北京時間5月11日凌晨1點，Google I/O 2023開發(fā)者大會如期而至。在美國加州山景城總部，谷歌在多項產(chǎn)品和服務(wù)方面推出了重磅更新，涉及谷歌地圖、人工智能、搜索、安卓、谷歌云和Pixel等多個領(lǐng)域。其中，谷歌在巴德和生成式AI方面的最新進展備受外界關(guān)注。

PaLM 2打響GPT-4反擊戰(zhàn)

谷歌CEO皮查伊在發(fā)布會現(xiàn)場表示，此次谷歌發(fā)布的PaLM 2是目前最先進的語言模型，也是其PaLM語言模型的第二個版本。相比PaLM 1，新版本具有升級的多語言、推理和編碼能力，將為25種谷歌產(chǎn)品提供支持。

圖源：谷歌

在多語言能力方面，PaLM 2進行了更多訓練，文本橫跨100多種語言，很大程度上提高了其理解、生成和翻譯細微差異化文本的能力，解決了對成語、詩歌和謎語這類文本的理解能力，這種文本的處理門檻較高。此外，PaLM 2能夠通過很高級別的語言能力考試。

推理能力方面， 由于PaLM 2在包含科學論文和數(shù)學表達式的網(wǎng)頁上進行了訓練，因此具備了在邏輯、常識推理和數(shù)學方面的改進能力。

編碼能力上，PaLM 2支持20多種編程語言。由于它是在大量公開可用的源代碼數(shù)據(jù)集上進行預訓練，因而擅長Python和JavaScript等流行編程語言，同時也可進行Prolog、Fortran和Verilog等小眾語言的編程。

圖源：谷歌

據(jù)皮查伊介紹，PaLM 2將擁有從小到大四種尺寸，分別為Gecko、Otter、Bison和Unicorn。

圖源：谷歌

Gecko：最小尺寸，可以在移動設(shè)備上運行，速度足夠快，即使離線狀態(tài)也可以進行交互應用。

Otter：中等大小模型，適合各種任務(wù)，包括自然語言處理、機器翻譯和代碼生成。

Bison：更大的模型，可以處理更復雜任務(wù)，例如生成逼真的圖像和視頻。

Unicorn：最大尺寸，可處理最復雜的任務(wù)，比如編寫創(chuàng)意文本，如詩歌、代碼、腳本、音樂作品、電子郵件、信件等。

不同尺寸模型帶來的功能性意味著PaLM 2可以進行微調(diào)，以多種方式支持整類產(chǎn)品，幫助到更多用戶。

圖源：谷歌

PaLM 2的多模態(tài)能力體現(xiàn)在能看懂和生成音頻和視頻內(nèi)容之上，皮查伊在現(xiàn)場對這些能力進行了少量展示。他用谷歌內(nèi)部基于PaLM 2針對醫(yī)療領(lǐng)域微調(diào)而成的Med-PaLM 2舉例，后者是第一個在醫(yī)學執(zhí)照考試上表現(xiàn)出專家水平的專用語言模型，已經(jīng)可以在醫(yī)院看片室?guī)椭派淇漆t(yī)生解讀圖像，可以根據(jù)X光片分析病人的狀況，此后還將用于更多領(lǐng)域。

圖源：谷歌CEO皮查伊稱Med-PaLM已經(jīng)可以達到人類專家醫(yī)生的水平

皮查伊指出，雖然PaLM 2的能力已經(jīng)很強，但只有在對特定領(lǐng)域的知識進行微調(diào)時，才能真正發(fā)揮作用。與基礎(chǔ)模型相比，微調(diào)幫助Med-PaLM 2實現(xiàn)了將近十倍的精確度，從而在醫(yī)學問題回答上能做到接近臨床專家的表現(xiàn)。

“我們還在努力增加Med-PaLM 2的功能，使其能夠綜合來自醫(yī)學影像的信息，如乳腺X射線?！逼げ橐翉娬{(diào)。

據(jù)谷歌搜索部門高管介紹，Med PaLM 2的訓練集使用的是各國醫(yī)療診所數(shù)據(jù)樣本

與之類似，谷歌還基于PaLM 2訓練了一個針對安全領(lǐng)域的垂直模型Sec-PaLM，它可以利用AI來檢測惡意腳本，幫助安全專家理解和解決各類攻擊和威脅問題。

據(jù)谷歌介紹，PaLM 2的用戶既包括世界各地的消費者，也包括開發(fā)者和各類規(guī)模的企業(yè)。

皮查伊還宣布，谷歌已經(jīng)在著手開發(fā)下一代多模態(tài)大模型Gemini，這一模型在工具和API集成方面非常高效，并在記憶力和規(guī)劃能力上擁有相當創(chuàng)新突破，目前仍在訓練之中。“Gemini展示出了相較其他模型前所未見的多模態(tài)能力。一旦經(jīng)過微調(diào)和嚴格安全測試，也將擁有各種尺寸和功能，可以部署在不同的產(chǎn)品、應用和設(shè)備上，使每個人受益?！逼げ橐帘硎?。

