近日，谷歌公司宣布推出一种名为Gemini的人工智能大模型。据悉，该模型拥有万亿参数，训练使用算力是GPT-4的5倍，首次在MMLU（大规模多任务语言理解）测评上超过人类专家，在32个多模态基准中取得30个SOTA（当前最优效果），几乎全方位超越GPT-4。

Gemini针对不同应用创建了3个版本，分别是基础版Nano、中档版Pro和最高版Ultra。

▲Gemini三个版本

Nano可在使用特殊芯片的移动终端设备上运行，无需使用云端服务器，可将生成AI引入安卓手机。Nano分为两类：一类拥有18亿参数，适用普通性能手机；另一类适用于高性能手机，拥有32.5亿个参数。Gemini Pro是用于跨范围任务的可扩展模型。Ultra用于高度复杂任务，其安全测试工作仍在进行中，计划将于2024年推出。

目前，大多数模型都通过训练单独模块，然后将其拼接在一起来完成多模态任务，不足之处在于无法在多模态空间进行深层复杂推理。而Gemini最大亮点之一就是原生多模态大模型，具有处理不同形式数据的能力，可以泛化并理解、操作和组合不同类型的信息，包括文本、代码、音频、图像和视频。基于其原生多模态的优势，谷歌已在研究如何将Gemini与机器人技术相结合，与世界进行物理交互。

▲Gemini根据视频输入生成代码

谷歌使用自主设计的Tensor Processing Unit（TPU）v4和v5e，在针对AI优化的基础设施上大规模训练了Gemini 1.0，在TPU上，Gemini的运行速度明显快于早期较小和功能较弱的模型。

为提高安全性，谷歌构建了专用安全分类器来识别、标记和筛选涉及暴力或负面内容，与过滤器结合使用。此外，谷歌正在持续解决AI大模型的现存挑战，如事实性、依据性、归属性等问题。