谷歌今年晚些时候推出的Project Gemini有望成为全球迄今为止最强大的AI模型。

与现有模型相比，Gemini的最大优势在于其多模态能力。谷歌在近期的一篇博客文章中介绍说：

我们已经开始着手研发Gemini，这是我们从零打造的下一代模型，具备多模态能力，高效整合工具和API（应用程序编程接口），并为实现未来创新（如记忆和计划）而设计。

尽管Gemini目前仍在训练阶段，但它已经展现出先前模型从未有过的多模态能力。一经精细调整和严格的安全测试，我们将提供不同大小和功能的Gemini模型，就像PaLM 2一样，确保它能够在各种产品、应用和设备上得到应用，造福每个人。

Gemini比GPT强在哪里？

Gemini由谷歌最新组建的Google DeepMind团队开发，最大的亮点就是它的多模态能力。

据悉，Gemini建立在多模态模型的基础上，不仅能够理解和生成文本、代码，还能够看懂和生成图像。相比之下，ChatGPT只是一个纯文本模型，只能理解和生成文本。

这意味着Gemini可以应用于更广泛的任务领域。例如，基于Gemini创建的AI聊天机器人，能够理解和生成文本和图像。

类似地，Bing虽然有一个专门用于图像创建的链接，但在聊天框内生成的内容仍局限于纯文本，因此用户无法要求它生成图像。

与ChatGPT相比，Gemini还可以为更多种类的产品和应用提供支持。例如，Gemini可以用于新的Google搜索引擎，或者用于创建一种新型AI助手。

ChatGPT和Bing都不具备这些能力。但值得一提的是，GPT 5或许可以实现这些功能。

另外，凭借记忆和计划能力，Gemini可以用于创建一种新型的AI应用，这是ChatGPT做不到的。

例如，Gemini可以用于创建一个能记住你的偏好并帮助你规划日常活动的AI个人助手。

但据华尔街见闻此前文章，ChatGPT本周推出的70款插件，基本上能够扮演24小时私人助理的角色，但并不能实现规划这一功能。

AI“高风险功能”将被谷歌开启?

Gemini的能力令外界感到惊讶，同时也感到害怕。

一名昵称为“AI Explained”的Youtube知名科技博主认为，谷歌不顾安全风险，赋予模型自行制定并执行计划的能力，并加速开发这一危险的技术，或加剧AI对人类社会的威胁。

AI Explained发现，“计划”这一能力被谷歌当做Gemini的卖点，但被OpenAI视为一种安全风险。

在GPT 4的技术报告中，有这样一段话：

在更强大的模型中，往往会出现新的引人注目的能力。其中一些能力尤为令人担忧，包括制定和执行长期计划的能力，谋求权力和资源的能力（“谋求权力”），以及展示越来越“主动性”的行为。

谷歌谈到将加速对Gemini的开发，毫无疑问，其刚刚发布的通用大语言模型PaLM 2将是开发加速的地方。可以理解，在这场激烈的全球AI竞赛中，暂时处于下风的谷歌必须加快脚步。

作为对比，GPT 4的技术报告是这样描述的：

OpenAI特别关注的一个重要问题是，竞争可能引发安全标准下降、不良规范的传播以及人工智能时间表的加速，进而加剧与人工智能相关的社会风险。我们在此将其称为“加速风险”。

也就是说，OpenAI是不主张在未能确保安全的情况下加速研究AI技术的，主动“暂停”GPT5的开发符合这一理念。