12月7日消息，美國當地時間周三，谷歌發佈其新一代人工智能模型Gemini。Gemini反映谷歌內部多年來在首席執行官桑達爾·皮查伊（SundarPichai）的監督和推動下所做的努力。此前負責Chrome和安卓業務的皮查伊是出名的產品迷。2016年，他在擔任首席執行官後的首封年度創始人信函中預測：“我們將從移動優先轉向人工智能優先的世界。”
從那以後的幾年裡，皮查伊就開始將人工智能技術逐漸融入到谷歌的所有產品中，從安卓設備一直到雲計算。
盡管如此，谷歌最近的風頭逐漸被OpenAI搶走，後者於去年推出的DALL-E和GPT-3.5，以及今年推出的GPT-4，主導整個人工智能行業，並引發初創公司和科技巨頭之間的激烈競爭。
Gemini現在是這場競爭的最新加入者。該系統由谷歌DeepMind領導，這是一個由德米斯·哈薩比斯（Demis Hassabis）領導的新整合部門。現在，我們已經可以在谷歌聊天機器人Bard中體驗Gemini，它將在2024年整合到谷歌的產品線中。
在Gemini發佈前夕，《麻省理工學院技術評論》雜志在谷歌位於加州山景城的辦公室采訪皮查伊，討論該模型對谷歌、其產品、人工智能和整個社會的意義。
以下為專訪內容：
問：為什麼Gemini如此令人興奮？你能告訴我你對人工智能的總體看法嗎？它的力量，它的用處，它在你們所有產品中的發展方向？
皮查伊：Gemini令人興奮的一個特別之處在於，它從一開始就是一個原生的多模式模型。就像人類一樣，它不僅僅是在文本上學習，還可以通過視頻、音頻和代碼學習。因此，這個模型天生就能力更強，我認為這將幫助我們梳理出更新的功能，並為該領域的進步做出貢獻。這太令人興奮。
另一個讓人覺得興奮的地方是，Gemini在32個主要基準測試中，有30個都是表現最好的，尤其是在多模式基準測試中。在MMLU（大規模多任務語言理解）測試中，它顯示更大的進步。我個人認為，作為領先基準之一的MMLU，Gemini突破90%的門檻，這是一個重大的裡程碑。兩年前的水平是30%，隨後是40%。由此可以看出，這個領域取得多大的進步。在57項測試中，Gemini的表現在89%的時候相當於人類專傢。這是第一個跨越這個門檻的模型。
我也感到很興奮，因為Gemini終於進入我們的產品。它將對開發者開放。這是一個平臺。人工智能是一個深刻的平臺變革，比網絡或移動變革更大。因此，從那一刻起，這對我們來說代表著邁出一大步。
問：讓我們從這些基準開始。Gemini似乎在幾乎所有測試方面都領先於GPT-4，但並不是遙遙領先。而GPT-4似乎是一個很大的飛躍。我們是否開始在這些大語言模型技術所能做到的事情上趨於停滯，或者你認為我們將繼續擁有巨大的增長空間？
皮查伊：首先，展望未來，我們確實看到很大的增長空間。有些基準已經很高。你必須意識到，當你試圖從85%開始突破的時候，你已經處於曲線的邊緣。雖然看起來不是很多，但那的確代表正在取得進展。我們還需要更新的基準測試，這也是我們研究MMLU多模式基準的部分原因。對於其中一些新的基準，目前的技術水平仍然要低得多，未來還有很大進步空間。比例定律仍然有效：當我們把模型做大的時候，就會有更多的進展。當我把它放在整體上看時，我真的覺得我們才剛剛開始。
問：我很感興趣的是你認為Gemini的關鍵突破是什麼，以及它們將被如何應用？
皮查伊：人們很難想象將會發生什麼樣的飛躍。我們正在提供應用程序開發接口（API），人們會以非常深刻的方式去體驗它。我認為多模式基準將大有發展。隨著我們教會這些模型更多地進行推理，將會有越來越大的突破，而且更深層次的突破還在後頭。
