谷歌CEO皮查伊深度解析谷歌史上最强大模型Gemini及即将到来的人工智能时代

摘要:

12月7日消息,美国当地时间周三,谷歌发布了其新一代人工智能模型Gemini。Gemini反映了谷歌内部多年来在首席执行官桑达尔·皮查伊(Sundar Pichai)的监督和推动下所做的努力。此前负责Chrome和安卓业务的皮查伊是出了名的产品迷。2016年,他在担任首席执行官后的首封年度创始人信函中预测:“我们将从移动优先转向人工智能优先的世界。”

从那以后的几年里,皮查伊就开始将人工智能技术逐渐融入到谷歌的所有产品中,从安卓设备一直到云计算。

尽管如此,谷歌最近的风头逐渐被OpenAI抢走,后者于去年推出的DALL-E和GPT-3.5,以及今年推出的GPT-4,主导了整个人工智能行业,并引发了初创公司和科技巨头之间的激烈竞争。

Gemini现在是这场竞争的最新加入者。该系统由谷歌DeepMind领导,这是一个由德米斯·哈萨比斯(Demis Hassabis)领导的新整合部门。现在,我们已经可以在谷歌聊天机器人Bard中体验Gemini,它将在2024年整合到谷歌的产品线中。

在Gemini发布前夕,《麻省理工学院技术评论》杂志在谷歌位于加州山景城的办公室采访了皮查伊,讨论了该模型对谷歌、其产品、人工智能和整个社会的意义。

以下为专访内容:

问:为什么Gemini如此令人兴奋?你能告诉我你对人工智能的总体看法吗?它的力量,它的用处,它在你们所有产品中的发展方向?

皮查伊:Gemini令人兴奋的一个特别之处在于,它从一开始就是一个原生的多模式模型。就像人类一样,它不仅仅是在文本上学习,还可以通过视频、音频和代码学习。因此,这个模型天生就能力更强,我认为这将帮助我们梳理出更新的功能,并为该领域的进步做出贡献。这太令人兴奋了。

另一个让人觉得兴奋的地方是,Gemini在32个主要基准测试中,有30个都是表现最好的,尤其是在多模式基准测试中。在MMLU(大规模多任务语言理解)测试中,它显示了更大的进步。我个人认为,作为领先基准之一的MMLU,Gemini突破了90%的门槛,这是一个重大的里程碑。两年前的水平是30%,随后是40%。由此可以看出,这个领域取得了多大的进步。在57项测试中,Gemini的表现在89%的时候相当于人类专家。这是第一个跨越这个门槛的模型。

我也感到很兴奋,因为Gemini终于进入了我们的产品。它将对开发者开放。这是一个平台。人工智能是一个深刻的平台变革,比网络或移动变革更大。因此,从那一刻起,这对我们来说代表着迈出了一大步。

问:让我们从这些基准开始。Gemini似乎在几乎所有测试方面都领先于GPT-4,但并不是遥遥领先。而GPT-4似乎是一个很大的飞跃。我们是否开始在这些大语言模型技术所能做到的事情上趋于停滞,或者你认为我们将继续拥有巨大的增长空间?

皮查伊:首先,展望未来,我们确实看到了很大的增长空间。有些基准已经很高了。你必须意识到,当你试图从85%开始突破的时候,你已经处于曲线的边缘。虽然看起来不是很多,但那的确代表正在取得进展。我们还需要更新的基准测试,这也是我们研究MMLU多模式基准的部分原因。对于其中一些新的基准,目前的技术水平仍然要低得多,未来还有很大进步空间。比例定律仍然有效:当我们把模型做大的时候,就会有更多的进展。当我把它放在整体上看时,我真的觉得我们才刚刚开始。

问:我很感兴趣的是你认为Gemini的关键突破是什么,以及它们将被如何应用?

皮查伊:人们很难想象将会发生什么样的飞跃。我们正在提供应用程序开发接口(API),人们会以非常深刻的方式去体验它。我认为多模式基准将大有发展。随着我们教会这些模型更多地进行推理,将会有越来越大的突破,而且更深层次的突破还在后头。

解决这个问题的一种方法是Gemini Pro,它在基准测试中表现非常好。但当我们把它放进Bard时,我可以作为一个用户感受到这一点。我们一直在测试它,所有类别的好评率都有相当大的提升。为此,我们称它为我们迄今最大的升级之一。当我们同时进行并行评估时,它确实显示出了优异的表现。所以你让这些更好的模型在基准上得到改进,它会取得进步。我们会继续训练,然后继续学习。

但我迫不及待地想把Gemini应用到我们的产品中。这些模型功能非常强大。在接下来的几个月里,真正设计产品体验以利用所有模型所拥有的东西将是令人兴奋的。

问:Gemini几乎在所有方面都胜过GPT-4,但只是领先了一点点?我想知道你们从GPT-4的发布中学到了什么?你学到了什么?在这段时间内,哪些方法发生了变化?

