谷歌向双子座发起挑战——它的多模态基因引擎

　　

　　

　　周四，谷歌宣布重组并重新命名其聊天机器人“巴德”(Bard)，现在名为“双子座”(Gemini)，为企业和消费者提供业界首个多模式生成人工智能(genAI)平台，该平台不再仅仅依赖文本来提供类似人类的回应。

　　Gemini的发布直接挑战了微软基于OpenAI ChatGPT的Copilot，以及其他所有只基于大型语言模型(LLM)技术的聊天机器人。

　　“它(Gemini)是目前唯一可用的本地多模式生成人工智能模型，”Gartner副总裁分析师奇拉格?德凯特(Chirag Dekate)表示。“谷歌不再是在追赶。现在，情况正好相反。”

　　Dekate称Gemini是“一件非常重要的事情”，因为有了多模态模型，单个基因人工智能引擎可以更准确地执行单个任务，因为它从更大的知识体系中学习。它基本上把谷歌推上了人工智能领域的领头羊位置。

　　去年12月，谷歌首次推出了Gemini人工智能模型，该模型展示了多模式功能，可以将不同类型的信息(输入和输出)组合在一起，包括文本、代码、音频、图像和视频。

　　不像OpenAI的GPT, meta的Llama 2，甚至谷歌自己的PaLM 2这样的纯llm人工智能引擎——所有这些都为今天的聊天机器人提供动力——Gemini不依赖于同样的技术。相反，它可以使用所有类型的媒体和内容进行训练。

　　这一点很重要，因为企业现在可以创建一个聊天机器人，它不再局限于从法学硕士受过训练的文本中加载查询的答案。

　　德凯特说:“当我看电影时，我一边看视频，一边读文字(字幕)，一边听音频，所有这些都同时发生，创造了一种超沉浸式的体验。”简而言之，这就是多模态。将此与仅阅读剧本来体验电影相比(LLM);这就是法学硕士和多模态的区别。”

　　德凯特说，去年是创新的一年，在2022年底ChatGPT发布之后，企业和消费者了解了基因人工智能和聊天机器人。现在，企业更好地了解了genAI的可能性，并且正在打开钱包，投入大量资金为后端和前端系统注入genAI。

　　例如，如果你是一家医疗保健公司，试图为医生设计一个更加身临其境的聊天机器人，那么多模式基因引擎可以摄取医生的音频片段、放射图像和核磁共振成像视频扫描，从而创建更准确的预后和治疗结果。

　　“这创造了一种超沉浸式的个人体验。这些都不可能仅仅依靠LLM的经验。”“如果谷歌能够让企业和消费者体验到这种多模式的体验，那么谷歌就有机会改变市场份额。”

　　2024年，基因人工智能解决方案的支出预计将达到400亿美元，高于2023年的194亿美元。根据研究公司IDC的数据，到2027年，基因人工智能支出预计将达到1430亿美元，五年复合年增长率为73.3%。

　　德凯特说:“我们去年看到的是特定任务模式的出现——文本到文本、文本到图像、文本到视频、图像到文本等等。”“每个任务都有自己的模型。所以，如果你有一个文本到文本的狭窄任务，llm会表现得很好。”

　　谷歌每月20美元的Gemini订阅模式似乎也是为了从领头羊微软手中夺取市场份额。

　　美国客户可以每月支付19.99美元订阅Gemini Advanced，其中包括更强大的Ultra 1.0 AI模型。用户将获得2tb的云存储空间，通常每月花费9.99美元，并且很快就可以在Gmail和谷歌的生产力套件中使用Gemini。

　　谷歌新的One AI Premium计划是对微软及其genAI合作伙伴OpenAI的回应，后者开发了支持ChatGPT的GPT LLM。

　　J.Gold Associates首席分析师杰克?戈尔德(Jack Gold)表示:“一方面是为了与微软竞争，另一方面是为了向其高级客户提供高级服务，这些客户主要是已经付费的商务办公用户。”“此外，如果你收取费用，你就限制了可以免费登录的用户数量。这让你有机会解决有限用户看到的任何问题，并提供一个收入来源来维持工程，而不是依靠广告来支付。”

　　谷歌还面临着成本问题，因为在数据中心训练一个大型人工智能模型并不便宜。

　　戈尔德表示:“我不确定他们在后台运行所有人工智能的收入，这需要更多的处理能力，而电力是运营云/数据中心的最大开支之一。”

　　谷歌DeepMind首席执行官丹尼斯·哈萨比斯说:“双子座的神奇之处在于，它在很多事情上都很擅长。”“当我们开始结束训练时，我们开始看到双子座在这些非常重要的基准上比其他任何模型都要好。例如，在我们测试的50个不同学科领域中，它的表现与这些领域最优秀的人类专家一样好。”

　　OpenAI的ChatGPT Plus在一年前开创了购买人工智能模型和其他功能的早期访问权的市场，而微软最近宣布了一项竞争性订阅，用于Word和Excel等程序中的人工智能。在美国，这两种服务的订阅费用都是每月20美元。