大家好，我是Wayne。知道嗎？AI大地震了，穀歌發佈了最新AI模型Gemini!先看演示：我們開始吧，告訴我你看到了什麼？“我看見你在桌子上放了一張紙。”“我看到了一條彎彎曲曲的線。”現在呢？“等高線光滑流暢，沒有銳角或鋸齒狀的邊緣，在我看來，它就像一隻鳥。”添加這個呢？“這只鳥在水裡游泳。它有一個長長的脖子和喙。”是的，這是一隻鴨子。“鴨子是水禽科的一種。白晝鴨與鵝和沼澤鴨關係密切。”“這只鴨子似乎是藍色的。然而，這並不是鴨子身上常見的顏色。”有一些品種的藍鴨。“這些鴨子通常不像其他品種的鴨子那樣常見。鴨子更常見的情況是棕色、黑色或白色。”你肯定嗎？“什麼呀！我剛剛才說這是一隻藍鴨子，現在你就拿著一個，看起來藍鴨子比我想像的更常見。這個鴨子會浮動嗎？我不確定它是用什麼材料做的，但它看起來可能是用橡膠或塑膠做的。”如果我告訴你它在發出吱吱聲呢？“噢如果是吱吱聲，它肯定會漂浮起來的。”嗯，是的！“這是一隻橡皮鴨。它是由一種密度不如水大的材料製成的。”

再來個示例: 給他一張地圖，和他做個遊戲。“這只鴨子躺在海洋的中央。附近沒有土地供鴨子休息或尋找食物。這片區域不太可能找到鴨子。”好吧，根據你所看到的，想出一個遊戲點子，請用表情符號。“這個怎麼樣：我們可以玩一個叫做<猜猜這個國家>的遊戲。”當然，讓我們去做吧！“線索1：這個國家是袋鼠、考拉和大堡礁的家園。”“線索2：這個國家熱愛足球，擁有男足世界冠軍最多的國家。”

再來看兩個常見的杯子遊戲: “你試圖讓我找到紙球下麵的杯子，我接受挑戰! 左邊的杯子。”給兩團毛線，看看他的創意如何？“我看到了粉色和綠色的紗線。做一個火龍果怎麼樣，或者粉紅色心的綠色蛋糕怎麼樣？”好吧，這個顏色怎麼樣，也許給我看看一些動物？“好吧，現在我看到了藍色和粉色的紗線。藍耳朵的豬，章魚或粉紅色鼻子的兔子怎麼樣。”

再來一些科學性的問題看一看：這是正確的順序嗎？“不，正確的順序是太陽，地球，土星。”根據他們的設計哪一種會更快？“右邊的車會更快，更符合空氣動力學。”看個更厲害的，你只管想像，AI幫你實現。“我看到你在畫一把吉他，你現在已經加了一個放大器，這是一把電吉他。既然你加了鼓，我們現在可以做一些非常響亮的音樂了。那一些80年代的金屬發器怎麼樣？好吧，我看到你在畫中添加了一棵棕櫚樹，現在變成了海灘氛圍。”

看完演示先別走，接下來，我會從具體6個方面介紹Gemini，告訴您和傳統生成式AI有哪些不一樣，並且會告訴你為什麼會領先於Chat-GPT4，未來可能的應用場景有哪些，最後會和你聊一聊AGI通用人工智慧。我們先從六個方面，全面的介紹一下Gemini，他到底是個什麼水準的存在，先說結論：他是截止目前最強的AI。第一方面:AI智能大升級。Gemini在MMLU中全部打敗chatGPT4，這需要稍微解釋一下，MMLU就是大規模多工語言理解，這是一個涵蓋了多個領域，包括數學、物理、歷史、法律、醫學等57個學科的語言測試理解，衡量的是知識面和解決問題的能力。要注意的是，這次他不僅是超越了ChatGPT，同時，也是第一個超越了人類專家水準的AI。他可以像我們一樣理解周圍的世界，不僅是文本，還包括代碼、音訊、圖像、影片。

第二:原生多模態。Gemini和chat-GPT在多模態的底層理解上不同，GPT是做了多個不同的單獨模型，單個模型要麼是只處理文字，要麼是只生成圖片，後期再把這些單獨的模型拼湊成一個整體，雖然功能都有，但是用起來就是很生硬、不流暢。而Gemini是原生多模態，從一開始，就是要做一個能夠處理多種資訊的整體。包括文字、圖片、影片、音訊和代碼，就像一個人可以同時聽說讀寫看一樣，所以在多模態這個角度，Gemini遙遙領先於GPT。

第三：推測用戶意圖。在執行任務方面，Gemini和GPT很不一樣。GPT更多的是機械的執行一個任務，比如你問GPT怎麼給女兒準備生日派對，它給你一些靈感，但除此之外就沒有了。但Gemini會推測你的意圖，具有邏輯思考能力。Gemini同樣收到了"準備女兒生日派對"這個任務，他會主動思考。覺得資訊不夠，就問你女兒的興趣是什麼。你說女兒對動物感興趣，然後希望活動在戶外，它就開始自己思考。至於右邊這些邏輯以及程式設計，都是Gemini自己生成的思考過程。它會想要不要做個UI介面，也不知道女兒喜歡什麼動物，那就多給你準備幾個動物選項，並用程式設計能力做個介面，方便你稍後直接可以交互、點擊，在你看來其實就是AI響了幾秒，然後我幫你做了一個網頁，你可以選擇你要去農場或者動物派對也可以選擇想要吃食物，如果不會的話，他可以一步一步教你怎麼做這個食物。也就是說，Gemini原生具備了類似AutoGPT的能力，也就是拿到任務，拆解成小任務，分佈思考，然後分佈執行。