解決這個問題的一種方法是Gemini Pro，它在基準測試中表現非常好。但當我們把它放進Bard時，我可以作為一個用戶感受到這一點。我們一直在測試它，所有類別的好評率都有相當大的提升。為此，我們稱它為我們迄今最大的升級之一。當我們同時進行並行評估時，它確實顯示出優異的表現。所以你讓這些更好的模型在基準上得到改進，它會取得進步。我們會繼續訓練，然後繼續學習。
但我迫不及待地想把Gemini應用到我們的產品中。這些模型功能非常強大。在接下來的幾個月裡，真正設計產品體驗以利用所有模型所擁有的東西將是令人興奮的。
問：Gemini幾乎在所有方面都勝過GPT-4，但隻是領先一點點？我想知道你們從GPT-4的發佈中學到什麼？你學到什麼？在這段時間內，哪些方法發生變化？
皮查伊：至少在我看來，這與零和遊戲相去甚遠。想想看，向人工智能的轉變是多麼深刻，我們還處於早期階段，前方的世界充滿機遇。
但對於你的具體問題，這是一個我們都在快速進步的領域。我們發表很多文章，看看像GPT-4這樣的模型在現實世界中是如何工作的。我們從中吸取教訓。安全是一個重要的領域。所以在Gemini項目中，我們已經學習並改進一些安全技術，這些技術是基於模型在現實世界中的運作方式改進的。它表明微調等各種事情的重要性。我們在Med-PaLM 2中展示的一件事是，采用一個像PaLM這樣的模型，對它進行微調，以適應特定的領域，顯示它可以勝過最先進的模型。這就是我們學習微調力量的一種方式。
當我們研究Gemini的時候，這其中的很多經驗都被用到。我們花更多時間研發Gemini Ultra（更先進的Gemini將於明年上市）的部分原因是為確保我們對其進行嚴格的安全測試。但我們也在對它進行微調，以真正梳理它的功能。
問：當你看到這些模型被發佈出來，人們開始在現實世界中測試它們時，發現它們會產生幻覺，或者會透露某些模型訓練的私人數據。我想知道，考慮到其所使用的數據，如果這是不可避免的，那麼這在技術中有多少是固有的。如果這是不可避免的，你會嘗試做哪些事情來限制它？
皮查伊：你是對的。這些都是活躍的研究領域。事實上，我們剛剛發表一篇論文，展示這些模型如何通過一系列提示來泄漏訓練數據。幻覺還不是一個可以解決的問題，但我認為我們都在取得進展，隻是還有更多的工作要做。我們需要克服一些基本的限制。舉個例子，如果你用Gemini Ultra，我們正在積極地將這些模型與外部第三方合作，他們是這些方面的專傢。
在多模式等領域，我們想要更大膽，我們想要負起責任。我們將更加小心多模式模型的推出，因為錯誤用例的可能性更高。但你是對的，它仍然是一項正在開發中的技術，它們不會對所有事情都有意義，在搜索中，我們會更加小心地考慮如何使用它，何時使用，在哪裡使用，以及何時觸發它。它們有很多驚人的能力，但也有明顯的缺點。這是擺在我們所有人面前需要解決的艱巨挑戰。
但未來的人工智能系統可能與我們今天擁有的不一樣，這就像有人認為你不可能把電腦裝進口袋一樣。同樣地，看著這些系統，說你無法再設計出更好的系統，我不同意這種觀點。已經有許多研究探索正在進行中，思考如何解決這些問題。
問：你認為人工智能將帶來深刻的變革。在最近的一些轉變中，比如向移動設備的轉變，它並不一定會提高生產率，這在很長一段時間內，生產率一直保持未變。還有一種觀點甚至認為，它甚至可能加劇收入不平等。谷歌正在做什麼樣的工作來確保這種轉變對社會更有益?
