模型需要更长的时间。Collins 表示,Gemini 是该公司构建的经过最严格测试的 AI 模型,并且是谷歌任何模型中「最全面的安全评估」

Collins 说,尽管 Gemini Ultra 是其最大的模型,但提供服务的成本显著降低。他说:「它不仅能力更强,而且更高效。我们仍然需要大量计算来训练 Gemini,但我们在训练这些模型方面变得更加高效。」

Collins 表示,该公司将在周三发布一份关于该模型的技术白皮书,但他表示不会公布参数数量。今年早些时候,CNBC 发现谷歌的 PaLM 2 大型语言模型,当时的最新 AI 模型,其训练用的文本数据量是前一代 LLM 的近五倍。

同样在周三,谷歌还推出了其下一代用于训练 AI 模型的张量处理单元。Salesforce 和初创公司 Lightricks 已开始使用的 TPU v5p 芯片,其性能价格比优于 2021 年宣布的 TPU v4,但谷歌没有提供与市场领导者 Nvidia 相比的性能信息。

这一芯片发布是在云计算竞争对手亚马逊和微软展示针对 AI 的定制芯片几周后进行的。

在 10 月的谷歌第三季度财报电话会议上,投资者向高管们提出了更多关于谷歌如何将 AI 转化为实际利润的问题。

今年 8 月,谷歌推出了一个名为「搜索生成体验」(SGE)的「早期实验」,该实验让用户看到在使用搜索引擎时生成式 AI 体验是什么样的——搜索仍然是该公司的主要盈利中心。其结果更具对话性,反映了聊天机器人时代的特点。然而,它仍被视为实验,并尚未向公众推出。

自从 5 月公司在其年度开发者大会 Google I/O 上首次宣布该实验以来,投资者一直在询问 SGE 的时间表。Gemini 周三的公告几乎没有提及 SGE,高管们对其向公众推出的计划含糊其辞,称 Gemini 将「在明年」并入其中。

皮查伊在周三的博客文章中表示:「这个模型驱动的新时代代表了我们作为一家公司所做出的最大的科学和工程努力之一。」「我对未来以及 Gemini 将为世界各地的人们带来的机会感到由衷的兴奋。」

举报

  • 相关推荐
  • 大家在看
  • Tonic Textual:安全数据湖,为生成式AI开发提供数据

    Tonic Textual 是全球首个为大型语言模型(LLMs)设计的Secure Data Lakehouse。它通过自动化流程,帮助企业从云存储中提取、治理、丰富和部署非结构化数据,以支持生成式AI的发展。该产品强调数据隐私保护,利用其专有的命名实体识别(NER)模型自动检测和去标识化敏感信息,同时通过数据合成保持数据的语义真实性。它支持多种数据格式,并通过AWS Marketplace、Google Cloud Marketplace和Snowflake Marketplace提供服务。

  • Outtloud:AI语音助手,将文档转换为自然语音

    Outtloud是一款AI语音助手,可以将用户文档或文本转换成自然流畅的高保真AI语音。它支持超过10种语言和口音,提供100多种AI高级人声。用户可以以高达4倍的速度听书,节省阅读时间,同时在驾驶、通勤、锻炼等任何时间任何地点进行学习。它还具备添加笔记和书签的功能,支持在焦点模式下高亮显示正在播放的段落,以便用户跟随阅读。

  • llama3v:基于llama3 8B的SOTA视觉模型

    llama3v是一个基于Llama3 8B和siglip-so400m的SOTA(State of the Art,即最先进技术)视觉模型。它是一个开源的VLLM(视觉语言多模态学习模型),在Huggingface上提供模型权重,支持快速本地推理,并发布了推理代码。该模型结合了图像识别和文本生成,通过添加投影层将图像特征映射到LLaMA嵌入空间,以提高模型对图像的理解能力。

  • Open LLM Leaderboard:开放的大型语言模型排行榜

    Open LLM Leaderboard是一个由Hugging Face提供的空间,旨在展示和比较各种大型语言模型的性能。它为开发者、研究人员和企业提供了一个平台,可以查看不同模型在特定任务上的表现,从而帮助用户选择最适合自己需求的模型。

