科技巨頭公司在生成式 AI 領域打得難分難捨，現在 Google 又出招了。Google 於台灣時間 6 號晚間宣布推出全新大型語言模型「Gemini」，號稱目前市面上最強大的通用模型，Google 執行長皮蔡（Sundar Pichai）更在部落格文章中劍指 OpenAI 的最強模型 GPT-4，指出最高階的 Gemini Ultra 在 32 項 AI 測試中，有 30 項的評分贏過 GPT-4 的測試分數，宣示意味濃厚。
Gemini 厲害在哪？Gemini Ultra、Gemini Pro、Gemini Nano 差別是什麼？
Gemini 強大之處在於「多模態」能力，能夠針對文字、圖片、聲音、影片、程式碼等多種型態的內容進行理解並推理，同時推出三種大小的版本，可以靈活部署在不同場景，最大可到雲端大型資料中心，最小可以塞進手機裡，Pixel 8 Pro 手機將可以支援 Gemini 應用。
Gemini 三種規模：
Gemini Ultra（最大）：適用高度複雜任務，在 2024 年初會推出給企業和開發者使用。
Gemini Pro（中等）：最靈活通用的模型，12/13 會讓開發者和企業客戶在 Vertex AI 和 AI Studio 等平台中使用。
Gemini Nano（最小）：最有效率且可以部署在手機等終端裝置的模型，12/6 起可以提供給安卓開發者申請使用，建立 Gemini 為基礎的裝置用應用程式。
Gemini 號稱大勝 GPT-4！一支影片感受 Gemini 有多驚人
Google 並未公開 Gemini 的訓練參數量，但是 Gemini Ultra 在 32 項基準測試中，有 30 項都打贏 OpenAI 用 1.8 兆參數訓練出的 GPT-4 模型，參數量可能達到相近規模。Google 特別加強訓練 Gemini 的理解力、總結能力、程式能力、計畫能力等面向，更擁有多模態能力，無論是文字、圖片、語音、影片、程式等內容都能理解，並且隨時轉換交互生成。
Google 在媒體說明會中秀出幾支示範影片，展現 Gemini 的力量，為了感受 Gemini 的反應速度，測試人員是讓 Gemini 即時看著自己的動作回答問題：
第一步： 測試人員一邊畫圖，一邊詢問 Gemini 畫的內容，Gemini 輕鬆回答這是一隻鴨子，並形容它的筆觸、色彩和身上的特徵，展現基礎的影像辨識能力。
第二步： 測試人員突然從畫面外拿出一隻實體的鴨子洗澡玩具，問它「你確定嗎？」Gemini 馬上回答：「噢，我現在看到你拿著一隻實體的藍色鴨子。」展現辨識材質、物體的能力和反應速度。
第三步： 測試人員詢問 Gemini，這個鴨子玩具是否可以浮在水上，Gemini 回答：「我不太確定他的材質，所以難以判斷，但它看起來確實很像是塑膠做的。」接著測試人員讓 Gemini 看到擠壓玩具並發出聲音的樣子，Gemini 立刻改口說：「如果它會發出聲音，那我確定他一定會浮起來。」證明 Gemini 能夠透過聲音和畫面判斷鴨子裡面有空氣，以及含有空氣的玩具能夠浮在水面上的原理。
Gemini 採用 Google 自研晶片 TPU 訓練，同時也宣布推出全新的 TPU v5p，是專門為 AI 訓練所設計，v5p 的算力是上一代的 2 倍，訓練大型語言模型的速度是過去的 2.8 倍，除了 Google 自己發展更加速，未來也能幫助客戶用最低延遲訓練 AI 模型。
Bard 也跟著「升等」了，兩種版本依序上線
Google 用來和 ChatGPT、Copilot 等競爭對手對抗的聊天機器人 Bard，也將跟著 Gemini 一起「升等」。
1.即日起推出 Gemini Pro 調校版本 Bard，提升理解力、計畫力、邏輯力
2.2024 年初會推出「Bard Advance」進階版，用最強大的 Gemini Ultra 調校。
Gemini Pro 版本 Bard
即日起升級的 Bard 是由 Gemini Pro 調校，將先推出英文版，在超過 170 個國家地區上線，未來會逐步解鎖其他語言的版本。
Gemini Pro 是中等且最應用場景最廣泛的模型，和 GPT-3.5 對標，Google 指出 Gemini Pro 在 8 項基準中有 6 項都打贏 GPT-3.5，其中包含多模態理解力和數學邏輯推理能力等測試。
Google 和知名科學 YouTuber Mark Rober 合作測試 Bard 能力。
1.計畫能力：先折了三個不同材質的紙飛機，並拍下紙飛機的照片給 Bard 看，請 Bard 幫忙計畫如何測試紙飛機的飛行能力。Bard 提議進行瞄準靶心的測試、紙面穿透力測試等多種方法，分別測試材質的硬度和風阻程度。
2.邏輯推理能力：下一步請Bard協助精進這架紙飛機的能力，Bard 馬上列出幾項待改善的清單，包括翅膀太小、紙張太薄、尾翼太短等，並寫出原理。
3.創造力：詢問 Bard 該怎麼用最吸睛的方式測試紙飛機能力，讓 YouTube 影片變得更精彩，Bard 提議一連串的現場設備，更建議可以「讓紙飛機飛越火圈」，讓 Mark Rober 成功完成影片片尾的精彩畫面。
Gemini Ultra 版本的「Bard Advanced」
Google 將於明年初上線火力全開的「Bard Advanced」，用最強大的多模態模型 Gemini Ultra 調校。這個版本原定會在年底上線，不過 Google 指出正在做更多安全性功能測試，將等到完善的階段開放使用。
Gemini Nano 將登陸手機
另外，規模最小的 Gemini Nano 讓 Pixel 手機能解鎖更強大的 AI 模型應用，搭載最高階自研處理器 Tensor G3 的 Pixel 8 Pro 將成為第一款支援的手機，同樣搭載 Tensor G3 的 Pixel 8 會是下一波加入的機型，未來也會開放更多安卓手機加入支援Gemini Nano的應用程式，時程表未定。
Pixel 8 Pro 第一波將上線兩大 AI 功能：
AI 功能一：錄音工具摘要
可增強錄音功能的準確度，並且一鍵完成會議、訪談等錄音工具內容的摘要，不錯過細節，並且這些功能都是內建在手機，即便在離線的情況也能使用。
AI 功能二：Gboard 智慧回覆
開發人員預覽版的 Gboard 可啟動智慧回覆功能。AI 根據收到的訊息給予回覆建議，節省使用者打字時間，目前率先支援 Whatsapp，計畫於明年支援更多 App。
在雲端龍頭亞馬遜 AWS 發出「世界上沒有最強模型」的宣言後，Google 端出號稱「世界最強模型」應戰，並透過模型大小的彈性，卡位手機等終端應用開發市場，同時強調通用型能力，力求在生成式 AI 領域進入最多使用場景。
（本文轉載自《數位時代》）
