Google 的 AI 大计划：让大模型变小、嵌入每一个产品

胡の图图

4 d# q& ~/ I7 I9 {& A/ _

" ]' _$ T$ z+ ^
- B5 h% K9 |. C% |5 D7 |

一夜之间，Google 在两个层面上突破了人工智能应用的想象力。

文丨贺乾明 邱豪
编辑丨黄俊杰
用户 1：你在用 PaLM 2 模型了吗？
Google Bard：我在 2023 年 3 月 31 日切换到了 PaLM 2。这是 Google CEO 桑达尔·皮查伊 （Sundar Pichai）在《纽约时报》Hard Fork 播客上宣布的。
, j1 t* S' L4 N! \用户 2：你在用 PaLM 2 模型了吗？
0 z/ ]% `8 G- z% \. f6 U: bGoogle Bard：我没有用 PaLM 2，我用的是一个更小的、正在开发的模型。PaLM 2 是一个更强大、但还在研究阶段的模型，我不确定它什么时候发布，并对外开放……
今天凌晨举办的 Google I/O 开发者大会之后，将同样的问题抛给 Google 的聊天机器人 Bard，你会看到截然不同的答案。根据 Google 公布的信息，Bard 已经切换到了新一代模型 PaLM 2，但并没有在 3 月 31 日完成切换（但它提到的播客又确实存在）。所以第一个回答对了一部分。
( i/ B, z; h4 s" VGoogle 没有解决大模型回答不准确的根本问题——可能一时也没人能解决。但新的 PaLM 2 大语言模型，以及同步宣布的一系列激进的产品更新展示了，在当前技术限制下，互联网巨头可以如何推动人工智能实用化。
模型小一点也可以更好用，甚至就在手机上离线运行
Google 在会上发布了新一代大语言模型 PaLM 2，不是一个，而是四个。从小到大，按照参数规模用动物命名：壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn）。
皮查伊说，“壁虎” 可以在手机上运行，而且速度足够快、不联网也能正常工作。
- `' R# h2 E+ h# c# N此前也有开发者在手机上运行开源的大模型，但速度很慢，一次结果要等上十分钟甚至更久。根本无法与掌控 Andriod 系统、并具备大模型开发实力的 Google 相比。
虽然更大的人工智能模型效果往往更好，但消耗的计算能力也更夸张。接入 GPT-4 的 New Bing 和 ChatGPT Plus，一度让微软的计算资源都捉襟见肘。OpenAI 一度暂停用户付费订阅 ChatGPT Plus，并限制付费用户每天使用 GPT-4 的次数。
对于个人用户来说，最可靠的计算能力还是手里的手机、家里的电脑。如果你不玩游戏，这些设备中的算力都是冗余的。更小、消耗计算资源更少的大模型，能把这些冗余的计算资源变得有用。
( H) z! e- `6 x% Y4 {+ DGoogle 在技术报告中评估了 S、M、L 三个规模的 PaLM 2 ——没跟 Google 发布会上提到的四个模型对应——在部分任务中，最小的 PaLM 2 会比上一代 5400 亿参数的 PaLM 表现好。
0 G+ k) L' {( ]" w9 h英伟达人工智能科学家 Jim Fan 将 “壁虎” 称为 PaLM 2 模型中 “最重要的亮点”：“在小屏幕上提高的生产力，要比在大屏幕上多得多。”
根据 Google 的技术报告，即使是规模最大的 “独角兽” 版本， PaLM 2 的参数也比上一代模型少，但在自然语言生成、翻译、推理等多个任务上更强。“这表明扩大模型的规模，并不是增强模型能力的唯一途径。”
这一技术突破对人工智能继续提升发展至关重要。过去几年，Google 和 OpenAI 等公司证实了 “模型参数越大，能力更强” 的规律，科技公司大模型竞赛把模型参数推高到万亿。训练模型时，它们基本用尽了地球上所有的文本数据。
今年 4 月， OpenAI 首席执行官山姆·阿尔特曼（Sam Altman）在麻省理工学院交流时说，“我们正处于巨型模型时代的结尾”，模型的进步不会来自让模型变得更大。
4 c1 H. c$ ?: d: j# Z' S现在 Google 率先交了答案，但解题过程：“略”。
# H3 D9 B, R4 _和 OpenAI 介绍 GPT-4 时的方法一样，Google 介绍 PaLM 2 时也放出长达 90 多页的技术报告——沿用学术界常用的 arXiv 论文格式。格式接近论文，但文章署名作者变成 Google 公司，研究人员名单被挪到了最后的附录。
8 x; y# Q8 v- J( l+ b6 e+ [类似 GPT-4 的发布，Google 也隐去了 PaLM 2 具体怎样训练模型，模型参数有多大。人工智能研究与学术息息相关，但对于大公司，它最终还是一场激烈的商业竞争。
相比技术细节，Google 更愿意讲 PaLM 2 跨语言学习的能力。根据技术文档，Google 训练 PaLM 2 时用了 100 种语言的数据，主要的语言数据中，都有与英文对应的文本。皮查伊说，PaLM 2 可以理解不同语言之间细微的差异，并生成超出预期的结果。
他举了一个 PaLM 2 帮不同国家的人合作写代码的例子。靠 PaLM 2，韩国的开发者用韩语注释代码、提出修改建议，美国的开发者一样能看懂。PaLM 2 还会帮美国的开发者写韩语评论。
8 I' L3 E' K: d; [- P; M皮查伊在发布会中并没有直接提及竞争对手 GPT-4。在 PaLM 2 的技术报告中，GPT-4 作为参照对象也仅出现了寥寥数次。比如当评估推理能力时，Google 称 PaLM 2 在测试推理能力的部分数据集上表现跟 GPT-4 相当。
2 G7 N3 _' g9 ]% U( F6 m; y7 c一些用户在 Reddit 论坛和社交媒体上说新 Bard “快如闪电”、但写代码还是不如 GPT-4。网站设计师 Mike Hancock 说他给 GPT-4 和 Bard 出了相同的代码测试题，GPT-4 一个答案还没写完，Bard 已经给出了三个完整答案，不过最终结果还是 GPT-4 更好。
Google 还展现了用不同数据微调（Fine-tuning）PaLM 2 后的成果：

% R8 J) ~  M+ ]3 h4 s

1 N( t' o3 o: u8 z& ?
• Sec-PaLM，用安全数据微调。它可以检测恶意脚本，帮安全专家了解和解决威胁。
  3 T, b) N+ I7 b0 G

1 ]2 o1 D7 F# a* J

• Med-PaLM 2 ，用医学数据微调。它能像临床医生一样回答病人问题。准确度接近临床医生。它是第一个医学执照考试中达到 “专家” 水平的语言模型，也是现在最先进的。Google 称，后续还会给它加看 X 光胶片的能力。
  

OpenAI 已经明确表示短期不会研发下一代模型（GPT-5），而是寻找其他方式让 GPT-4 变得更好 。但 Google 不打算停下半步。PaLM 2 刚对大众开放，Google 就已经在从头研发新一代的大模型 Gemini。
Gemini 将是多模态的——能同时处理语言、图片等数据，并集成各种工具和 API，“虽然还处于早期阶段，但我们已经看到了之前模型中没有的、印象深刻的功能”。
, }) o# X! i' J+ R; `从搜索到地图再到 Gmail，大模型被塞进 Google 的核心产品
- ?& U2 m0 Q: l) l! {“我们正处于一个激动人心的转折点。” 皮查伊说， “通过生成式人工智能，我们正重新构想我们所有的产品。包括搜索。”
Google 是用户最多的互联网公司——15 个产品用户超过 5 亿、6 个超过 20 亿。中国以外地区，大部分人用 Google 的搜索、地图、邮件、视频产品。
在 Google I/O 的主题演讲中，这些产品都有了人工智能驱动的新版本。最受关注的是每年为 Google 贡献数百亿美元利润的搜索广告。任何一个微小调整，都可能影响根基。
微软的 New Bing 直接把 ChatGPT 做成 “聊天” 界面，鼓励人离开搜索结果——也离开了广告。Google 选了一个更平衡的做法，在搜索页嵌入了名为 AI Snapshot 的新模块，展示大模型生成的结果。
9 |0 F8 ^7 `' p- q. @7 ]! Q当你搜索 “适合泳池派对的蓝牙音箱”，页面中先出现传统的搜索结果——十条蓝字链接，几秒后，人工智能生成内容出现并被置顶，告诉你买蓝牙音箱的注意事项（电池寿命、防水性能、音质），并给出购买指南（右侧）、商品链接（下方）和商品的简介，你还可以设定价格（如 100 美元以下），让它重新生成结果。