  • OpenCompass Multi-modal Leaderboard:实时更新的多模态模型性能排行榜

    OpenCompass多模态排行榜是一个实时更新的平台,用于评估和排名不同的多模态模型(VLMs)。它通过8个多模态基准测试来计算模型的平均得分,并提供详细的性能数据。该平台仅包含开源的VLMs或公开可用的APIs,旨在帮助研究人员和开发者了解当前多模态模型的最新进展和性能表现。

  • I2VEdit:一种基于图像到视频扩散模型的视频编辑技术

    I2VEdit是一种创新的视频编辑技术,通过预训练的图像到视频模型,将单一帧的编辑扩展到整个视频。这项技术能够适应性地保持源视频的视觉和运动完整性,并有效处理全局编辑、局部编辑以及适度的形状变化,这是现有方法所不能实现的。I2VEdit的核心包括两个主要过程:粗略运动提取和外观细化,通过粗粒度注意力匹配进行精确调整。此外,还引入了跳过间隔策略,以减轻多个视频片段自动回归生成过程中的质量下降。实验结果表明,I2VEdit在细粒度视频编辑方面的优越性能,证明了其能够产生高质量、时间一致的输出。

  • Samba-1 Turbo:高效能的AI模型选择与应用平台

    Samba-1 Turbo是一个提供AI模型选择和应用的平台,它允许开发者通过免费的开发者推理服务来试用、比较和评估Samba-1中各种专家模型。此外,平台还提供一些构建在Samba-1之上的演示业务应用程序,以及开源语言专家SambaLingo。Samba-1 Turbo旨在为开发者提供强大的工具,以简化AI模型的集成和应用过程。

  • StreamV2V:实时视频到视频翻译的扩散模型

    StreamV2V是一个扩散模型,它通过用户提示实现了实时的视频到视频(V2V)翻译。与传统的批处理方法不同,StreamV2V采用流式处理方式,能够处理无限帧的视频。它的核心是维护一个特征库,该库存储了过去帧的信息。对于新进来的帧,StreamV2V通过扩展自注意力和直接特征融合技术,将相似的过去特征直接融合到输出中。特征库通过合并存储的和新的特征不断更新,保持紧凑且信息丰富。StreamV2V以其适应性和效率脱颖而出,无需微调即可与图像扩散模型无缝集成。

  • OpenCompass 2.0 Large Language Model Leaderboard:大型语言模型排行榜,实时评估模型性能。

    OpenCompass 2.0是一个专注于大型语言模型性能评估的平台。它使用多个闭源数据集进行多维度评估,为模型提供整体平均分和专业技能分数。该平台通过实时更新排行榜,帮助开发者和研究人员了解不同模型在语言、知识、推理、数学和编程等方面的性能表现。

  • 甲骨文AI协同平台:数字化甲骨文研究与共享平台

    甲骨文AI协同平台是一个专注于甲骨文研究的数字化平台,集成了甲骨文全信息著录库、甲骨文总字表、数字工具箱等资源,通过AI技术辅助甲骨文的释读、研究和教育传播。平台汇聚了众多博物馆、专家学者以及社会各界人士的共同努力,旨在推动甲骨文研究的深入发展和甲骨文化的传承。

  • Cantor:创新的多模态链式思维框架,提升视觉推理能力

    Cantor是一个多模态链式思维(CoT)框架,它通过感知决策架构,将视觉上下文获取与逻辑推理相结合,解决复杂的视觉推理任务。Cantor首先作为一个决策生成器,整合视觉输入来分析图像和问题,确保与实际情境更紧密的对齐。此外,Cantor利用大型语言模型(MLLMs)的高级认知功能,作为多面专家,推导出更高层次的信息,增强CoT生成过程。Cantor在两个复杂的视觉推理数据集上进行了广泛的实验,证明了所提出框架的有效性,无需微调或真实理由,就显著提高了多模态CoT性能。