從PaLM2到Gemini，谷歌本次找準了GPT-4的痛點下手，用多模態(tài)能力直擊靶心，又用專用領(lǐng)域模型拉開差距，可以說打了一個漂亮的反擊戰(zhàn)。

谷歌研究部副總裁左賓·蓋若曼尼指出了一個值得關(guān)注的問題，即模型并不是“越大越好”那么簡單，研究的創(chuàng)造性才是建立偉大模型的關(guān)鍵。他表示，谷歌近期在構(gòu)建和訓練模型方面取得的進展使之了解到如何真正釋放多模態(tài)能力，如何比以往更有效地構(gòu)建模型。此后，谷歌會致力于那些為人們的日常生活帶來真正好處的模型構(gòu)建。

谷歌在本次I/O大會上并沒有給出PaLM 2的更多技術(shù)細節(jié)，這也與OpenAI對待ChatGPT和GPT-4的態(tài)度相似，但谷歌的上述表態(tài)與其內(nèi)部堅持的技術(shù)路線一脈相承。雖然自去年年底開始，谷歌就因為ChatGPT橫空出世陷入極為被動的局面，但谷歌實際上早于OpenAI看到了超大規(guī)模語言模型的必要性，并堅持在稀疏模型架構(gòu)上做了深入探索。在DeepMind與谷歌分治之前，其語言模型麻雀就走上了小模型參數(shù)打敗精調(diào)的道路，而與谷歌合兵一處之后，勢必在思路上對PaLM 2也做出了相當貢獻。

皮查伊也強調(diào)，PaLM 2的成果建立在谷歌大腦和DeepMind這兩個世界級研究團隊所取得的進展之上。

Bard一雪前恥

在I/O大會上，另一個為世界矚目的進展來自此前折戟的Bard。

谷歌宣布了Bard的多項功能更新，總體來看可謂是針對BingChat新晉更新的重量級回應。首先是與圖像配合的多模態(tài)查詢功能，用戶可以使用圖像向Bard提問，也可以讓Bard使用圖像內(nèi)容向用戶進行回應。

如果用戶想查詢關(guān)于某個旅游目的地的信息，Bard的表現(xiàn)像一個大眾點評，可以向用戶展示該處目的地附近的所有熱門景點。

圖源：谷歌

圖源：谷歌

在文字之外，Bard可以做到很好的理解圖片，可以根據(jù)圖片信息抽象出文字。谷歌在現(xiàn)場進行了演示，如果發(fā)給Bard一個狗狗的照片，Bard可以根據(jù)圖片來分析其中的有趣之處。

圖源：谷歌

在這個過程里，谷歌也展示出通過最近幾個月的訓練，Bard對語言文字理解力有了進一步增強，這是上次Bard問世被群嘲的核心點。

在I/O大會現(xiàn)場，Bard有兩項功能演示獲得了分貝最高的歡呼聲，第一次來自Bard的深色模式更新，第二次是因為Bard的新晉搜索功能與谷歌地圖形成了完美整合。

圖源：谷歌

圖源：在現(xiàn)場演示中，谷歌高管詢問Bard哪個城市比較適合自己18歲時讀書，并給出了幾項條件，Bard首先使用文字作答給出了若干選項，之后被要求用谷歌地圖來展示位置。

圖源：谷歌

Bard的另一項重大進益在編程側(cè)。谷歌正在增強下一代Bard版本的編程能力，希望Bard不僅能夠生成代碼，還能夠解釋一些代碼片段并幫助用戶調(diào)試代碼，還希望Bard能具備更強的代碼引用能力。

新版本中Bard的編程能力非常強大，足以與CoPilot媲美?，F(xiàn)場演示引發(fā)了陣陣掌聲。

在先前的迭代中，Bard已經(jīng)能夠?qū)ython代碼導出到谷歌的Colab。而谷歌正在擴大這一功能，希望將Python代碼導出到Replit，使得開發(fā)者更容易使用。

本次，谷歌取消了Bard的用戶等待名單，使其在180多個國家和地區(qū)都可以使用。英語之外，Bard目前可以支持日語和漢語，不久之后可以支持40種語言。

據(jù)悉，谷歌目前在與第三方合作伙伴合作，將其技術(shù)支持引入Bard。但谷歌強調(diào)自己唯一的第三方合作伙伴是Adobe的圖像生成器Firefly，后續(xù)會開展與專注數(shù)學計算的引擎WolframAlpha等的合作。有趣的是，微軟Bing日前的那場升級也調(diào)用了Wolfram Alpha插件。

有分析指出，谷歌自身的圖像生成能力本就很強，此次卻選擇與Adobe Firefly聯(lián)手令人意外，這更多應該是出于安全方面考慮。

圖源：谷歌

谷歌方面表示，還將很快推出Bard的其他擴展功能，主要是將其融入自己的各類應用程序，尤其是Google maps、Google Docs、Google Sheets和Gmail。目前看來，這類更新的力度會比微軟Edge瀏覽器與GPT-4的結(jié)合力度更大。

圖源：Google Bard與Gmail結(jié)合

（界面新聞記者 | 李京亞）