皮查伊:至少在我看来,这与零和游戏相去甚远。想想看,向人工智能的转变是多么深刻,我们还处于早期阶段,前方的世界充满机遇。

但对于你的具体问题,这是一个我们都在快速进步的领域。我们发表了很多文章,看看像GPT-4这样的模型在现实世界中是如何工作的。我们从中吸取了教训。安全是一个重要的领域。所以在Gemini项目中,我们已经学习并改进了一些安全技术,这些技术是基于模型在现实世界中的运作方式改进的。它表明了微调等各种事情的重要性。我们在Med-PaLM 2中展示的一件事是,采用一个像PaLM这样的模型,对它进行微调,以适应特定的领域,显示它可以胜过最先进的模型。这就是我们学习微调力量的一种方式。

当我们研究Gemini的时候,这其中的很多经验都被用到了。我们花更多时间研发Gemini Ultra(更先进的Gemini将于明年上市)的部分原因是为了确保我们对其进行了严格的安全测试。但我们也在对它进行微调,以真正梳理它的功能。

问:当你看到这些模型被发布出来,人们开始在现实世界中测试它们时,发现它们会产生幻觉,或者会透露某些模型训练的私人数据。我想知道,考虑到其所使用的数据,如果这是不可避免的,那么这在技术中有多少是固有的。如果这是不可避免的,你会尝试做哪些事情来限制它?

皮查伊:你是对的。这些都是活跃的研究领域。事实上,我们刚刚发表了一篇论文,展示了这些模型如何通过一系列提示来泄漏训练数据。幻觉还不是一个可以解决的问题,但我认为我们都在取得进展,只是还有更多的工作要做。我们需要克服一些基本的限制。举个例子,如果你用Gemini Ultra,我们正在积极地将这些模型与外部第三方合作,他们是这些方面的专家。

在多模式等领域,我们想要更大胆,我们想要负起责任。我们将更加小心多模式模型的推出,因为错误用例的可能性更高。但你是对的,它仍然是一项正在开发中的技术,它们不会对所有事情都有意义,在搜索中,我们会更加小心地考虑如何使用它,何时使用,在哪里使用,以及何时触发它。它们有很多惊人的能力,但也有明显的缺点。这是摆在我们所有人面前需要解决的艰巨挑战。

但未来的人工智能系统可能与我们今天拥有的不一样,这就像有人认为你不可能把电脑装进口袋一样。同样地,看着这些系统,说你无法再设计出更好的系统,我不同意这种观点。已经有许多研究探索正在进行中,思考如何解决这些问题。

问:你认为人工智能将带来深刻的变革。在最近的一些转变中,比如向移动设备的转变,它并不一定会提高生产率,这在很长一段时间内,生产率一直保持未变。还有一种观点甚至认为,它甚至可能加剧了收入不平等。谷歌正在做什么样的工作来确保这种转变对社会更有益?

皮查伊:这是个非常重要的问题。我从几个层面上思考这个问题。在谷歌,我们一直关注的一件事是:我们如何让技术尽可能广泛地使用?我认为,即使是在移动领域,我们利用安卓做了很多工作,但仍有数亿人依然无法使用手机。我们正在努力推出一款价格合理的智能手机,价格可能低于50美元。

所以,让人工智能对每个人都有帮助是我考虑的重点。你试着让尽可能多的人接触到你。我认为这是其中的一部分。

我们正在深入思考如何将人工智能应用到对人们有益的用例中。例如,我们早期做洪水预报的原因是因为我们意识到,我们可以探测到模式,并且做得很好。我们用它来翻译100种语言。我们现在确实在尝试用不同的语言提供内容,否则你将无法访问这些内容。

这并不能解决你说的所有问题。但要慎重考虑,何时何地你将专注于解决什么样的问题。以AlphaFold这样的领域为例。我们为世界各地的病毒提供了一个开放的数据库。但是,谁会最先使用它?人工智能不会神奇地让某些更困难的问题变得更好,比如不平等,还是它可能会加剧这种情况?

重要的是,你要确保每个人都能使用技术。你在早期开发它,让人们接触到它,参与到对话中,这样社会就可以帮助测试它,并适应它。

在这项技术上,我们肯定比其他公司参与得更早。你知道,最近我们参加了英国人工智能安全论坛,并在美国与国会和政府合作,我们正在尝试建立更多的公私合作伙伴关系,更早地吸引非营利机构和学术机构参与进来。至于对就业等领域的影响,还需要深入研究,但我确实认为会有惊喜。

我可以举很多例子来说明手机带来的好处,我认为人工智能技术也是如此。我们已经在糖尿病视网膜病变等领域展示了这一点,毕竟世界上许多地方没有足够的医生来检测这种疾病。就像我觉得让世界各地的人们都能使用谷歌搜索一样,我认为这是扩大人工智能使用范围的一种方式。

问:有些事情显然会帮助人们更有效率。编程就是一个很好的例子。然而,这项技术的普及正在威胁就业。即使你不能为社会提供所有的答案,一家公司也可以推出一款能够改变世界并产生深远影响的产品。

皮查伊:我们从未提供面部识别API,但其他人开发了API,技术正在向前发展。因此,它并非掌握在任何一家公司手中。我认为答案要复杂得多。社会也可能被甩在后面。如果你不采用这些技术,它可能会影响你的经济竞争力。你可能会失去更多的工作。