  • SuperCLUE:领先的AI评测基准,衡量和比较AI模型性能。

    SuperCLUE是一个用于评估和比较大型语言模型性能的在线平台。它提供了多种任务和排行榜,旨在为AI研究者和开发者提供一个标准化的测试环境。SuperCLUE支持各种AI应用场景,包括数学推理、代码生成、超长文本处理等,能够帮助用户准确评估模型在不同任务上的表现和能力。

  • Berkeley Function-Calling Leaderboard:评估大型语言模型调用函数能力的排行榜

    Berkeley Function-Calling Leaderboard(伯克利函数调用排行榜)是一个专门用来评估大型语言模型(LLMs)准确调用函数(或工具)能力的在线平台。该排行榜基于真实世界数据,定期更新,提供了一个衡量和比较不同模型在特定编程任务上表现的基准。它对于开发者、研究人员以及对AI编程能力有兴趣的用户来说是一个宝贵的资源。

  • OpenAI & other LLM API Pricing Calculator:AI项目成本计算器,比较不同AI模型的成本。

    OpenAI和其他大型语言模型(LLM)API的成本计算器,帮助企业和开发者评估和比较不同AI模型在项目中的成本。该工具提供了包括OpenAI、Azure、Anthropic、Llama 3、Google Gemini、Mistral和Cohere等在内的多个模型的价格计算。它基于输入的token数、输出的token数和API调用次数来计算成本。

  • Clay Filter AI:将您的角色照片转换成粘土动画风格的图像

    粘土 AI 是一款 AI 工具,可以将照片转换成粘土动画风格的图像。通过分析面部特征,生成逼真的效果,提供灵活的编辑功能。价格定位为免费使用。使用比较简单,上传你的照片并提交,稍等10-20 秒可以获得粘土动画风格的图像。

  • TopMixLabs:在线AI视频动画生成工具

    TopMixLabs 是一个 AI 动画制作工具,通过上传图片,用户可以轻松地将图像转换为专业级动画,适用于各种规模的企业,提升品牌形象。使用简单,只需要4张照片,上传稍等10 -20分钟左右,即可以生成高质量的动画,生成的动画支持下载mp4格式,而且在平台上创建的动画用于个人和商业目的。

  • StartKit.AI:快速搭建AI创业项目

    StartKit.AI是一个旨在帮助开发者快速构建AI项目的在线平台。它提供了一个包含所有所需功能来发布SaaS产品的AI样板,无需AI经验即可使用。该平台由James和Danielle开发,他们拥有超过10年的SaaS产品开发经验,并成功运营着AI产品Ellie。StartKit.AI集成了30多个模块和超过8000行代码,提供了先进的AI特性,如聊天、图像、文本、语音、翻译和内容审核等。此外,它还包括了OpenAI的所有功能,并支持创建自己的ChatGPT克隆体。产品定位于帮助开发者快速启动AI项目,保持技术领先,并支持通过Stripe进行产品变现。

  • Cressi:AI驱动的个性化购物助手

    Cressi是一个由AI驱动的个性化购物助手,旨在通过分析用户的搜索历史、兴趣、联系人和日历等信息,提供定制化的购物建议。Cressi不仅能够理解用户的偏好,而且能够随着用户生活方式的变化而不断进化,提供真正人性化的购物体验。Cressi致力于使购物更加个性化、高客户满意度,并减少浪费,以实现更有意义和可持续的购物方式。

  • Decks:一款专业的笔记应用,助你快速掌握任何学科

    Decks是一款专为学习设计的应用,它通过创新的笔记方式帮助用户更快地掌握知识。用户可以免费开始使用,并在14天后选择月度或年度订阅。Decks提供每月8美元或每年79美元的订阅选项。

  • AutoPilotI18n:AI驱动的国际化工具 简化i18n流程。

    AutoPilotI18n 是一款利用 AI 技术提供精确翻译的国际化工具,可自动化翻译任务,简化 i18n 流程。其主要优点在于精确翻译、多框架支持、高效工作流程,适用于 React、Vue、Angular 等。AutoPilotI18n 定价透明,提供免费和付费版本。

今日大家都在搜的词: