文 | 產(chǎn)業(yè)家 思杭 皮爺
在微軟GPT-4遇到諸多問題的最近，谷歌終于向外界展示出了其強(qiáng)勁的實(shí)力。
就在昨天，一年一度的Google I/O開發(fā)者大會在美國加州山景城的海濱露天劇場拉開帷幕。與往年不同的是，今年的大會主題是近期火爆全球的「AI大模型」，因此格外熱鬧。
在會上，最重磅的消息是，谷歌推出了最新語言模型——PaLM 2，并作為本次發(fā)布會中大部分AI功能的基礎(chǔ)模型。
盡管從AI模型整個領(lǐng)域來看，PaLM 2并未取得突破性進(jìn)展，只是在多語言、推理和翻譯功能有所改進(jìn)，諸如數(shù)據(jù)隱私和AI“幻覺”等問題依舊存在，但就部分性能而言，PaLM 2已經(jīng)超過GPT-4。
從各項參數(shù)來看，谷歌的大模型已經(jīng)覆蓋到了自身的產(chǎn)品應(yīng)用，這些產(chǎn)品應(yīng)用包括文檔等辦公產(chǎn)品，也更包括和底層云計算的打通，同時還有“個性化AI”概念的提出，這些動作無不在向外界傳遞出一個信號：谷歌大模型已經(jīng)可以全面落地，不論在C端還是B端，不論是輕量級部署，還是本地部署。
在過去的一兩個月中，中國市場風(fēng)起云涌，TO B市場的變化更是一日千里。在大模型這條道路上，出現(xiàn)了各種形形色色的模型的定義，不論是大模型、產(chǎn)業(yè)模式，還是小模型等等，都以一種全新的概念姿態(tài)出現(xiàn)。但細(xì)看其具體的應(yīng)用，其中的很多功能接近同質(zhì)化，尤其是在TO B領(lǐng)域的應(yīng)用上，同時更不乏基于開源進(jìn)行開發(fā)的“套娃”模型。
于此之中，落地場景和產(chǎn)品也更是寥寥無幾。
差距是客觀存在的，不論是對標(biāo)微軟的Open-AI，還是谷歌的PaLM 2，中國的大模型目前仍需要更大程度的在底層能力上的補(bǔ)齊，而透過谷歌的這次發(fā)布會，未來中國大模型的路該朝向何方？或許會有一些答案。
一、PaLM 2：有望超越GPT-4
PaLM 2作為谷歌最新大語言模型，是本次發(fā)布會的重磅消息。
據(jù)美國科技媒體記者Federic，“PaLM 2將應(yīng)用于谷歌最新發(fā)布的Bard聊天工具中，成為OpenAI的ChatGPT的最大競爭者。此外，PaLM 2也是今天宣布的大部分AI功能的基礎(chǔ)模型?！?/p>
多語言性：PaLM 2 在多語言文本方面進(jìn)行了嚴(yán)格的培訓(xùn)，涵蓋100多種語言。這極大提高了其理解、生成和翻譯各種語言的能力，包括理解習(xí)語、詩歌和謎語。
推理：PaLM 2有廣泛的數(shù)據(jù)集，包括科學(xué)論文和網(wǎng)頁。因此，它展示了在邏輯、常識推理和數(shù)學(xué)方面的改進(jìn)能力。
編碼：PaLM 2在大量公開可用的源代碼數(shù)據(jù)集上進(jìn)行了預(yù)訓(xùn)練。這意味著它擅長Python和JavaScript等流行的編程語言，還可以用Prolog，F(xiàn)ortran和Verilog等語言生成專門的代碼。
與其他大語言模型一樣，搭建PaLM 2需要耗費(fèi)大量的時間成本和資源。然而，PaLM 2能應(yīng)用于C端和B端兩種環(huán)境，企業(yè)客戶可根據(jù)特定領(lǐng)域的數(shù)據(jù)進(jìn)行微調(diào)，以便在特定場景下執(zhí)行任務(wù)。
如今，PaLM 2已應(yīng)用于谷歌的25個功能和產(chǎn)品，包括Google Bard聊天機(jī)器人和Google Workspace協(xié)同文檔。
其中，PaLM 2的最輕版本Gecko足夠小，可以在手機(jī)上運(yùn)行，每秒處理20個tokens，大約相當(dāng)于16或17個英文單詞。不過，雖然PaLM 2雖然在推理和語言等方面取得了較為顯著的成績，但它仍面臨著技術(shù)挑戰(zhàn)和大模型的共性問題。
