編譯 | 香草
編輯 | 李水青

谷歌“復仇者聯盟”要面向OpenAI全軍(jun)出擊了！

智東西8月(yue)16日消息，據The Information獨家報(bao)道，谷歌(ge)于4月(yue)新(xin)合并的(de)AI SWAT團隊(dui)正(zheng)在(zai)為秋季大(da)型發(fa)布(bu)會做準備，將發(fa)布(bu)代號為Gemini的(de)大(da)模型，反擊OpenAI的(de)GPT-4。

多位開發人員爆料了(le)Gemini的(de)(de)跨模(mo)態文本(ben)生成圖(tu)(tu)像能力，及圖(tu)(tu)表分析、文字或(huo)語音指令(ling)等(deng)多種功(gong)能，并稱其有望為聊(liao)天(tian)機器人Bard等(deng)其他(ta)業務提(ti)供動力，從而與GPT-4的(de)(de)系(xi)列應用形成對壘。

背后，為了(le)該項目冰釋前嫌的DeepMind和谷歌大腦，也被(bei)傳出在代碼合(he)并、軟件使(shi)用(yong)及遠程辦(ban)公政策等方面(mian)面(mian)臨各種“聯姻”帶來的次(ci)生問題，一些項目磨(mo)合(he)的細(xi)節也被(bei)曝出。

谷歌的(de)“復(fu)仇者聯盟”版(ban)圖(tu)已經逐漸完(wan)整。The Information首(shou)次明(ming)確了該(gai)團隊(dui)中(zhong)的(de)小(xiao)組分工及各小(xiao)組主管，如下(xia)表(biao)格所(suo)示，來(lai)自兩個(ge)團隊(dui)的(de)26位主管的(de)信(xin)息(xi)被(bei)搜(sou)集梳理了出(chu)來(lai)。

▲Gemini各小組分工及領導人（圖源：The Information）

一、Gemini具備多模態能力，基于YouTube內容訓練

今年4月(yue)，Alphabet首席執行官桑達爾·皮查伊（Sundar Pichai）采取了一項不同(tong)尋常的(de)舉措：將兩個擁有(you)不同(tong)文(wen)化(hua)和(he)代(dai)碼的(de)大(da)型(xing)AI團隊，谷歌(ge)大(da)腦和(he)DeepMind合并，以迎頭(tou)趕(gan)上OpenAI和(he)其(qi)他(ta)競爭對手。（AGI復仇者(zhe)聯盟！谷(gu)歌大腦與DeepMind官宣合體）

現在，對這一(yi)努力(li)的(de)考驗(yan)即將到來(lai)。該公司有史以來(lai)投入最大(da)(da)的(de)產品之(zhi)一(yi)——大(da)(da)型機器(qi)學(xue)習模(mo)型Gemini即將在今年(nian)秋天發布(bu)。開發人(ren)士稱，Gemini不僅會配備(bei)類似GPT-4的(de)文(wen)本生成能力(li)，還結合了文(wen)本生成圖像的(de)能力(li)，類似于AI圖像生成器(qi)Midjourney和Stable Diffusion，有望使谷歌(ge)在打造產品方面的(de)能力(li)勝過其競爭對手。

谷歌員工還(huan)談到了Gemini的(de)一(yi)些其他(ta)功能，如分析圖表、創建帶有文(wen)字描述的(de)圖形(xing)，及使(shi)用文(wen)字或語音指(zhi)令控制軟件。

谷歌希望通過(guo)(guo)Gemini為多(duo)個服(fu)務(wu)提供動(dong)力，包括與ChatGPT對標的(de)Bard聊天機器人，以(yi)及Google Docs和Slides等企(qi)業(ye)應用(yong)(yong)。盈利(li)方面(mian)，谷歌計劃通過(guo)(guo)谷歌云（Google Cloud）服(fu)務(wu)器租用(yong)(yong)部門(men)，向應用(yong)(yong)程序開(kai)發者收(shou)取Gemini的(de)使(shi)用(yong)(yong)費。

“這將(jiang)是有模型能與(yu)GPT-4旗(qi)鼓相當的(de)第一(yi)個跡象。”彭(peng)博社風投(tou)分(fen)支(zhi)Bloomberg Beta的(de)AI初(chu)創(chuang)企業投(tou)資人詹姆斯(si)·查姆（James Cham）談道，“我認為，在過去的(de)九(jiu)個月中，也許每個人都在問：什么時候(hou)才(cai)會有人看起來(lai)能趕上(shang)OpenAI？”

據The Information于6月(yue)14日的報道，谷歌在大量的YouTube視頻轉錄語料(liao)上對(dui)Gemini進行訓練，同時也可以(yi)將視頻和音頻集(ji)成到Gemini中(zhong)，使(shi)其具備目(mu)前被認為是(shi)AI下一個前沿領域的多模態能力。

