Google Gemini：關於新一代生成式AI平臺的一切

Google 正試圖通過其旗艦生成式AI模型套件 Gemini 在市場上掚起波濤，這一套模型包括了應用程序和服務。

那麼 Gemini 是什麼？您如何使用它？它又與競爭對手相比如何？

為了更輕鬆地跟上最新的 Gemini 發展，我們為您準備了這份方便的指南，並將隨著新的 Gemini 模型、功能以及關於 Google 對 Gemini 計劃的消息的公佈而不斷更新。

Gemini 是什麼？

Gemini 是 Google 早已承諾推出的下一代 GenAI 模型系列，由 Google 的 AI 研究實驗室 DeepMind 和 Google Research 開發。它有三種不同的型號：

• Gemini Ultra，性能最高的 Gemini 模型。
• Gemini Pro，一種“輕型” Gemini 模型。
• Gemini Nano，一種更小的“蒸餾”模型，可在像 Pixel 8 Pro 這樣的移動設備上運行。

所有 Gemini 模型都經過訓練，能夠“本地多模式” — 换句话说，能夠處理和使用不僅僅是文字。它們在各種音頻、圖像和視頻上進行了預訓練和微調，並涉及不同語言的大量程式碼庫和文本。

這一點使 Gemini 不同於諸如 Google 自家的 LaMDA 等模型，後者僅接受文本數據訓練。LaMDA 無法理解或生成除文本以外的任何内容（例如散文、郵件草稿），但 Gemini 模型就不同了。

Gemini 應用程序和 Gemini 模型之間有什麼區別？

Google 再次證明了自己在品牌塑造方面的能力有限，從一開始就未明確表明 Gemini 是與 Web 和移動端的 Gemini 應用程序（之前稱為 Bard）分開且不同的。Gemini 應用程序僅是一個接口，可通過該接口訪問某些 Gemini 模型 — 將其視為 Google 的 GenAI 的客戶端。

值得一提的是，Gemini 應用程序和模型也與 Imagen 2 完全獨立，後者是 Google 的文字到圖像模型，可在一些公司的開發工具和環境中使用。

Gemini 能做什麼？

由於 Gemini 模型是多模式的，理論上它們可以執行一系列多模式任務，從轉錄語音到為圖像和視頻加標題，再到生成藝術品。其中一些功能已經達到了產品階段（稍后將進一步介紹），而 Google 承諾到未來不久的某個時候將實現所有這些功能 — 甚至更多。

當然，很難相信公司說的話。

Google 在最初推出 Bard 時出現了嚴重的問題。最近，公司公布的一個演示視頻宣稱展示了 Gemini 的能力，結果發現該視頻經過了嚴重的篡改，基本上是一種虛幻的情況。

Google 最佳的 Gemini 演示是假的

儘管如此，假設 Google 在其聲稱上比較真實，這裡是不同級別的 Gemini 一旦充分發揮潛力將能夠實現的功能：

Gemini Ultra

Google 表示，由於其多模式，Gemini Ultra 可被用於幫助解決物理作業，逐步解決工作表上的問題，並指出可能在已填寫答案中存在的錯誤。

Google 還表示，Gemini Ultra 可應用於識別與特定問題相關的科學論文，從這些論文中提取信息，并且通過生成需要重新用更近期數據重建圖表的公式來“更新”一份圖表。

正如前面提到的，Gemini Ultra 在技術上支持圖像生成。但這種能力尚未納入產品化版本的模型中 — 這可能是因為該機制比 apps 如 ChatGPT 生成圖像的機制更複雜。與 ChatGPT 的 DALL-E 3 一樣，Gemini 不需要將提示提供給圖像生成器，而是“本地”輸出圖像，無需經過中間步驟。

通過 Vertex AI，即 Google 的全面管理的AI開發人員平臺，以及 AI Studio，即 Google 的面向應用程序和平臺開發人員的基於 Web 的工具，Gemini Ultra 作為 API 可用。它還為 Gemini 應用程序提供動力 — 但不是免費的。通過 Google 所謂的 Gemini Advanced 訪問 Gemini Ultra 需要訂閱 Google One AI 高級計劃，價格為每月 20 美元。

AI 高級計劃還將 Gemini 連接到您的更廣泛的 Google Workspace 帳戶 — 您可以考慮在 Gmail 中的電子郵件、Docs 中的文檔、Sheets 中的簡報和 Google Meet 錄製中使用 Gemini 來進行摘要或在視頻通話期間記錄笔记。

Gemini Pro

Google 表示，Gemini Pro 在推理、計劃和理解能力方面優於 LaMDA。

由卡內基梅隆大學和 BerriAI 研究人員進行的獨立研究發現，Gemini Pro 的初始版確實比 OpenAI 的 GPT-3.5 更擅長處理更長、更複雜的推理鏈。但該研究還發現，與所有大型語言模型一樣，這個版本的 Gemini Pro 在涉及幾個數位的數學問題上尤其困難，而用戶也發現一些錯誤的推理和明顯的錯誤例子。

有关 Google 的 Gemini 的早期印象不佳

Google 承諾提供解決方案 — 第一個解決方案就是 Gemini 1.5 Pro。

Gemini 1.5 Pro 被設計為可以直接替換，與前身相比，在許多方面都有改進，也許最顯著的是它可以處理的數據量。Gemini 1.5 Pro 可以處理約 70 萬個單詞或約 3 萬行代碼 — 是 Gemini 1.0 Pro 可處理的 35 倍。而且 — 由於該模型是多模式的 — 它不僅限於文本。Gemini 1.5 Pro 可以分析多達 11 小時的音頻或一小時的視頻，支持不同語言，盡管速度較慢（例如，在一小時視頻中搜索一個場面需要 30 秒到一分鐘的處理時間）。

Gemini 1.5 Pro 在 Vertex AI 上的公開預覽於四月開始。

另外一個端點，Gemini Pro Vision，可以處理文本和圖像 — 包括照片和視頻 — 並輸出類似於 OpenAI 的 GPT-4 with Vision 模型的文本。

在 Vertex AI 中，開發人員可以通過微調或“grounding”過程將 Gemini Pro 定制為特定情境和用例。 Gemini Pro 還可以連接到外部第三方 API 以執行特定操作。

Google 將 Gemini Pro 帶入 Vertex AI

在 AI Studio 中，有用於使用 Gemini Pro 創建結構化聊天提示的工作流程。開發人員可以訪問 Gemini Pro 和 Gemini Pro Vision 端點，並可以調整模型溫度以控制輸出的創意範圍，並提供示例以提供語氣和風格指導 — 還可以調整安全設置。