比如一些專家已經(jīng)開始質(zhì)疑創(chuàng)建語言模型所使用訓(xùn)練數(shù)據(jù)的合法性。因為這些數(shù)據(jù)從互聯(lián)網(wǎng)上抓取，通常包括受版權(quán)保護(hù)的文本和盜版電子書。而谷歌在PaLM 2的升級中，也并沒有披露更多關(guān)于數(shù)據(jù)源的細(xì)節(jié)。
另外，AI“幻覺”問題也未得到解決。大模型擅長編造信息，谷歌研究副總裁Zoubin Ghahramani在接受The Verge采訪時表示，在這方面，PaLM 2是對早期模型的改進(jìn)，“從某種意義上說，我們正在投入大量精力不斷改進(jìn)基礎(chǔ)性和歸因指標(biāo)”，但他指出，在AI領(lǐng)域，打擊人工智能產(chǎn)生的虛假信息，“還有很長的路要走”。
二、大模型會“魔法”——編輯器和創(chuàng)作器
在這次發(fā)布會中，兩個具體的功能成為焦點(diǎn)。
第一個是Google推出的人工智能驅(qū)動的魔法編輯器（Magic Editor）。用戶可以在照片的特定部分進(jìn)行復(fù)雜編輯，并填補(bǔ)照片空白。
另一個功能是魔術(shù)創(chuàng)作器（Magic Compose），利用生成式AI幫助人們撰寫個性化信息。它可以以不同風(fēng)格撰寫信息，甚至可以莎士比亞風(fēng)格的信息。
基于AI大模型，谷歌地圖還發(fā)布「沉浸式路線視圖」，在洛杉磯、舊金山、紐約、倫敦、阿姆斯特丹、柏林等15個城市進(jìn)行試點(diǎn)。用戶可在導(dǎo)航時使用該功能，提前看到整個路線的動態(tài)街景視角，包括交通模擬、自行車道、復(fù)雜十字路口、停車等詳細(xì)信息。
除了谷歌的“魔法工具”和谷歌地圖，還有更多基于PaLM 2的AI新功能。比如，在音樂方面，谷歌推出了MusicLM，可將文本轉(zhuǎn)化為音樂。假設(shè)你在舉辦一個晚宴，通過簡單輸入“晚宴的深情爵士樂”，該工具即可創(chuàng)建歌曲的多個版本。
此外，Google Workspace也實(shí)現(xiàn)了AI辦公功能。據(jù)了解，谷歌將在180多個國家和地區(qū)提供英語版本的Bard聊天機(jī)器人，而且還推出了對日語和韓語的支持。在不久的將來，Bard會支持40種語言。
在此基礎(chǔ)上，谷歌還通過Bard與Adobe合作，開發(fā)了藝術(shù)生成功能。
在谷歌文檔的側(cè)面，將會出現(xiàn)一個新面板——Sidekick，可以幫助用戶在寫作時閱讀并整理文檔，根據(jù)上下文提供與內(nèi)容有關(guān)的建議，可以對標(biāo)Notion。
同時，優(yōu)化的還有自身的搜索。據(jù)了解，谷歌正在試驗一種由人工智能驅(qū)動的對話模式。用戶搜索時會看到建議的后續(xù)步驟，可以根據(jù)對話模式進(jìn)入建議的下一步。此外，谷歌還引入了“觀點(diǎn)”過濾器。
三、AI生成代碼，Codey比肩GitHub Copilot
本次，Google發(fā)布的代碼生成工具「Codey」，是對GitHub Copilot的一個回應(yīng)。Codey經(jīng)過專門培訓(xùn)，可以處理與編碼相關(guān)的提示，并且還接受過處理與Google Cloud相關(guān)查詢培訓(xùn)。
Codey是基于谷歌的PaLM 2大語言模型的編碼工具。谷歌表示，該工具是在大量獲得許可的開源代碼、大量內(nèi)部谷歌代碼、公司所有代碼示例及其參考應(yīng)用程序的基礎(chǔ)上進(jìn)行訓(xùn)練的。
谷歌表示，該模型是在大量獲得許可的開源代碼、大量內(nèi)部谷歌代碼、公司所有代碼示例及其參考應(yīng)用程序的基礎(chǔ)上進(jìn)行訓(xùn)練的。開發(fā)人員能夠直接在他們的IDE聊天框中與Codey聊天，或者在文本文件中寫評論，讓它生成相關(guān)代碼。
對于Codey，谷歌的愿景是，它希望通過這種聊天機(jī)器人技術(shù)，在不久的將來，開發(fā)人員可以管理他們在谷歌云上的所有服務(wù)，包括部署和擴(kuò)展應(yīng)用程序。
