在人工智能领域，大型语言模型的发展一直备受关注。昨日，谷歌Google公司宣布推出其规模最大、功能最强大的新大型语言模型Gemini。该模型拥有最强大的TPU（张量处理单元）系统“Cloud TPU v5p”以及来自谷歌云的人工智能超级计算机，是谷歌筹备了一年之久的GPT4真正竞品。
在发布会上，谷歌DeepMind首席执行官、Gemini团队代表德米斯·哈萨比斯正面谈及GPT-4与Gemini的对比。他表示，谷歌运行了32个完善的基准测试来比较这两个模型，从广泛的整体测试到比较两个模型生成Python代码的能力，结果发现Gemini在32项基准中的30项中大幅领先。
Gemini模型经过海量数据训练，可以很好识别和理解文本、图像、音频等内容，并可以回答复杂主题相关的问题。因此，非常擅长解释数学和物理等复杂学科的推理任务。此外，Gemini可以生成和理解Python、Java、C++和Go等主流代码，并在多个编码基准测试中表现出色。
除了在语言理解和编码方面的能力，Gemini还具有多模态功能，可以在视觉理解、文本生成等方面表现出非常强的功能。例如，从数十万字的小说中整理出重要观点，从200页的金融报告中找出最有价值的内容。这对于金融、科技、医疗等领域的科研和业务人员来说非常有帮助。
在一段公布的演示视频中，桑达尔・皮查伊展示了Gemini对视频、图像的非同凡响的识别能力。Gemini可以非常自如地在图像、音频、视频各模态之间转换，展现了惊人的解锁应用场景与产品形态的潜力。
目前，Gemini Ultra是第一个在MMLU（大规模多任务语言理解）方面超越人类专家的模型。该模型综合使用数学、物理、历史、法律、医学和伦理学等57个科目来测试世界知识和解决问题的能力。谷歌在一篇博客文章中表示，Gemini Ultra可以理解复杂主题中的细微差别和推理。
对于未来发展，谷歌计划将Gemini授权给客户，供他们在自己的应用程序中使用。从12月13日开始，开发者和企业客户可以通过谷歌AI Studio或谷歌Cloud Vertex AI中的Gemini API（应用程序编程接口）访问Gemini Pro。安卓开发人员可以使用Gemini Nano完成构建。
总之，Gemini作为谷歌最新的大型语言模型，具有强大的功能和灵活的适配能力。通过海量数据训练和多模态功能，它可以回答复杂问题、生成和理解代码以及处理各种类型的数据。这些功能对于金融、科技、医疗等领域的科研和业务人员来说非常有帮助。随着更多用户开始使用Gemini，它有望在各个领域发挥更大的作用。
原创文章，作者：秋秋，如若转载，请注明出处：https://www.kejixun.com/article/603297.html