例如，通過YouTube視頻訓練出(chu)的模型可以(yi)輔(fu)助工程師(shi)根(gen)(gen)據視頻診斷汽車維修問題，也可以(yi)根(gen)(gen)據用(yong)戶想創建(jian)的網站或應用(yong)程序的草圖來(lai)生(sheng)成軟件代碼(ma)。OpenAI已經預(yu)告了(le)這種(zhong)功能，但尚未(wei)推(tui)出(chu)。

▲通過YouTube視頻來訓練機器學習模(mo)型(xing)（圖源：Shutterstock）

使用YouTube內容進行訓練還能幫助谷(gu)歌開發(fa)更為先進的文本視頻軟件，可以根據用戶想看的內容描述(shu)自動生成詳細的視頻。好萊(lai)塢和內容創作者正在密切(qie)關注這(zhe)類軟件的發(fa)展(zhan)。

二、DeepMind放棄原有項目，與谷歌大腦合研Gemini

谷歌大腦于2011年成(cheng)立(li)，旨在利用AI改進谷歌搜索結果(guo)、廣告定位和(he)Gmail輔助完成(cheng)郵件等功能。DeepMind則(ze)于2014年被谷歌收購，此后一直(zhi)獨立(li)運營。

2022年11月，OpenAI發(fa)布了ChatGPT，幾周內(nei)用戶數量激增至數千萬，幾個(ge)月內(nei)營(ying)收(shou)達到(dao)數億美元。與此同時，谷(gu)歌正面臨著一系列離職潮(chao)。其多名研究(jiu)人員(yuan)流失到(dao)OpenAI，并在ChatGPT的開發(fa)過(guo)程中發(fa)揮了重(zhong)要作用。

在合并(bing)之前(qian)，谷歌(ge)大(da)腦(nao)和DeepMind也曾分別開(kai)(kai)發了(le)(le)針對ChatGPT的(de)項(xiang)目。谷歌(ge)大(da)腦(nao)在今年3月(yue)利用現有模(mo)型(xing)推出了(le)(le)Bard，但被一些用戶批評只(zhi)是對ChatGPT的(de)有限模(mo)仿；DeepMind開(kai)(kai)展了(le)(le)一個代號為(wei)Goodall的(de)項(xiang)目，利用一種名為(wei)Chipmunk的(de)未公開(kai)(kai)模(mo)型(xing)的(de)變(bian)體來開(kai)(kai)發ChatGPT的(de)對手(shou)。最終，DeepMind停止了(le)(le)這項(xiang)工作(zuo)，轉而與谷歌(ge)大(da)腦(nao)合作(zuo)開(kai)(kai)發Gemini，盡管這兩個AI團隊之間存在著長期的(de)競(jing)爭關系。

合并后的谷歌(ge)DeepMind由DeepMind聯合創始人戴密(mi)斯(si)·哈薩比斯(si)（Demis Hassabis）擔任CEO。知情人士稱，DeepMind的兩位(wei)高(gao)管奧里奧爾(er)·維尼亞爾(er)斯(si)（Oriol Vinyals）和科(ke)拉伊·卡(ka)夫丘格魯（Koray Kavukcuoglu）將與曾領導過谷歌(ge)大腦的資深高(gao)管杰夫·迪恩（Jeff Dean）一起(qi)負責Gemini。

▲谷歌DeepMind首席(xi)執行官戴密(mi)斯(si)·哈薩比斯(si)在(zai)紐約（圖源：蓋蒂圖片社）

三、“聯姻”弊端：代碼合并、軟件使用、遠程辦公政策等爭議多

兩個部(bu)門合并(bing)后，如何平衡從合并(bing)代碼到確定遠程工作政策等各(ge)個方面(mian)成為重要的問題(ti)。與DeepMind相比(bi)，谷歌大腦在遠程工作方面(mian)要寬(kuan)松得多(duo)。

在開發(fa)過程(cheng)中，工程(cheng)師(shi)們是使(shi)用谷歌的軟(ruan)件，還(huan)是使(shi)用DeepMind的軟(ruan)件也引發(fa)爭議，因為(wei)這兩個部(bu)門(men)擁有(you)完全獨立(li)的代碼庫。

該項目最終的(de)(de)決定(ding)是，在(zai)模型開發(fa)的(de)(de)早(zao)期預訓練階段(duan)，使用(yong)谷歌大腦用(yong)于訓練機器學習模型的(de)(de)軟(ruan)件(jian)(jian)Pax；在(zai)后期階段(duan)，使用(yong)DeepMind開發(fa)模型的(de)(de)軟(ruan)件(jian)(jian)Core Model Strike。參與該項目的(de)(de)人(ren)士說，這一(yi)決定(ding)安撫(fu)了每個小組的(de)(de)研究人(ren)員(yuan)，但也惹惱(nao)了一(yi)部(bu)分人(ren)，因為他(ta)們不(bu)想使用(yong)不(bu)熟悉的(de)(de)軟(ruan)件(jian)(jian)。

除了機構合(he)并(bing)，該團(tuan)隊(dui)在發展過(guo)程(cheng)上也(ye)一直面(mian)臨著諸多挑戰，包括如何確定可以在哪些(xie)數據上對模型(xing)進行訓練(lian)等。