& I  H" f: R  U1 h7 ]9 D
不过在手机等移动设备中，AI Snapshot 会塞满整个屏幕。这会大幅减少传统搜索结果点击频率。再加上 Goolge 直接给结果而不是链接，各类网站从 Google 搜索那里获得流量会更难。现在，Google 正试验怎么在 AI Snapshot 里加广告。
& _$ Q$ M: ]3 a1 g6 E% @8 U9 O不是所有搜索都会触发 AI 生成结果，只有当 Google 的算法认为人工智能生成的内容优于标准搜索结果时，前者才会出现。用户搜索健康、财务、危害安全等敏感主题时，AI Snapshot 不会出现。
Google 计划先在美国测试 AI Snapshot，未来几周开放有限的名额。在申请页面，Google 还打算测试其他搜索功能，比如在搜索框输入编程问题直接生成代码的 Code Tips。
主题演讲中，Google 的高管们展现了如何用人工智能改造其他的核心产品：

• 更沉浸的 Google Maps。Google 用人工智能技术合成了超过 10 亿张全景地图。当你选定导航路线、确定出发时间后，人工智能会生成一个鸟瞰视角的沉浸式 3D 路线图，并提前算好天气和交通状况，同步显示在动画中。Google 计划今年夏天推出这个功能，之后拓展到伦敦、纽约、东京、旧金山等 15 个城市。
  7 I* Q. {. v" P( q9 l

) L. m, ~4 c$ B0 f7 ^7 o

, F. _5 J, N" [+ r, _

1 G  m- a/ A5 `+ M: @
• 自动修图的 Google Photos。你只要提出需求，比如调高亮度、抠掉或补全画面中的物体、移动人物位置、把背景中的乌云改成蓝天等等，新出现的 Magic Editor 功能就可以自动完成。
  

' F( T3 _7 B4 k! c; u8 S



( H8 f4 h8 p6 k7 F

) g4 {( k. K7 K4 o: D/ m( i, h9 Z
• 自动写邮件的 Gmail。你只要在 Gmail 的 “Help me write” 工具中输入需求，比如一封要求全额退款的电子邮件，点击创建，它就会结合此前邮件中的信息，写一个完整的邮件。这个功能将会作为 Workspace 更新中的一部分推出。Workspace 的其他功能还包括根据 PPT 内容自动写演讲文稿等。
  
• 
  
• 更强大的聊天机器人 Bard 。Bard 的底层模型换成 PaLM 2；英文之外加了韩语、日语，预计 7 月份支持中文；Bard 的回复能一键转到 Gmail 和 Docs；帮你手机拍的照片配标题和描述文字；以及支持 Adobe 没有版权纠纷的图片生成工具 Firefly，而不是自己用公开数据集训练的作图应用。下面是让 Bard 制作一幅用于女儿生日派对的邀请函图片时（要求包含独角兽和生日蛋糕），它的回复：
  2 m! H  x* I) w6 ]/ W9 V/ f, o9 z

1 R' K0 B- ^2 k8 I1 w4 o' n3 r. r$ Q
, Y" X& }4 }" z- z# m0 n2 g! G在人工智能浪潮中，Google 一直处于独特的位置。
# Y$ M" Y# y' Y7 t2 g7 H/ Q1 j它是最早研究人工智能、也是技术实力最强的公司之一，拥有许多人工智能底层技术的专利，比如现在大模型的基础架构 Transformer。
它也是世界上最大互联网公司，每天服务数十亿人。它拥有的 Andriod 能直接影响全球 30 多亿人使用的手机。它比其他公司都更有能力把大模型部署到更多场景。
Google 也因此被用户和监管机构密切关注，每个人工智能产品的研发和推出都要考虑法律和社会舆论风险。不少 Google 员工认为这是 OpenAI 能抢先推出 ChatGPT 的原因。
1 Q, ~% X; L, H$ n2 g在 OpenAI 和微软的持续冲击下，Google 快速行动，整合了 Google AI 和 DeepMind 这两个属于公司、但一直不合作的顶级人工智能团队，推迟对外公开最新的研究成果，并积极研发基于人工智能的搜索引擎 Magi。这个正在 Google 内部测试的新产品，也在使用 PaLM 2。
+ ^8 ?# ]& T  Q7 w. u9 t前不久，皮查伊被问到 “没抢在 ChatGPT 前发布 Bard，你错过什么”。他给了个大公司 CEO 的标准回答，Google 不是第一个做出搜索引擎，也不是第一个做出浏览器，“有时候成为第一很重要，但有时候无关紧要。” 他认为，只要不断改进产品，实现更好的功能，后发也能先至。
这场开发者大会，展现了 Google 的人工智能技术积累和产品迭代能力。

复活的鬼是丑鬼

谷歌这次还想复制上次推出安卓作为苹果手机平替一样来对付已经领先的chatGPT不知道谷歌今次是否还有运气。

荳丁_

好牛,科技感太强了!