第四:具備強數學能力。GPT目前的問題就是不具備數學能力，你讓他寫100字，他會寫80或者150，很難精確的寫100字，但他根本就不會數數。要解決數學問題，GPT都是靠外界協力廠商外掛程式來解決。但Gemini特別擅長數學、物理這些需要計算的複雜學科，能解決很多問題。比如可以上傳你的數學題，因為Gemini天生具備視覺，他會一步一步告訴你哪裡做錯了，就像有個輔導老師當場指著你的卷子告訴你這個公式錯了，應該怎麼改。這個當然不只是改個卷子這麼簡單啊，會對整個教育和科研造成巨大的影響。

第五:最強程式設計能力。一句話，Gemini能程式設計、能自己解決bug、能直接寫出可以用的程式。GPT4也可以寫代碼，但親測他寫的代碼經常報錯。還得人來修bug。Gemini可以理解、解釋和生成世界上最流行的程式設計語言，比如Python、Java、C++，沒有語言障礙，能夠跨語言處理複雜任務。穀歌的程式設計AI在Gemini加持之後，在世界程式設計大賽中擊敗了85%的參賽者，也就是說，AI的程式設計能力超越了絕大多數程式師，這就很恐怖了!

第六：多版本。穀歌把這次的介面呢做出了三個版本，分別是Nano、Pro和Ultra。其中Nano版本參數量小，相對而言能力沒有那麼強，但是好處就是可以直接被集成到Pixel 8Pro谷歌手機中，可以直接在手機上運行。Pro版本可以在穀歌AI BARD上使用，能力呢屬於居中檔。我看到有些人測試啊，說Gemini沒有發佈會吹這麼牛，是因為現在給我們測試能夠用到的只有Pro版本，不是發佈會演示那個Ultra版本。最強大的Ultra版本將在24年初推給開發人員和企業用戶，普通人的話暫時還用不了。

講完了特徵，再來分享幾個未來很有可能會實現的具體應用場景，算是一個暢想，可以一起想像一下：

一、AI自動駕駛

現在自動駕駛還有很多問題沒有解決，其中有個很典型的問題，就是複雜路況不知道怎麼處理。Gemini的能力是多模態，可以即時看到現在發生的事情，並且做出更理性的決策。Gemini可以解決自動駕駛的很多問題，比如面臨複雜路況蒙圈的問題就提供一個很強的解決方案，距離真正的自動駕駛感覺就不遠了。

二、AI醫療

這個其實不是才有的，AI醫療基於生成式文字大模型就有了，有專門的APP投喂了大量的醫療資料給AI，做出了專門面向醫療的AI助手。那個助手就有點像是線上問診，通過你描述病情，然後他做出智慧判斷，這個我用過，體感還可以。解讀化驗報告的話，感覺比醫生講的更詳細。但如果搭配Gemini的能力，因為他能看到你，就相當於有個面對面的醫生在你身邊。一切是對話式的醫生最多給你看一下西醫，看一下你的化驗報告。未來的Gemini就是中西結合，不僅能看報告，還能望聞問切，即時看一下你的臉色。

三、AI做飯

現在的自動炒菜機其實很雞肋，說白了就是內置菜譜，幫你放調料和翻炒，具體的擇菜、切菜、備菜，這些真正麻煩的事，還得自己來。但Gemini能夠即時看到現在的場景，就備菜這件事提供了解決方案，他既然能告訴你什麼菜不好，就能搭配機械臂去摘菜，剔除壞葉子，實現切菜、炒菜什麼的。買菜就更簡單了，網上下單，送貨到家。未來還真的有可能根據你的身體情況，制定一個飲食計畫，然後自動幫你下單、買菜、備菜、洗菜、做菜。你吃完之後呢，最後再收碗、洗碗。我們真的是只要等著吃就可以了，其他的什麼都不用管。這就是幾個暢想的方向了。抛磚引玉，你看到Gemini展現能力，如果你也想到了能夠和現實結合的地方，也歡迎你在評論區討論。

最後來講一講，AGI也就是通用人工智慧。簡單翻譯，AGI就是一個能夠像人一樣思考和學習的超級AI，它不是那種只會執行命令的AI，而是能夠自己學習新東西、適應新環境，甚至自己做決策。就像你教他做飯，過幾天它可能就自己學會做家務了。簡而言之，AGI不僅是可以執行你的命令，而是能夠像人一樣思考和學習，這個就非常恐怖。看現在AI的發展，估計AGI真的不遠了。看那些AI的書，有幾個AI專家在GPT-4出現之前，認為AGI還要30年才會來;GPT-4出現後，認為AGI會在未來5-8年實現;現在Gemini出來了，不知道這些專家會不會有新的想法。AGI的到來是有很大風險的，會對人本身的價值造成巨大的衝擊，但同時不可否認的是，它會推動生產力的爆發式增長。未來還真的有可能出現"按需索取"、物質極大化的世界，這天估計真的不遠了。

好了，這就是google發佈的最新AI-Gemini的超能力了，看過後你是不是也感到很震撼呢？最後感謝你的點贊支持哦！