編譯 | 香草
編輯 | 李水青

谷(gu)歌(ge)“復仇者(zhe)聯盟”要面向(xiang)OpenAI全軍出擊了！

智東西8月16日消(xiao)息，據(ju)The Information獨家報道，谷歌于4月新合并的(de)AI SWAT團隊(dui)正在為秋季大型(xing)發(fa)布會(hui)做準備，將發(fa)布代號為Gemini的(de)大模(mo)型(xing)，反擊OpenAI的(de)GPT-4。

多位開發人員(yuan)爆料了(le)Gemini的(de)跨(kua)模態文本生成圖像能力，及圖表(biao)分析、文字或(huo)語音指令等多種(zhong)功能，并(bing)稱其有(you)望為聊天機器人Bard等其他業(ye)務提供動(dong)力，從而與(yu)GPT-4的(de)系列應用(yong)形成對壘。

背后，為了該項目(mu)(mu)冰釋前嫌(xian)的(de)DeepMind和(he)谷歌大腦，也(ye)被傳出在代碼合并、軟件使用及(ji)遠程辦公政策等方面面臨各種“聯姻”帶來的(de)次(ci)生問題，一些項目(mu)(mu)磨(mo)合的(de)細(xi)節也(ye)被曝出。

谷歌(ge)的(de)“復(fu)仇者聯盟”版圖已經(jing)逐(zhu)漸完(wan)整。The Information首次明確(que)了該團隊中(zhong)的(de)小組分工及各小組主管，如下(xia)表(biao)格所示，來(lai)自兩(liang)個團隊的(de)26位主管的(de)信息被(bei)搜(sou)集梳理了出來(lai)。

▲Gemini各小組分工(gong)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，Alphabet首席(xi)執行官桑達爾·皮查伊（Sundar Pichai）采取了一項不同尋常的舉措：將兩個(ge)擁有不同文(wen)化和代碼(ma)的大型AI團(tuan)隊(dui)，谷歌大腦和DeepMind合并(bing)，以迎頭(tou)趕(gan)上OpenAI和其他競爭對手。（AGI復(fu)仇(chou)者(zhe)聯(lian)盟！谷(gu)歌大(da)腦(nao)與DeepMind官宣合(he)體）

現(xian)在，對(dui)這一努力(li)的(de)考驗即將(jiang)到來。該公司有(you)史以來投入最(zui)大的(de)產(chan)品之(zhi)一——大型(xing)機(ji)器(qi)學習模型(xing)Gemini即將(jiang)在今年秋天發布。開發人士稱，Gemini不(bu)僅會(hui)配備(bei)類(lei)(lei)似(si)GPT-4的(de)文本生成能(neng)力(li)，還結合(he)了文本生成圖(tu)像(xiang)的(de)能(neng)力(li)，類(lei)(lei)似(si)于AI圖(tu)像(xiang)生成器(qi)Midjourney和Stable Diffusion，有(you)望使(shi)谷歌在打造產(chan)品方面(mian)的(de)能(neng)力(li)勝(sheng)過其(qi)競爭(zheng)對(dui)手。

谷歌員工還談到了Gemini的一些(xie)其他功能，如分析圖表(biao)、創建帶(dai)有文字描述的圖形(xing)，及使用文字或語(yu)音指令控制軟件。

谷歌希望通過(guo)Gemini為多個(ge)服(fu)務提供(gong)動力，包括(kuo)與ChatGPT對標的Bard聊天機(ji)器人，以及(ji)Google Docs和(he)Slides等企業應用(yong)。盈利方面，谷歌計劃通過(guo)谷歌云（Google Cloud）服(fu)務器租(zu)用(yong)部門，向應用(yong)程序開發者收取Gemini的使用(yong)費(fei)。

“這(zhe)將是有(you)模(mo)型能與GPT-4旗鼓相當的(de)第一個跡(ji)象(xiang)。”彭博(bo)社風投(tou)分(fen)支Bloomberg Beta的(de)AI初創企業投(tou)資(zi)人(ren)詹姆斯·查姆（James Cham）談(tan)道，“我認為(wei)，在過去的(de)九個月中(zhong)，也(ye)許每(mei)個人(ren)都在問：什么時候才會(hui)有(you)人(ren)看起來能趕上OpenAI？”

據(ju)The Information于(yu)6月14日的報道，谷歌(ge)在大量的YouTube視頻轉(zhuan)錄語料上對(dui)Gemini進(jin)行(xing)訓練，同時也可以將視頻和音頻集成(cheng)到(dao)Gemini中，使其具備目前被認為(wei)是AI下(xia)一個前沿領域的多模態能力。

例(li)如，通(tong)過YouTube視頻訓(xun)練(lian)出的模型可(ke)以輔(fu)助工程師(shi)根據(ju)視頻診(zhen)斷汽車維修(xiu)問題，也可(ke)以根據(ju)用戶想創建的網(wang)站或應(ying)用程序(xu)的草圖來(lai)生成軟件代碼。OpenAI已經預(yu)告了這種功能(neng)，但尚未(wei)推出。