我认为正确的答案是负责任地部署技术,并取得进步,思考它可能造成更严重伤害的领域,并努力减轻它。同时,也将会出现新的工作类型。如果你看一下过去的五六十年,麻省理工学院的经济学家们的研究表明,大多数新创造的就业机会都是在自那以后出现的新领域。

将会有新的工作机会出现,会有更好的工作,人们将会被从一些重复性的工作中解放出来,你可以更有创造性地表达自己。你可以是医生,可以是放射科医生,也可以是程序员。你花在日常任务上的时间与深度思考的时间,所有这些都可以改变,让工作变得更有意义。还有些工作岗位可能会被取代。那么,作为一个社会,你如何再培训,重新培训人们,创造机会?

问:去年,人们在看待人工智能的方式上出现了哲学分歧。你可以支持安全第一,或者商业用例优先,你可以支持加速论者,也可以是末日论者。你所处的位置是,你必须把所有这些哲学联系起来,把它们结合起来。我想知道,你个人是如何看待谷歌把这些兴趣联系起来的,毕竟谷歌将成为这个领域的领导者,进入一个新世界。

皮查伊:我是一个技术乐观主义者。基于我的个人生活,我一直对人和人性抱有信念。所以,总的来说,我认为人类将利用技术为自己造福。所以我一直是个乐观主义者。你说得对,像人工智能这样强大的技术有二元性。

这意味着,有时我们会大胆地向前迈进,因为我认为我们可以推动最先进的技术。例如,如果人工智能可以帮助我们解决癌症或气候变化等问题,你会想尽一切办法让它快速发展。但你肯定需要社会制定框架来适应,无论是深度造假还是取代工作等等。这将成为一个前沿领域,与气候变化没有什么不同。这将是我们所有人在未来十年努力解决的最大问题之一。

问:另一个悬而未决的问题是围绕人工智能的法律法规。有关于合理使用的问题,有关于能否保护版权的问题。对于知识产权来说,这似乎将是一件大事。你如何告诉那些使用你产品的人,让他们有一种安全感,他们所做的事情不会让他们被起诉?

皮查伊:并不是所有的问题都有简单的答案。在人工智能出现之前,当我们开发搜索、YouTube等产品时,我们一直在努力实现正确的价值交换。人工智能也是如此。我们肯定会专注于确保我们可以根据法律允许的数据进行培训,让人们有机会选择退出。还有一个层面是关于什么是合理使用。为原创内容的创造者创造价值是很重要的,这些都是重要的领域。互联网就是一个例子,或者当电子商务开始时:你如何在电子商务和常规商务之间划清界限?

随着时间的推移,会有新的法律框架出现,这就是我对这个领域发展的看法。但与此同时,我们将努力遵守法律,并确保我们今天也与许多内容提供商保持深厚的关系。有一些领域存在争议,但我们正在努力解决这些问题。我们必须创造一个双赢的生态系统,让所有这些都能长期发挥作用。

问:当下人们对网络的担忧很多集中于搜索的未来。当你有一种技术可以根据网络上的信息为你回答问题时,有人就会担心人们可能不再需要访问这些网站了。这似乎也会对谷歌产生影响。我想知道你是否在考虑你自己的生意?

皮查伊:我们在搜索方面的一个独特价值主张是,我们帮助用户发现和学习新事物,并找到答案,但始终着眼于与他们分享网络上存在的丰富、多样性观点。这也是我们开发产品的一个重要原则。我不认为人们在搜索时总会说:“帮我回答就好了。”也许有一两个问题是你想要的,但即使你回来了,你会学到更多,甚至在这个过程中,你会走得更深入。我们总是想要确保我们做的是正确的,我认为这一点不会改变。重要的是我们要保持平衡。

同样,如果你深入地传递价值,你所传递的东西就会有商业价值。从台式机到移动设备,我们都有类似的问题,这对我们来说并不新鲜。基于我们所看到的一切以及用户对高质量广告的反应,我感到很放心。YouTube就是一个很好的例子,我们开发了订阅模式。这也很有效。

问:当这些产品开始真正进入市场并开始互动时,你认为明年人们的体验会发生怎样的变化?

皮查伊:我想从现在开始的未来一年,任何开始使用Google Docs的人都会期待一些不同的东西。如果你把它给他们,然后把它们放回到我们在2022年拥有的Google Docs版本中,他们会发现其已经过时了。这就像,对我的孩子来说,如果Google Docs没有拼写检查,他们基本上会认为它出问题了。我们可能还记得在拼写检查之前使用这些产品是什么感觉。但与其他公司相比,我们在搜索中融入了如此多的人工智能,人们已经认为这些自动功能是理所当然的。这是我多年来学到的一件事,让他们认为这是理所当然的。

就人们可以做的事情而言,随着我们开发多模式能力,人们将能够以一种他们以前无法做到的方式完成更复杂的任务。而且将会有真正的用例,它们的功能要强大得多。(小小)

查看评论
created by ceallan