谷歌的Gemini 1.5 Pro是一种新的更高效的AI模型

周四，谷歌推出了Gemini 1.5 Pro，该公司称其比之前的型号提供了“显着增强的性能”。该公司的人工智能轨迹(内部认为对其未来越来越重要)是在上周推出 Gemini 1.0 Ultra后，以及 Bard 聊天机器人(更名为 Gemini)的品牌重塑，以适应新模型更强大、更通用的功能。

在一篇公告博客文章中，谷歌首席执行官桑达尔·皮查伊(Sundar Pichai)和谷歌 DeepMind 首席执行官德米斯·哈萨比斯(Demis Hassabis)试图在向受众保证人工智能道德安全性和宣传其模型快速发展的能力之间取得平衡。“我们的团队以安全为核心，继续推动最新车型的前沿发展，”皮查伊总结道。

该公司需要强调人工智能怀疑论者(包括一位前谷歌首席执行官)和政府监管机构的安全。但它还需要向人工智能开发人员、潜在客户和投资者强调其模型的加速性能，他们担心该公司对OpenAI在ChatGPT上取得的突破性成功反应太慢。

Pichai 和 Hassabis 表示 Gemini 1.5 Pro 的结果与 Gemini 1.0 Ultra 相当。然而，Gemini 1.5 在该级别上的执行效率更高，计算要求也更低。多模式功能包括处理文本、图像、视频、音频或代码。随着 AI 模型的进步，它们将继续在一个提示框中提供一系列更通用的功能(最近的另一个例子是OpenAI 将 DALL-E 3 图像生成集成到 ChatGPT 中)。

Gemini 1.5 Pro 还可以处理多达 100 万个代币，或者 AI 模型可以在单个请求中处理的数据单元。谷歌表示，Gemini 1.5 Pro 可以处理超过 700,000 个单词、一小时的视频、11 小时的音频和超过 30,000 行代码的代码库。该公司表示，它甚至“成功测试”了一个支持多达 1000 万个代币的版本。

该公司表示，当有更多新数据需要学习时，Gemini 1.5 Pro 在具有较大代币计数的查询中保持较高的准确性。据称，该模型在大海捞针评估中给人留下了深刻的印象。在此测试中，开发人员在长文本块中插入一小段信息，看看 AI 模型是否可以将其识别出来。谷歌表示，Gemini 1.5 Pro 可以在 100 万个令牌的数据块中以 99% 的概率找到嵌入文本。

谷歌表示，Gemini 1.5 Pro 可以从 402 页的阿波罗 11 号登月任务记录中推断出各种细节。此外，它还可以分析上传的巴斯特·基顿主演的 44 分钟无声电影中的情节点和事件。“由于 1.5 Pro 的长上下文窗口是大型模型中的首创，我们正在不断开发新的评估和基准来测试其新颖的功能，”哈萨比斯写道。

Google 正在推出具有 128,000 个代币功能的 Gemini 1.5 Pro，与 OpenAI(公开宣布的)GPT-4 模型的最大数量相同。哈萨比斯表示，谷歌最终将推出新的定价等级，支持多达一百万个令牌的查询。