近 10 年來，Google 宣稱一直是 AI 優先的公司。當 ChatGPT 開啟 AI 時代經過一年後，Google 藉由全新 Gemini 模型大步向前，期望能超越 OpenAI 及其 GPT-4 模型。

Google I/O 2023 開發者大會即預告的 Gemini 模型，並未等到 2024 年第一季才現身，6 日由 Google 執行長皮蔡（Sundar Pichai）和 Google DeepMind 執行長哈薩比斯（Demis Hassabis）向世人介紹 Google 目前最強大、最通用的模型，第一版 Gemini 1.0 能夠理解和操作包括文字、圖像、音訊、視訊、程式碼在內不同類型資訊。

Gemini 原生設計成多模態模型，一開始就在不同模態上預訓練，接著透過額外的多模態資料進行微調、提升效能。Gemini 1.0 所受的訓練是同時辨識和理解文字、圖像、音訊等不同資訊，並回答涉及複雜主題的問題，這也讓 Gemini 在解釋、推理如數學和物理這樣複雜的問題時表現出色。

不只如此，Gemini 1.0 能夠理解和解釋世界上常用的程式語言如 Python、Java、C++ 和 Go，並且產生高品質的程式碼。值得一提的是，Google DeepMind 2 年前推出 AI 程式碼生成系統 AlphaCode，現在透過一個專門版本的 Gemini，建立更進階的 AlphaCode 2，不僅擅長程式設計，還能處理與數學、理論電腦科學相關的競技程式設計問題。

Google DeepMind 團隊使用 Google 自行研發、用於加速機器學習的 TPU（Tensor Processing Unit）v4 和 ，有規模地訓練 Gemini 1.0。依照模型大小有 Ultra、Pro、Nano 三種，其中 Gemini Ultra 為規模最大、功能最強大的模型，專為高度複雜任務所設計，Gemini Nano 則是處理裝置上任務最有效率的模型。

▲ 隨著 Gemini 問世，Google 也公開全新 ，幫助加速 Gemini 發展。

Google DeepMind 團隊不斷對 Gemini 模型進行嚴格測試，從理解自然圖像、音訊、視訊再到數學推理，其中發現 Gemini Ultra 在大型語言模型研究和開發廣泛採用的 32 項學術基準測試中，有 30 個取得領先成績。其中 Gemini Ultra 以 90% 的高得分成為第一個在 MMLU（massive multitask language understanding，大規模多任務語言理解）測試裡超越人類專家的模型，而在新的 MMMU 基準測試裡也得到 59.4% 領先分數，兩項測試皆超越 OpenAI 所開發的 GPT-4 模型。

▲ Gemini Ultra 在 MMLU 測試獲得 90% 高分，超越 GPT-4。

截至目前 Google 所有 AI 模型中，Gemini 在偏誤、資料毒性（toxicity）等方面都接受最全面的安全性評估。在網路攻擊、說服能力、自主性等可能存在風險的領域，Google DeepMind 團隊都進行最新研究，也運用 Google Research 的對抗測試技巧，在部署 Gemini 前率先找出關鍵的安全問題。

Google 將在多項產品中導入 Gemini，包括軟體方面的 、以及有關硬體的 。從 12 月 13 日起，開發者和企業客戶可以透過 Google AI Studio 或 Google Cloud Vertex AI 的 Gemini API 使用 Gemini Pro。Android 開發者也能透過 AICore，在開發作業中運用 Gemini Nano。

Seeing some qs on what Gemini *is* (beyond the zodiac :). Best way to understand Gemini’s underlying amazing capabilities is to see them in action, take a look ⬇️

— Sundar Pichai (@sundarpichai)

▲ Google 測試讓多模態的 Gemini 看一系列影像，並推理出所看到的內容。

在 ChatGPT 推出後 Google 內部發出「紅色警戒」（code red），那時起被認為在 AI 競賽急起直追。Gemini 可說是 Google 多年來一直苦心建立的模型，也被外界視為能一舉挑戰 OpenAI 的關鍵利器，我們將在越來越多 Google 產品看見 Gemini 身影，及其驅動的強大功能。

（圖片來源：）

延伸閱讀：