▲通過YouTube視頻來訓練機器(qi)學習模型（圖(tu)源：Shutterstock）

使(shi)用YouTube內(nei)容進(jin)行訓(xun)練還能幫(bang)助谷(gu)歌開發更為先進(jin)的(de)文本(ben)視頻(pin)軟(ruan)件(jian)，可以根據用戶想看的(de)內(nei)容描述自動生成詳(xiang)細的(de)視頻(pin)。好萊塢和(he)內(nei)容創作者正在密(mi)切關(guan)注這類軟(ruan)件(jian)的(de)發展。

二、DeepMind放棄原有項目，與谷歌大腦合研Gemini

谷歌大腦于2011年成立，旨(zhi)在利用(yong)AI改進谷歌搜索結(jie)果、廣(guang)告定位和Gmail輔助完成郵件等(deng)功(gong)能(neng)。DeepMind則于2014年被谷歌收購(gou)，此后一直獨立運(yun)營。

2022年11月，OpenAI發(fa)(fa)布了(le)ChatGPT，幾周內用(yong)戶數(shu)量激增至數(shu)千萬，幾個月內營收達(da)到數(shu)億美元(yuan)。與此同時，谷歌正面臨著一(yi)系列離職(zhi)潮。其(qi)多(duo)名研究人(ren)員流失(shi)到OpenAI，并在ChatGPT的開(kai)發(fa)(fa)過程(cheng)中發(fa)(fa)揮了(le)重要作用(yong)。

在合(he)并之(zhi)(zhi)前，谷(gu)歌(ge)大(da)(da)腦(nao)和DeepMind也(ye)曾分別開(kai)發了(le)(le)針對(dui)ChatGPT的(de)項(xiang)目。谷(gu)歌(ge)大(da)(da)腦(nao)在今年3月(yue)利用(yong)(yong)現有模型(xing)推(tui)出了(le)(le)Bard，但被(bei)一(yi)些用(yong)(yong)戶(hu)批(pi)評只(zhi)是對(dui)ChatGPT的(de)有限模仿；DeepMind開(kai)展了(le)(le)一(yi)個代號為Goodall的(de)項(xiang)目，利用(yong)(yong)一(yi)種名為Chipmunk的(de)未公開(kai)模型(xing)的(de)變(bian)體(ti)來(lai)開(kai)發ChatGPT的(de)對(dui)手。最(zui)終(zhong)，DeepMind停止了(le)(le)這項(xiang)工作，轉而與谷(gu)歌(ge)大(da)(da)腦(nao)合(he)作開(kai)發Gemini，盡管(guan)這兩(liang)個AI團隊之(zhi)(zhi)間存在著長期的(de)競爭關系(xi)。

合并后的(de)(de)谷(gu)歌DeepMind由DeepMind聯合創(chuang)始(shi)人(ren)戴(dai)密斯(si)·哈薩(sa)比斯(si)（Demis Hassabis）擔任CEO。知情人(ren)士稱(cheng)，DeepMind的(de)(de)兩位高管奧里奧爾·維尼亞(ya)爾斯(si)（Oriol Vinyals）和科拉(la)伊·卡夫丘格(ge)魯（Koray Kavukcuoglu）將與曾領導過谷(gu)歌大(da)腦的(de)(de)資深高管杰(jie)夫·迪恩（Jeff Dean）一起負責Gemini。

▲谷歌DeepMind首席執行官戴密斯(si)·哈(ha)薩比(bi)斯(si)在紐約（圖(tu)源：蓋蒂圖(tu)片(pian)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(ge)部門合并后(hou)，如何平衡從合并代碼(ma)到(dao)確(que)定遠(yuan)程工(gong)作政策等各個(ge)方(fang)面(mian)成為重要的問題。與DeepMind相比，谷歌大腦在遠(yuan)程工(gong)作方(fang)面(mian)要寬松得多。

在開發過程中，工程師(shi)們(men)是使用谷歌的(de)(de)軟(ruan)件(jian)，還是使用DeepMind的(de)(de)軟(ruan)件(jian)也引發爭(zheng)議(yi)，因為(wei)這(zhe)兩個部門擁有完(wan)全獨立的(de)(de)代(dai)碼(ma)庫。

該項目最終的決(jue)定是，在(zai)模型開(kai)發的早期預(yu)訓練(lian)階段，使用(yong)(yong)谷(gu)歌大腦用(yong)(yong)于(yu)訓練(lian)機器學習模型的軟(ruan)件Pax；在(zai)后期階段，使用(yong)(yong)DeepMind開(kai)發模型的軟(ruan)件Core Model Strike。參與該項目的人士說，這一決(jue)定安撫了每個小組的研究人員，但也惹惱了一部(bu)分人，因為他(ta)們不想使用(yong)(yong)不熟悉的軟(ruan)件。