皮查伊：這是個非常重要的問題。我從幾個層面上思考這個問題。在谷歌，我們一直關註的一件事是：我們如何讓技術盡可能廣泛地使用？我認為，即使是在移動領域，我們利用安卓做很多工作，但仍有數億人依然無法使用手機。我們正在努力推出一款價格合理的智能手機，價格可能低於50美元。
所以，讓人工智能對每個人都有幫助是我考慮的重點。你試著讓盡可能多的人接觸到你。我認為這是其中的一部分。
我們正在深入思考如何將人工智能應用到對人們有益的用例中。例如，我們早期做洪水預報的原因是因為我們意識到，我們可以探測到模式，並且做得很好。我們用它來翻譯100種語言。我們現在確實在嘗試用不同的語言提供內容，否則你將無法訪問這些內容。
這並不能解決你說的所有問題。但要慎重考慮，何時何地你將專註於解決什麼樣的問題。以AlphaFold這樣的領域為例。我們為世界各地的病毒提供一個開放的數據庫。但是，誰會最先使用它？人工智能不會神奇地讓某些更困難的問題變得更好，比如不平等，還是它可能會加劇這種情況？
重要的是，你要確保每個人都能使用技術。你在早期開發它，讓人們接觸到它，參與到對話中，這樣社會就可以幫助測試它，並適應它。
在這項技術上，我們肯定比其他公司參與得更早。你知道，最近我們參加英國人工智能安全論壇，並在美國與國會和政府合作，我們正在嘗試建立更多的公私合作夥伴關系，更早地吸引非營利機構和學術機構參與進來。至於對就業等領域的影響，還需要深入研究，但我確實認為會有驚喜。
我可以舉很多例子來說明手機帶來的好處，我認為人工智能技術也是如此。我們已經在糖尿病視網膜病變等領域展示這一點，畢竟世界上許多地方沒有足夠的醫生來檢測這種疾病。就像我覺得讓世界各地的人們都能使用谷歌搜索一樣，我認為這是擴大人工智能使用范圍的一種方式。
問：有些事情顯然會幫助人們更有效率。編程就是一個很好的例子。然而，這項技術的普及正在威脅就業。即使你不能為社會提供所有的答案，一傢公司也可以推出一款能夠改變世界並產生深遠影響的產品。
皮查伊：我們從未提供面部識別API，但其他人開發API，技術正在向前發展。因此，它並非掌握在任何一傢公司手中。我認為答案要復雜得多。社會也可能被甩在後面。如果你不采用這些技術，它可能會影響你的經濟競爭力。你可能會失去更多的工作。
我認為正確的答案是負責任地部署技術，並取得進步，思考它可能造成更嚴重傷害的領域，並努力減輕它。同時，也將會出現新的工作類型。如果你看一下過去的五六十年，麻省理工學院的經濟學傢們的研究表明，大多數新創造的就業機會都是在自那以後出現的新領域。
將會有新的工作機會出現，會有更好的工作，人們將會被從一些重復性的工作中解放出來，你可以更有創造性地表達自己。你可以是醫生，可以是放射科醫生，也可以是程序員。你花在日常任務上的時間與深度思考的時間，所有這些都可以改變，讓工作變得更有意義。還有些工作崗位可能會被取代。那麼，作為一個社會，你如何再培訓，重新培訓人們，創造機會？
問：去年，人們在看待人工智能的方式上出現哲學分歧。你可以支持安全第一，或者商業用例優先，你可以支持加速論者，也可以是末日論者。你所處的位置是，你必須把所有這些哲學聯系起來，把它們結合起來。我想知道，你個人是如何看待谷歌把這些興趣聯系起來的，畢竟谷歌將成為這個領域的領導者，進入一個新世界。
皮查伊：我是一個技術樂觀主義者。基於我的個人生活，我一直對人和人性抱有信念。所以，總的來說，我認為人類將利用技術為自己造福。所以我一直是個樂觀主義者。你說得對，像人工智能這樣強大的技術有二元性。
這意味著，有時我們會大膽地向前邁進，因為我認為我們可以推動最先進的技術。例如，如果人工智能可以幫助我們解決癌癥或氣候變化等問題，你會想盡一切辦法讓它快速發展。但你肯定需要社會制定框架來適應，無論是深度造假還是取代工作等等。這將成為一個前沿領域，與氣候變化沒有什麼不同。這將是我們所有人在未來十年努力解決的最大問題之一。
問：另一個懸而未決的問題是圍繞人工智能的法律法規。有關於合理使用的問題，有關於能否保護版權的問題。對於知識產權來說，這似乎將是一件大事。你如何告訴那些使用你產品的人，讓他們有一種安全感，他們所做的事情不會讓他們被起訴?
