谷歌全面反击！PaLM 2模型挑战GPT-4，产品通通AI化

来源：澎湃新闻

记者 邵文

·PaLM 2模型提供了不同规模的四个版本，其中轻量级的Gecko模型可以在移动设备上运行，速度非常快，不联网也能在设备上运行。谷歌还推出了两个专业领域大模型，其中，Med-PaLM 2能回答各种医学问题，是**在美国医疗执照考试中达到专家水平的大语言模型。

谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 在2023年I/O开发者大会上。

在ChaPT推出之后，谷歌一度发布内部“红色警报”（red code），被媒体称为遭遇“柯达时刻”（形容胶卷被数码照相替代）。久被唱衰之后，谷歌在北京时间5月11日的**一届I/O开发者大会上官宣大语言模型PaLM 2（Pathways Language Model 2），称其在部分任务上超越GPT-4。

谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）在加州山景城海岸圆形剧场的演讲中表示，PaLM 2是该公司**的AI模型，同时谷歌的研究重心正在转向开发更大的模型Gemini，这是一种多模态和高效的机器学习工具。

除此之外，谷歌也官宣会将Duet AI整合进谷歌办公全家桶Workspace；聊天机器人Bard全面升级并向所有人开放；谷歌云将上线多个基础大模型，为行业提供更进一步的生成式AI服务，等等。

在长达两个小时的演讲中，谷歌抛开以往的谨慎形象，从各个角度介绍了**的大模型技术如何应用在了谷歌产品体系的几乎所有方面。

皮查伊宣布PaLM 2。(02:18)

PaLM 2部分结果超越GPT-4

实际上，这一波由ChaPT带来的AI热潮，其背后关键技术即是2017年谷歌提出的transformer架构。2022年4月，PaLM第一个版本的模型发布。而在微软和OpenAI在大模型技术上先声夺人之后，这一次PaLM 2的发布显然被谷歌寄予厚望。

在I/O开发者大会上，皮查伊宣布推出PaLM 2预览版本，利用谷歌**的TPU算力基础设施提升了训练速度。由于它的构建方式是将计算、优化扩展、改进的数据集混合以及模型架构改进结合在一起，因此服务效率更高，同时整体表现更好。

PaLM 2模型提供了不同规模的四个版本，从小到大依次为“壁虎” （Gecko），“水獭”（Otter）、“野牛”（Bison）、“独角兽”，更易于针对各种用例进行部署。其中轻量级的Gecko模型可以在移动设备上运行，速度非常快，不联网也能在设备上运行出色的交互式应用程序。

PaLM 2在超过100种语言的多语言文本上进行了训练。

据介绍，PaLM 2在超过100种语言的多语言文本上进行了训练，这使得它在语言理解、生成和翻译上的能力更强，并且会更加擅长常识推理、数学逻辑分析。

PaLM 2的数据集中有海量论文和网页，其中包含非常多的数学表达式。在这些数据的训练后，PaLM 2能轻松解决数学问题，甚至是制作图表。

根据基准测试，对于具有思维链prompt（提示）或自洽性的MATH、G8K和MG基准评估，PaLM 2的部分结果超越了GPT-4。

根据基准测试，PaLM 2的部分结果超越了GPT-4。

PaLM 2 是在具有100+语言的语料库上进行训练的，因此它更擅长多语言任务，能够理解、生成和翻译比以往模型更细致多样化的文本。

PaLM 2 通过了“精通”（mastery）级别的**语言能力考试。比起PaLM，在**专业语言熟练度考试中的表现，PaLM 2的日语水平达到了A级，而PaLM达到了F级。PaLM 2的法语水平达到了C1级。在相关论文中，谷歌工程师声称PaLM 2的语言能力已经“足以教授这门语言”，原因是其训练数据中的非英语文本更为普遍。

编程方面，PaLM 2现在支持20种编程语言，如Python、JavaScript等常用语言，以及Prolog、Fortran和Verilog等。

此外，基于PaLM 2，谷歌还推出了两个专业领域大模型。一个是谷歌健康团队打造的Med-PaLM 2，它能回答各种医学问题，据介绍是**在美国医疗执照考试中达到专家水平的大语言模型。

谷歌健康团队打造的Med-PaLM 2。

目前谷歌正在尝试让它具备多模态能力，比如检查X光片然后给出诊断。在今年夏天晚些时候，这个模型将对一小部分谷歌云用户开放。

另一个专业大模型是面向网络安全维护的Sec-PaLM 2，它使用人工智能来帮助分析和解释潜在恶意脚本的行为，并在非常短的时间内检测哪些脚本实际上对个人和组织构成威胁。

另外，在Google Brain和DeepMind合并之后，新的大模型也在研制过程当中。皮查伊表示现在谷歌的研究重心正在转向Gemini——一种多模态和高效的机器学习工具。该模型是在今年才开始研发的，将具有像GPT-4一样的万亿参数。目前，Gemini仍在训练中，但已经展示出了以往模型中从未见过的多模态能力。

DeepMind副总裁祖宾·加赫拉马尼（Zoubin Ghahramani）在介绍PaLM 2的博客中表示，他们发现模型并不总是越大越好。“壁虎”非常轻巧甚至能在移动设备上离线运行，也就是说在手机也能运行交互式应用程序，同时保证速度（每秒可处理20个token）。这意味着微调PaLM 2会更加方便，由此它也能支持更多产品和应用。

英伟达AI研究员Jim Fan对这样的尝试表示赞同，“下一波LLM（大型语言模型）将是移动原生的。一个离线的、永远在线的LLM不仅可以降低服务成本，而且还为用户体验开辟了全新的途径。例如，一个元应用程序可以从你的移动工作流程中学习，并为你实现自动化。在小屏幕上节省的生产力，将比在大屏幕上多得多。”

PaLM 2技术报告。

当天，谷歌一同发布了PaLM 2技术报告（https://ai.google/static/documents/palm2techreport.pdf），整整 91 页。但是，PaLM 2论文远没初代PaLM有诚意，和GPT-4一样，更像是技术报告。

谷歌研究副总裁Zoubin Ghahramani承认，在打击AI产生的虚假信息方面，还有很长的路要走。谷歌特地介绍了开发AI技术的社会责任感，包括两个判别AI生成内容的工具：嵌入水印和嵌入元数据。

谷歌全线产品接入PaLM 2大模型

目前谷歌的聊天机器人Bard以及超过25个AI产品和功能，都由PaLM 2作为底层技术支持。具体的表现之一是Duet AI，一个类似于微软365 Copilot的产品、能够内嵌在各种办公软件中的AI助手。

在发布会现场，谷歌展示了Duet AI在Gmail、Google Docs、Google Sheets中的能力。它可以根据提示补充邮件内容、生成PPT、根据提示生成图片素材、一键生成表格等。同时，这个AI助手也能提供编程帮助，包括实时推荐、纠错代码块，并且以对话方式解答编程问题，目前支持Go、JavaScript、Python和SQL。

Duet AI直接从幻灯片中的文本生成图像。

自动生成遛狗业务的收费表。

用Bard起草邮件，并一键导入Gmail。

如果想试用这些新工具，需要注册Workspace Labs，加入候补名单。现在，任何人都可以申请加入候补名单，不过尚不清楚用户何时可以访问。谷歌的说法是，将在未来几周内将服务扩展到“更多的用户和国家”。

为了与微软必应竞争，谷歌推出了由PaLM 2驱动的全新搜索引擎。它能够提供问题回答的摘要，比如问“为什么酵母面包仍然如此受欢迎？”谷歌搜索就给出几段详细描述酵母的味道、其益生元能力的优势等。另外，在生成内容旁给出3个链接，以证明摘要中的内容，以减少AI在生成内容上出现“幻觉”问题。

在谷歌搜索蓝牙音箱，首先顶部有一个简短的摘要，详细说明了购买时应注意的事项：电池寿命、防水性、音质。右边是3个购买指南的链接，下面是6个不错选择的购物链接，每个旁边都有一个AI生成的摘要。

但是要是想要访问这一功能，必须选择Search Generative Experience（SGE）这一新功能。并非所有搜索都会有AI生成的答案。只有当谷歌的算法认为它比标准答案更有用时，AI内容才会出现，而像健康、财务等敏感主题就不会由AI生成。

发布会上，谷歌还宣布了一个重磅消息：聊天机器人Bard未来也能像ChaPT一样，接入网络，实时搜索网页。

这次，Bard有诸多升级并很快就会支持各种第三方扩展，例如AI可以自动根据你输入的文本生成图像。

谷歌在发布会上展示了一个案例。假如用户问Bard，美国的新奥尔良有哪些必看的景点，那么Bard就能图文并茂地解答这个问题，就像用户在谷歌搜图中问同样的问题一样。

另一个功能是图像提示系统，由Google Lens提供，它能够识别图片中的物体。比如说，上传一张狗的照片，然后给一个prompt“为这两只狗写一个有趣的标题”。Google Lens就可以识别狗的品种，然后Bard就能写下与狗特征相关的内容。

用Bard为照片写一个有趣的标题。

通过语言描述让Bard生成代码。

谷歌决定取消Bard的等候名单，其将在180个国家或地区提供服务。

发布文本生成音乐模型MusicLM

谷歌当天还发布了一种新的实验性AI工具MusicLM，可以将文本描述转化为音乐。 MusicLM可在网络、Android或iOS上的AI Test Kitchen应用程序中使用，允许用户输入诸如“晚宴上的深情爵士乐”或“创造催眠的工业技术声音”的提示，让该工具创建多个版本的歌曲。

用户可以在完善MusicLM生成的作品时指定“电子”或“古典”等风格，以及他们想要的“氛围、情绪或情感”。

谷歌1月在一篇学术论文中预览MusicLM时，表示“没有立即计划”发布它。论文的合著者指出，像MusicLM这样的系统会带来许多伦理挑战，包括将训练数据中受版权保护的材料整合到生成的歌曲中。

但在接下来的几个月里，谷歌表示它一直在与音乐人士合作并举办研讨会，以“了解这项技术如何为创作过程赋能”。结果之一是，AI Test Kitchen中的MusicLM版本不会生成具有特定艺术家或人声的音乐。

无论如何，围绕生成音乐的更广泛挑战不太可能轻易解决。而“深度造假”音乐仍然站在模糊的法律基础上。

在移动终端发力

相比微软，谷歌的一点优势是拥有包括智能手机、平板电脑及其操作系统在内的终端出口，这是它可以发力并必须抓住的部分。

I/O大会上，谷歌展示了下一代移动操作系统Android 14的新能力。其中，Magic Compose将于今年夏天在谷歌的默认短信应用Message中推出测试版，它是一种基于AI生成模型的工具，让你在回短信的时候根据聊天内容获得大量提示。它会学习你的说话方式，你也可以让自己的回复内容看起来有不同的语气，或者用莎士比亚的风格来写。

谷歌还使用生成式AI来帮你制作****的手机壁纸，和AI画图一样使用语言提示完成。

在大会上，谷歌还发布了AI笔记本——一个名叫Tailwind的项目，目标受众定位为学生。该功能在大学校园内进行了广泛的测试。

谷歌发布了AI笔记本项目Tailwind。

Tailwind就像一个真正的笔记本一样，可以在里面记笔记，而这些内容就是AI学习的对象。

用户可以从谷歌云端硬盘中挑选文件，创建一个兼具个性化和私人属性的AI模型。在示例演示中，Tailwind收集了一大堆学习笔记，然后生成了包括主题词在内的很多内容，比如用户可以为特定主题创建术语表。

Tailwind操作演示。

Tailwind不仅能为学生服务，对任何从不同来源获取信息的人都有帮助。用户目前可以注册Project Tailwind进行测试。

隐藏在Tailwind背后的理念是，为什么不能为每个用户定制不同的AI语言模型呢？

三大基础模型上线谷歌云、安卓开发小助手等

在宣布了AI方面的一系列更新后，谷歌也为自己的云端机器学习平台Vertex AI推出了三款大模型：Codey（text-to-code，帮助程序员写代码）、Imagen（text-to-image，生成高质量图像）、Chirp（speech-to-text，方便沟通）。

LLM模型需要大量的计算能力来训练和运行。认识到这一点，谷歌云在谷歌I/O大会上宣布了一款新的A3超级计算机虚拟机。

谷歌在一份声明中写道：“A3 GPU VM专为当今的机器学习工作负载提供**性能的训练而设计，配备了现代CPU、改进的主机内存、下一代英伟达GPU和主要网络升级。”

具体来说，该公司正在为这些机器配备英伟达的H100 GPU，并将其与专门的数据中心相结合，以获得具有高吞吐量和低延迟的巨大计算能力。

谷歌将以多种方式提供A3：客户可以自己运行它，或者如果他们愿意，可以将其作为托管服务运行，谷歌会为他们处理大部分繁重的工作。目前，客户只能通过注册预览等候名单来使用。

除此之外，谷歌I/O大会上也推出了专为Android开发的AI编码机器人Studio Bot。它不仅可以生成代码、修复BUG，甚至能够回答关于安卓应用开发的相关问题。同时支持Kotlin和Java编程语言，并将直接嵌入到Android Studio开发工具的工具栏中。

谷歌还宣布推出搜索实验室，这是一种让消费者在搜索中测试“大胆的新想法和我们正在探索的想法”的新方式。

搜索实验室限时提供三个主要功能。第一个称为搜索生成体验（SGE），将生成式AI直接引入谷歌搜索。 “新的搜索体验可以帮助您快速找到并理解信息。”谷歌表示， “在搜索时，您可以通过AI驱动的概述、探索更多内容的指示以及以自然跟进的方式来了解主题的要点。”第二个功能是，搜索提示还提供代码提示，使用大型语言模型提供片段和“更快更智能地编写代码的指针”。**，“添加到表格”可以将搜索结果直接插入到电子表格中。例如，如果计划使用表格文档安排度假，可以直接从谷歌搜索轻松添加链接。