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。

Image description
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。

以下为专访内容：

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，前方的世界充满机遇。

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。

我认为正确的答案是负责任地部署技术，并取得进步，思考它可能造成更严重伤害的领域，并努力减轻它。同时，也将会出现新的工作类型。如果你看一下过去的五六十年，麻省理工学院的经济学家们的研究表明，大多数新创造的就业机会都是在自那以后出现的新领域。

将会有新的工作机会出现，会有更好的工作，人们将会被从一些重复性的工作中解放出来，你可以更有创造性地表达自己。你可以是医生，可以是放射科医生，也可以是程序员。你花在日常任务上的时间与深度思考的时间，所有这些都可以改变，让工作变得更有意义。还有些工作岗位可能会被取代。那么，作为一个社会，你如何再培训，重新培训人们，创造机会？

问：去年，人们在看待人工智能的方式上出现了哲学分歧。你可以支持安全第一，或者商业用例优先，你可以支持加速论者，也可以是末日论者。你所处的位置是，你必须把所有这些哲学联系起来，把它们结合起来。我想知道，你个人是如何看待谷歌把这些兴趣联系起来的，毕竟谷歌将成为这个领域的领导者，进入一个新世界。

皮查伊：我是一个技术乐观主义者。基于我的个人生活，我一直对人和人性抱有信念。所以，总的来说，我认为人类将利用技术为自己造福。所以我一直是个乐观主义者。你说得对，像人工智能这样强大的技术有二元性。

这意味着，有时我们会大胆地向前迈进，因为我认为我们可以推动最先进的技术。例如，如果人工智能可以帮助我们解决癌症或气候变化等问题，你会想尽一切办法让它快速发展。但你肯定需要社会制定框架来适应，无论是深度造假还是取代工作等等。这将成为一个前沿领域，与气候变化没有什么不同。这将是我们所有人在未来十年努力解决的最大问题之一。

问：另一个悬而未决的问题是围绕人工智能的法律法规。有关于合理使用的问题，有关于能否保护版权的问题。对于知识产权来说，这似乎将是一件大事。你如何告诉那些使用你产品的人，让他们有一种安全感，他们所做的事情不会让他们被起诉?

皮查伊：并不是所有的问题都有简单的答案。在人工智能出现之前，当我们开发搜索、YouTube等产品时，我们一直在努力实现正确的价值交换。人工智能也是如此。我们肯定会专注于确保我们可以根据法律允许的数据进行培训，让人们有机会选择退出。还有一个层面是关于什么是合理使用。为原创内容的创造者创造价值是很重要的，这些都是重要的领域。互联网就是一个例子，或者当电子商务开始时：你如何在电子商务和常规商务之间划清界限？

随着时间的推移，会有新的法律框架出现，这就是我对这个领域发展的看法。但与此同时，我们将努力遵守法律，并确保我们今天也与许多内容提供商保持深厚的关系。有一些领域存在争议，但我们正在努力解决这些问题。我们必须创造一个双赢的生态系统，让所有这些都能长期发挥作用。

问：当下人们对网络的担忧很多集中于搜索的未来。当你有一种技术可以根据网络上的信息为你回答问题时，有人就会担心人们可能不再需要访问这些网站了。这似乎也会对谷歌产生影响。我想知道你是否在考虑你自己的生意？

皮查伊：我们在搜索方面的一个独特价值主张是，我们帮助用户发现和学习新事物，并找到答案，但始终着眼于与他们分享网络上存在的丰富、多样性观点。这也是我们开发产品的一个重要原则。我不认为人们在搜索时总会说：“帮我回答就好了。”也许有一两个问题是你想要的，但即使你回来了，你会学到更多，甚至在这个过程中，你会走得更深入。我们总是想要确保我们做的是正确的，我认为这一点不会改变。重要的是我们要保持平衡。

同样，如果你深入地传递价值，你所传递的东西就会有商业价值。从台式机到移动设备，我们都有类似的问题，这对我们来说并不新鲜。基于我们所看到的一切以及用户对高质量广告的反应，我感到很放心。YouTube就是一个很好的例子，我们开发了订阅模式。这也很有效。

问：当这些产品开始真正进入市场并开始互动时，你认为明年人们的体验会发生怎样的变化？

皮查伊：我想从现在开始的未来一年，任何开始使用Google Docs的人都会期待一些不同的东西。如果你把它给他们，然后把它们放回到我们在2022年拥有的Google Docs版本中，他们会发现其已经过时了。这就像，对我的孩子来说，如果Google Docs没有拼写检查，他们基本上会认为它出问题了。我们可能还记得在拼写检查之前使用这些产品是什么感觉。但与其他公司相比，我们在搜索中融入了如此多的人工智能，人们已经认为这些自动功能是理所当然的。这是我多年来学到的一件事，让他们认为这是理所当然的。

就人们可以做的事情而言，随着我们开发多模式能力，人们将能够以一种他们以前无法做到的方式完成更复杂的任务。而且将会有真正的用例，它们的功能要强大得多。
来源：网易科技