四、谷歌云的“三大基礎(chǔ)模型”
從Transformer架構(gòu)到PaLM 2，除卻GPT模型之外，實(shí)際上，谷歌一直保持領(lǐng)導(dǎo)者地位。
在本次在Google I/O 2023大會上，Google Cloud又邁出了一大步，對代碼生成模式和模型調(diào)整都做出了改善。以下為本次更新的三大基礎(chǔ)模型：
Codey，文本到代碼模型，幫助開發(fā)人員完成代碼、生成和聊天
Imagen，文本到圖像模型，幫助客戶生成和編輯高質(zhì)量圖像，滿足任何業(yè)務(wù)需求
Chirp，語音轉(zhuǎn)文本模型，用于翻譯、溝通和交流
這些基礎(chǔ)模型可通過API訪問，也可以在生成式AI Studio中的UI進(jìn)行調(diào)整，或部署到數(shù)據(jù)科學(xué)筆記本。
值得一提的是，獨(dú)特的調(diào)優(yōu)功能能夠結(jié)合人工反饋來訓(xùn)練，可用于微調(diào)基礎(chǔ)模型的獎勵模型。這對于醫(yī)療、金融和電子商務(wù)等行業(yè)有著十分重要的應(yīng)用。
寫在最后：
今年，Google I/O大會之所以備受關(guān)注的一個焦點(diǎn)在于，其基于自身的大模型，谷歌做到了將固有的全部產(chǎn)品接近重塑的程度，這種重塑不單純是產(chǎn)品邏輯上的重塑，更是能真實(shí)落地、真實(shí)使用的重構(gòu)。
比如面向C端的辦公文檔，比如與Adobe結(jié)合的圖片設(shè)計，比如文生圖、圖生文、文生音樂等等，相較于Open-AI的發(fā)布，谷歌的大模型表達(dá)更加具象和入微，也更貼近人們生活的場景。
而在B端業(yè)務(wù)上，更是如此。
不論是其在低代碼/無代碼上的進(jìn)一步邁步，還是基于谷歌云三大模型的梳理和拆解，再或者是在機(jī)器人智能的結(jié)合下進(jìn)行智能交互、智能指令的新企業(yè)模式，都展示出谷歌可以將AI大模型真正應(yīng)用到企業(yè)生產(chǎn)和TO B場景中。這種應(yīng)用不是單純的AI算法，而是真正基于大模型的特定業(yè)務(wù)表達(dá)。
從這些視角來看，這也更是中國大模型應(yīng)該去踐行的。
在過去的多年時間里，中國在移動互聯(lián)網(wǎng)方面處于領(lǐng)先地位，這種領(lǐng)先體現(xiàn)在互聯(lián)網(wǎng)的廣泛使用、智能手機(jī)的極高普及率，這些領(lǐng)先最終沉淀出的就是真實(shí)有價值的數(shù)據(jù)，而這也是如今百度騰訊阿里京東以及其它企業(yè)做大模型的基礎(chǔ)。
但在數(shù)據(jù)訓(xùn)練之上，基于軟件層面和基于開發(fā)層面的真實(shí)場景的表達(dá)，如今卻甚為少見。
或者說，單純的比較參數(shù)量級僅代表的是大模型本身的能力，而并不是其能賦能產(chǎn)業(yè)的能力，谷歌和微軟的成功應(yīng)用也在昭示這一點(diǎn)：大模型應(yīng)該和真正的場景結(jié)合，基于此才能釋放更大的想象力和價值。
不論是谷歌，還是微軟，在其大模型發(fā)布后，都能看到的是其矩陣內(nèi)的產(chǎn)品的迅速跟進(jìn)，對中國大模型企業(yè)而言，也更應(yīng)該強(qiáng)化大模型的應(yīng)用層，在具備微信、淘寶等一眾全球移動互聯(lián)網(wǎng)時代最有明星價值的產(chǎn)品的土壤上，在這個制造業(yè)發(fā)達(dá)，供應(yīng)鏈眾多，數(shù)字化轉(zhuǎn)型迫切的環(huán)境里，中國本土的大模型具備的價值將更大，其能攪動的市場變化也會更為劇烈。
對中國大模型廠商而言，市場期待的，也恰是這些真正可落地的應(yīng)用和實(shí)踐。這些實(shí)踐可以在社交，在電商，在低代碼，在供應(yīng)鏈，也更可以在一個個中國產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的新洼地。