科技巨頭公司在生成式AI領域打得難分難捨，現在Google又出招了。Google於台灣時間6號晚間宣布推出全新大型語言模型「Gemini」，號稱目前市面上最強大的通用模型，Google執行長皮蔡（Sundar Pichai）更在部落格文章中劍指OpenAI的最強模型GPT-4，指出最高階的Gemini Ultra在32項AI測試中，有30項的評分贏過GPT-4的測試分數，宣示意味濃厚。
Gemini厲害在哪？Gemini Ultra、Gemini Pro、Gemini Nano差別是什麼？
Gemini強大之處在於「多模態」能力，能夠針對文字、圖片、聲音、影片、程式碼等多種型態的內容進行理解並推理，同時推出三種大小的版本，可以靈活部署在不同場景，最大可到雲端大型資料中心，最小可以塞進手機裡，Pixel 8 Pro手機將可以支援Gemini應用。
Gemini三種規模：
Gemini Ultra（最大）：適用高度複雜任務，在2024年初會推出給企業和開發者使用。Gemini Pro（中等）：最靈活通用的模型，12/13會讓開發者和企業客戶在Vertex AI和AI Studio等平台中使用。
Gemini Nano（最小）：最有效率且可以部署在手機等終端裝置的模型，12/6起可以提供給安卓開發者申請使用，建立Gemini為基礎的裝置用應用程式。
Gemini號稱大勝GPT-4！一支影片感受Gemini有多驚人
Google並未公開Gemini的訓練參數量，但是Gemini Ultra在32項基準測試中，有30項都打贏OpenAI用1.8兆參數訓練出的GPT-4模型，參數量可能達到相近規模。Google特別加強訓練Gemini的理解力、總結能力、程式能力、計畫能力等面向，更擁有多模態能力，無論是文字、圖片、語音、影片、程式等內容都能理解，並且隨時轉換交互生成。
Google在媒體說明會中秀出幾支示範影片，展現Gemini的力量，為了感受Gemini的反應速度，測試人員是讓Gemini實時看著自己的動作回答問題：
第一步： 測試人員一邊畫圖，一邊詢問Gemini畫的內容，Gemini輕鬆回答這是一隻鴨子，並形容它的筆觸、色彩和身上的特徵，展現基礎的影像辨識能力。
第二步： 測試人員突然從畫面外拿出一隻實體的鴨子洗澡玩具，問它「你確定嗎？」Gemini馬上回答：「噢，我現在看到你拿著一隻實體的藍色鴨子。」展現辨識材質、物體的能力和反應速度。
第三步： 測試人員詢問Gemini，這個鴨子玩具是否可以浮在水上，Gemini回答：「我不太確定他的材質，所以難以判斷，但它看起來確實很像是塑膠做的。」接著測試人員讓Gemini看到擠壓玩具並發出聲音的樣子，Gemini立刻改口說：「如果它會發出聲音，那我確定他一定會浮起來。」證明Gemini能夠透過聲音和畫面判斷鴨子裡面有空氣，以及含有空氣的玩具能夠浮在水面上的原理。
Gemini採用Google自研晶片TPU訓練，同時也宣布推出全新的TPU v5p，是專門為AI訓練所設計，v5p的算力是上一代的2倍，訓練大型語言模型的速度是過去的2.8倍，除了Google自己發展更加速，未來也能幫助客戶用最低延遲訓練AI模型。
Bard也跟著「升等」了，兩種版本依序上線
Google用來和ChatGPT、Copilot等競爭對手對抗的聊天機器人Bard，也將跟著Gemini一起「升等」。
1.即日起推出Gemini Pro調校版本Bard，提升理解力、計畫力、邏輯力
2.2024年初會推出「Bard Advance」進階版，用最強大的Gemini Ultra調校。
Gemini Pro版本Bard
即日起升級的Bard是由Gemini Pro調校，將先推出英文版，在超過170個國家地區上線，未來會逐步解鎖其他語言的版本。
Gemini Pro是中等且最應用場景最廣泛的模型，和GPT-3.5對標，Google指出Gemini Pro在8項基準中有6項都打贏GPT-3.5，其中包含多模態理解力和數學邏輯推理能力等測試。
Google和知名科學YouTuber Mark Rober合作測試Bard能力。
1.計畫能力：先折了三個不同材質的紙飛機，並拍下紙飛機的照片給Bard看，請Bard幫忙計畫如何測試紙飛機的飛行能力。Bard提議進行瞄準靶心的測試、紙面穿透力測試等多種方法，分別測試材質的硬度和風阻程度。
2.邏輯推理能力：下一步請Bard協助精進這架紙飛機的能力，Bard馬上列出幾項待改善的清單，包括翅膀太小、紙張太薄、尾翼太短等，並寫出原理。
3.創造力：詢問Bard該怎麼用最吸睛的方式測試紙飛機能力，讓YouTube影片變得更精彩，Bard提議一連串的現場設備，更建議可以「讓紙飛機飛越火圈」，讓Mark Rober成功完成影片片尾的精彩畫面。
Gemini Ultra版本的「Bard Advanced」
Google將於明年初上線火力全開的「Bard Advanced」，用最強大的多模態模型Gemini Ultra調校。這個版本原定會在年底上線，不過Google指出正在做更多安全性功能測試，將等到完善的階段開放使用。
Gemini Nano將登陸手機
另外，規模最小的Gemini Nano讓Pixel手機能解鎖更強大的AI模型應用，搭載最高階自研處理器Tensor G3的Pixel 8 Pro將成為第一款支援的手機，同樣搭載Tensor G3的Pixel 8會是下一波加入的機型，未來也會開放更多安卓手機加入支援Gemini Nano的應用程式，時程表未定。
Pixel 8 Pro第一波將上線兩大AI功能：
AI功能一：錄音工具摘要
可增強錄音功能的準確度，並且一鍵完成會議、訪談等錄音工具內容的摘要，不錯過細節，並且這些功能都是內建在手機，即便在離線的情況也能使用。
AI功能二：Gboard智慧回覆
開發人員預覽版的Gboard可啟動智慧回覆功能。AI根據收到的訊息給予回覆建議，節省使用者打字時間，目前率先支援Whatsapp，計畫於明年支援更多App。
在雲端龍頭亞馬遜AWS發出「世界上沒有最強模型」的宣言後，Google端出號稱「世界最強模型」應戰，並透過模型大小的彈性，卡位手機等終端應用開發市場，同時強調通用型能力，力求在生成式AI領域進入最多使用場景。
責任編輯：林美欣
