谷歌开始了OpenAI的反击。最新的大语言模型PaLM2从PaLM 2到Gemini直指GPT-4的痛点。这一次，Google找到了GPT-4的痛点，以多模态能力直击靶心，以特殊领域模型拉开差距。可以说打了一个漂亮的反击。“本报记者|李静雅北京时间5月11日凌晨1点，Google I/O 2023开发者大会如期而至。在其位于美国加州山景城的总部，谷歌推出了多项产品和服务的重磅更新，涉及谷歌地图、人工智能、搜索、安卓、谷歌云和Pixel。其中，谷歌在萌芽和生成式AI方面的最新进展备受外界关注。棕榈2号发起了GPT 4号的反击。谷歌CEO皮查伊在发布会上表示，谷歌此次发布的PaLM 2是最先进的语言模型，也是其PaLM语言模型的第二个版本。与PaLM 1相比，新版本升级了多语言、推理和编码能力，并将支持25种谷歌产品。
来源:谷歌
在多语种能力方面，PaLM 2进行了更多的训练，文本跨越100多种语言，大大提高了对细致入微的文本的理解、生成和翻译能力，解决了对成语、诗词、谜语的理解能力，处理门槛较高。此外，PaLM 2可以在非常高的水平上通过语言能力测试。在推理能力方面，PaLM 2在包含科学论文和数学表达式的网页上进行了训练，因此在逻辑、常识推理和数学方面有能力提升。在编码能力上，PaLM 2支持20多种编程语言。由于它是在大量公开可用的源数据集上进行预训练的，因此擅长Python、JavaScript等流行编程语言，也可以编程Prolog、Fortran、Verilog等小众语言。
来源:谷歌
根据皮查伊的说法，PaLM 2将会有四种大小，分别是壁虎、水獭、野牛和独角兽。
来源:Google Gecko:体积最小，可以在移动设备上运行，速度足够快，即使离线也可以交互使用。
Otter:中型机型，适合各种任务，包括自然语言处理、机器翻译和代码生成。
Bison:更大的模型可以处理更复杂的任务，比如生成逼真的图像和视频。
独角兽:尺寸最大，可以处理最复杂的任务，比如写创意文字，比如诗歌、代码、剧本、音乐作品、邮件、信件等。
不同尺寸型号带来的功能意味着PaLM 2可以进行微调，以在许多方面支持整个类别的产品，并帮助更多的用户。
来源:谷歌
PaLM 2的多模态能力体现在其理解和生成音视频内容的能力上，皮查伊在现场演示了这些能力。他以谷歌基于PaLM 2针对医疗领域进行微调的MED-PaLM 2为例。后者是第一个在医师执照考试中显示专家水平的专业语言模型。它已经能够帮助放射科医生在医院的观察室解读图像，根据x光片分析患者的病情，此后将被用于更多领域。
来源:谷歌CEO皮查伊表示，Med-PaLM已经达到了人类专家医生的水平。
皮查伊指出，尽管PaLM 2已经非常强大，但只有对特定领域的知识进行微调，它才能发挥真正的作用。与基本模型相比，微调帮助Med-PaLM 2实现了近十倍的准确性，从而可以接近临床专家回答医学问题的性能。“我们仍在努力增加Med-PaLM 2的功能，使其能够整合来自医学图像的信息，如乳腺x光片。”皮柴强调。
据谷歌搜索高管称，Med PaLM 2的训练集使用了来自各国医疗诊所的数据样本。
同样，谷歌也基于PaLM 2为安全领域训练了一个垂直模型Sec-PaLM，它可以利用AI检测恶意脚本，帮助安全专家理解和解决各种攻击和威胁。谷歌称，PaLM 2的用户包括全世界的消费者，以及各种规模的开发者和企业。皮查伊还宣布，谷歌已经开始开发下一代多模态大型模型Gemini，该模型在整合工具和API方面非常高效，在内存和规划能力方面也有相当创新的突破，目前仍在培训中。“与其他型号相比，Gemini展示了前所未有的多模式能力。一旦经过微调和严格的安全测试，它还将具有各种尺寸和功能，并可以部署在不同的产品、应用和设备上，使每个人受益。”皮柴说。