皮查伊：並不是所有的問題都有簡單的答案。在人工智能出現之前，當我們開發搜索、YouTube等產品時，我們一直在努力實現正確的價值交換。人工智能也是如此。我們肯定會專註於確保我們可以根據法律允許的數據進行培訓，讓人們有機會選擇退出。還有一個層面是關於什麼是合理使用。為原創內容的創造者創造價值是很重要的，這些都是重要的領域。互聯網就是一個例子，或者當電子商務開始時：你如何在電子商務和常規商務之間劃清界限？
隨著時間的推移，會有新的法律框架出現，這就是我對這個領域發展的看法。但與此同時，我們將努力遵守法律，並確保我們今天也與許多內容提供商保持深厚的關系。有一些領域存在爭議，但我們正在努力解決這些問題。我們必須創造一個雙贏的生態系統，讓所有這些都能長期發揮作用。
問：當下人們對網絡的擔憂很多集中於搜索的未來。當你有一種技術可以根據網絡上的信息為你回答問題時，有人就會擔心人們可能不再需要訪問這些網站。這似乎也會對谷歌產生影響。我想知道你是否在考慮你自己的生意？
皮查伊：我們在搜索方面的一個獨特價值主張是，我們幫助用戶發現和學習新事物，並找到答案，但始終著眼於與他們分享網絡上存在的豐富、多樣性觀點。這也是我們開發產品的一個重要原則。我不認為人們在搜索時總會說：“幫我回答就好。”也許有一兩個問題是你想要的，但即使你回來，你會學到更多，甚至在這個過程中，你會走得更深入。我們總是想要確保我們做的是正確的，我認為這一點不會改變。重要的是我們要保持平衡。
同樣，如果你深入地傳遞價值，你所傳遞的東西就會有商業價值。從臺式機到移動設備，我們都有類似的問題，這對我們來說並不新鮮。基於我們所看到的一切以及用戶對高質量廣告的反應，我感到很放心。YouTube就是一個很好的例子，我們開發訂閱模式。這也很有效。
問：當這些產品開始真正進入市場並開始互動時，你認為明年人們的體驗會發生怎樣的變化？
皮查伊：我想從現在開始的未來一年，任何開始使用Google Docs的人都會期待一些不同的東西。如果你把它給他們，然後把它們放回到我們在2022年擁有的Google Docs版本中，他們會發現其已經過時。這就像，對我的孩子來說，如果Google Docs沒有拼寫檢查，他們基本上會認為它出問題。我們可能還記得在拼寫檢查之前使用這些產品是什麼感覺。但與其他公司相比，我們在搜索中融入如此多的人工智能，人們已經認為這些自動功能是理所當然的。這是我多年來學到的一件事，讓他們認為這是理所當然的。
就人們可以做的事情而言，隨著我們開發多模式能力，人們將能夠以一種他們以前無法做到的方式完成更復雜的任務。而且將會有真正的用例，它們的功能要強大得多。（小小）