除了機(ji)構(gou)合并，該團隊在(zai)發展過程(cheng)上(shang)也(ye)一直面臨(lin)著(zhu)諸多挑(tiao)戰，包括如何(he)確(que)定(ding)可(ke)以在(zai)哪些數據(ju)上(shang)對模型進(jin)行(xing)訓練(lian)等。

谷歌的(de)律師一直在密切評估訓(xun)練(lian)。據(ju)稱，他們讓研(yan)究人員刪除(chu)了來自教科書(shu)的(de)訓(xun)練(lian)數據(ju)，因為擔心會(hui)涉及(ji)侵權。

開發人員稱，谷(gu)歌聯合創始人謝爾蓋·布林(lin)（Sergey Brin）一直(zhi)在(zai)對(dui)模型(xing)進行(xing)評(ping)估，并協(xie)助模型(xing)的(de)培訓。在(zai)團(tuan)隊發現Gemini被訓練成具(ju)有潛在(zai)攻擊性的(de)模型(xing)后，布林(lin)也參與了重(zhong)新訓練模型(xing)的(de)技術決策。

谷歌發言人對此(ci)不予(yu)置評。

四、Gemini團隊數百人，由二十多位主管共同管理

谷(gu)歌大腦(nao)和DeepMind公(gong)司的(de)前主(zhu)管(guan)共(gong)同管(guan)理監督Gemini的(de)大部分小組，已(yi)曝光的(de)圖表中共(gong)26位主(zhu)管(guan)。The Information首次明確(que)了他們在此項目中的(de)角(jiao)色。

▲Gemini各小組分工及(ji)領導(dao)人(ren)（圖源：The Information）

表中三位團(tuan)隊總(zong)體主管有兩位來自(zi)(zi)DeepMind。科拉伊(yi)·卡夫(fu)丘格(ge)魯（Koray Kavukcuoglu）自(zi)(zi)2012年起便在(zai)DeepMind就職(zhi)，目前擔任(ren)谷(gu)歌(ge)(ge)DeepMind研究(jiu)與技術副(fu)總(zong)裁(cai)，奧(ao)里奧(ao)爾·維(wei)尼亞爾斯（Oriol Vinyals）則擔任(ren)研究(jiu)與深度學(xue)習副(fu)總(zong)裁(cai)。另(ling)一位總(zong)體主管杰夫(fu)·迪(di)恩（Jeff Dean）來自(zi)(zi)谷(gu)歌(ge)(ge)大(da)腦，自(zi)(zi)1999年起便在(zai)谷(gu)歌(ge)(ge)就職(zhi)，目前擔任(ren)谷(gu)歌(ge)(ge)DeepMind和谷(gu)歌(ge)(ge)研究(jiu)院首席(xi)科學(xue)家。

Gemini將團(tuan)隊劃(hua)分為約十個小組，分別負責預訓練(lian)、數據、基礎設施(shi)、模型微調(diao)、模型評(ping)估、代碼(ma)庫、多(duo)模態、強(qiang)化(hua)學(xue)習、工(gong)具使用以及人工(gong)標注數據。

詹姆(mu)斯·莫洛(luo)伊（James Molloy）和湯姆(mu)·亨尼根（Tom Hennigan）都(dou)曾在DeepMind工作過(guo)，與(yu)谷(gu)歌高(gao)級研究員保羅·巴勒姆(mu)（Paul Barham）等(deng)一起負責(ze)基礎設(she)施建設(she)。蒂莫西·利利克拉普（Timothy Lillicrap）曾參(can)與(yu)DeepMind國際象棋(qi)和圍棋(qi)相關系統的工作，他和谷(gu)歌大腦研究員艾米麗·皮特(te)勒（Emily Pitler）負責(ze)管(guan)理一個小(xiao)(xiao)組，該小(xiao)(xiao)組的工作重點是賦予大型語言(yan)模型（LLM）處理數學或網絡搜索(suo)等(deng)專業任(ren)務(wu)的能力。

結語：谷歌計劃通過Gemini來趕超OpenAI

谷歌或將(jiang)于秋(qiu)季發布(bu)會推出Gemini，這是(shi)其(qi)用來挑戰OpenAI目(mu)前在(zai)AI領(ling)域地位的重要(yao)舉措。The Information披露了該(gai)項目(mu)最新的進展，包括其(qi)多模態能力、訓(xun)練數據等，且首次明確了該(gai)團隊的小(xiao)組分工及(ji)主(zhu)管。

Gemini項目的(de)合并過程并不容易，涉及到兩個獨立團隊的(de)磨(mo)合。谷歌(ge)(ge)既要推(tui)出新技(ji)術，又不能削(xue)弱其(qi)核心(xin)搜索業務，且必須(xu)控制訓練Gemini可能產生的(de)巨額服務器成本(ben)。Gemini的(de)表現將會(hui)如何，讓我們期待(dai)谷歌(ge)(ge)的(de)秋季發布會(hui)。

來(lai)源(yuan)：The Information