从PaLM2到Gemini，Google这次找到了GPT-4的痛点，以多模态能力击中靶心，以特殊域模型拉开差距，可以说打了一个漂亮的反击。谷歌研究部副总裁佐宾·格罗曼尼(Zobin Geromani)指出了一个值得关注的问题，即模型并不是“越大越好”那么简单，研究的创造力是构建伟大模型的关键。他说，谷歌最近在构建和训练模型方面的进展，使其能够理解如何真正释放多模态能力，以及如何比以前更有效地构建模型。在此之后，谷歌将致力于建立为人们的日常生活带来真正好处的模型。谷歌在本次I/O大会上并未给出更多PaLM 2的技术细节，这与OpenAI对ChatGPT和GPT-4的态度类似，但谷歌的上述表态符合其内部的技术路线。虽然从去年年底开始，Google因为ChatGPT的出现而处于非常被动的局面，但是Google其实在OpenAI之前就看到了超大规模语言模型的必要性，坚持在稀疏模型架构上做深入的探索。DeepMind在与Google分庭抗礼之前，其语言模型sparrow就走上了小模型参数战胜微调的道路，而与Google强强联手之后，势必会在思维上对PaLM 2做出相当大的贡献。皮查伊还强调，PaLM 2的成就是基于谷歌大脑和DeepMind这两个世界级研究团队取得的进展。巴德的复仇是在I/O大会上，另一个举世瞩目的进展来自巴德，他之前已经被打败了。谷歌公布了Bard的多项功能更新，可谓是对BingChat新更新的一次重量级回应。首先是带图片的多模态查询功能。用户可以用图片向吟游诗人提问，吟游诗人也可以用图片内容回复用户。如果用户想要查询某个旅游目的地，Bard的行为就像大众点评一样，可以向用户展示目的地附近的所有热门景点。
来源:谷歌来源:谷歌
除了文字，吟游诗人还能很好的理解图片，根据图片信息抽象文字。谷歌现场进行了演示。如果你给巴德发一张狗的图片，巴德可以根据图片分析出有趣的点。
来源:谷歌
在这个过程中，谷歌也表现出，通过最近几个月的训练，巴德对语言和文字的理解得到了进一步的提升，这也是上次巴德出来被群里嘲讽的核心点。在I/O大会现场，巴德有两个功能演示获得了最高分贝的欢呼。第一次更新了Bard的黑暗模式，第二次，Bard的新搜索功能与谷歌地图完美融合。
来源:谷歌来源:在现场演示中，谷歌高管问巴德18岁时哪个城市更适合读书，并给出了几个条件。巴德先用文字给出了几个选项，然后被要求用谷歌地图显示位置。来源:谷歌
Bard的另一个主要好处是在编程方面。谷歌正在增强下一代版本Bard的编程能力，希望Bard不仅能生成代码，还能解释一些代码片段，帮助用户调试代码，同时也希望Bard能有更强的代码引用能力。
在新版本中，巴德的编程能力非常强大，堪比副驾驶。现场演示引发阵阵掌声。
在之前的迭代中，Bard已经能够将Python代码导出到Google的Colab。Google正在扩展这一功能，希望将Python代码导出到Replit，方便开发者使用。这一次，谷歌取消了Bard的用户等候名单，使其可以在180多个国家和地区使用。除了英语，Bard目前还可以支持日语和中文，不久将支持40种语言。据悉，谷歌目前正在与第三方合作伙伴合作，向Bard介绍其技术支持。不过，谷歌强调其唯一的第三方合作伙伴是Adobe的图像生成器Firefly，并将与专注于数学计算的引擎WolframAlpha合作。有趣的是，最近微软Bing的升级也调用了Wolfram Alpha插件。有分析指出，谷歌自身的图像生成能力很强，但这次选择与Adobe Firefly联手令人意外，应该更多是出于安全考虑。
来源:谷歌
谷歌表示，将很快推出Bard的其他扩展，主要是将其集成到自己的应用程序中，尤其是谷歌地图、谷歌文档、谷歌工作表和Gmail。目前看来，这种更新会比微软Edge浏览器和GPT-4的组合更强。
来源:Google Bard结合Gmail "