谷歌(ge)的律師(shi)一直在密切評(ping)估訓練(lian)。據稱(cheng)，他們(men)讓研(yan)究(jiu)人(ren)員刪除(chu)了來自(zi)教科書(shu)的訓練(lian)數(shu)據，因為(wei)擔心會涉(she)及侵權。

開發人員稱，谷歌(ge)聯合創始人謝爾蓋·布林（Sergey Brin）一直在(zai)對模型進行(xing)評估，并協助模型的(de)培訓。在(zai)團隊發現Gemini被(bei)訓練(lian)成具有潛在(zai)攻(gong)擊性的(de)模型后，布林也(ye)參(can)與了重新訓練(lian)模型的(de)技術決策(ce)。

谷歌發言人對此不予置評。

四、Gemini團隊數百人，由二十多位主管共同管理

谷歌大腦和DeepMind公司的(de)前主管共(gong)同管理(li)監督Gemini的(de)大部(bu)分小組，已(yi)曝光的(de)圖表(biao)中(zhong)共(gong)26位主管。The Information首次(ci)明確了他們在此項目(mu)中(zhong)的(de)角色。

▲Gemini各小組分(fen)工(gong)及(ji)領導人（圖(tu)源：The Information）

表中三(san)位(wei)團隊(dui)總體(ti)(ti)主管(guan)有(you)兩位(wei)來(lai)自(zi)DeepMind。科拉伊·卡夫丘格魯（Koray Kavukcuoglu）自(zi)2012年起便(bian)在DeepMind就(jiu)職，目(mu)前(qian)擔(dan)任(ren)谷(gu)(gu)歌(ge)(ge)DeepMind研究(jiu)(jiu)與(yu)技術副(fu)總裁，奧里奧爾(er)·維尼亞爾(er)斯（Oriol Vinyals）則(ze)擔(dan)任(ren)研究(jiu)(jiu)與(yu)深度學(xue)習(xi)副(fu)總裁。另一位(wei)總體(ti)(ti)主管(guan)杰夫·迪(di)恩（Jeff Dean）來(lai)自(zi)谷(gu)(gu)歌(ge)(ge)大腦，自(zi)1999年起便(bian)在谷(gu)(gu)歌(ge)(ge)就(jiu)職，目(mu)前(qian)擔(dan)任(ren)谷(gu)(gu)歌(ge)(ge)DeepMind和(he)谷(gu)(gu)歌(ge)(ge)研究(jiu)(jiu)院首席科學(xue)家。

Gemini將團隊劃(hua)分(fen)為約十個(ge)小組，分(fen)別負責預訓(xun)練、數據、基礎設施、模型微調、模型評估(gu)、代碼庫、多模態、強化學習、工具使(shi)用(yong)以(yi)及人(ren)工標注數據。

詹姆(mu)斯·莫洛伊(yi)（James Molloy）和湯姆(mu)·亨尼根（Tom Hennigan）都曾(ceng)在(zai)DeepMind工(gong)(gong)作(zuo)過(guo)，與谷歌(ge)高級(ji)研究(jiu)員保(bao)羅·巴勒(le)姆(mu)（Paul Barham）等一(yi)起負責基(ji)礎設施(shi)建設。蒂莫西·利利克拉普(pu)（Timothy Lillicrap）曾(ceng)參與DeepMind國際(ji)象棋和圍棋相關(guan)系(xi)統的(de)工(gong)(gong)作(zuo)，他(ta)和谷歌(ge)大腦研究(jiu)員艾米麗·皮特(te)勒(le)（Emily Pitler）負責管理(li)一(yi)個小組，該小組的(de)工(gong)(gong)作(zuo)重(zhong)點是賦(fu)予大型(xing)語言模(mo)型(xing)（LLM）處(chu)理(li)數(shu)學或網絡搜(sou)索等專業任務的(de)能力。

結語：谷歌計劃通過Gemini來趕超OpenAI

谷歌或將(jiang)于秋季發(fa)布會(hui)推出Gemini，這是其(qi)用來挑戰OpenAI目(mu)前(qian)在(zai)AI領域(yu)地位的重要舉(ju)措。The Information披(pi)露(lu)了該(gai)項(xiang)目(mu)最新的進展，包(bao)括其(qi)多(duo)模態能力、訓練數據等，且(qie)首次明確了該(gai)團隊的小組分工及主管。

Gemini項目的合并(bing)過程并(bing)不容易(yi)，涉(she)及到(dao)兩個獨立團隊的磨合。谷(gu)歌既(ji)要推出新(xin)技(ji)術，又不能削弱(ruo)其核(he)心搜索業(ye)務(wu)，且必須控制訓練Gemini可(ke)能產(chan)生的巨(ju)額服(fu)務(wu)器(qi)成本。Gemini的表現將會如何，讓我們期待谷(gu)歌的秋(qiu)季發(fa)布會。

來源：The Information