Google發布了其新一代人工智慧模型Gemini。Gemini反映了谷歌內部多年來在首席執行官桑達爾·皮查伊（Sundar Pichai）的監督和推動下所做的努力。先前負責Chrome和安卓業務的皮查伊是出了名的產品迷。2016年，他在擔任首席執行官後的首封年度創始人信函中預測：“我們將從移動優先轉向人工智能優先的世界。”

從那時起的幾年裡，皮查伊就開始將人工智慧技術逐漸融入Google的所有產品中，從安卓裝置一直到雲端運算。

儘管如此，Google最近的風頭逐漸被OpenAI搶走，後者於去年推出的DALL-E和GPT-3.5，以及今年推出的GPT-4，主導了整個人工智慧產業，並引發了新創公司和科技巨頭之間的激烈競爭。

Gemini現在是這場競賽的最新加入者。該系統由GoogleDeepMind領導，這是一個由德米斯·哈薩比斯（Demis Hassabis）領導的新整合部門。現在，我們已經可以在Google聊天機器人Bard中體驗Gemini，它將在2024年整合到Google的產品線中。

在Gemini發布前夕，《麻省理工學院技術評論》雜誌在谷歌位於加州山景城的辦公室採訪了皮查伊，討論了該模型對谷歌、其產品、人工智慧和整個社會的意義。

以下為專訪內容：

Q：為什麼Gemini如此令人興奮？你能告訴我你對人工智慧的整體看法嗎？它的力量，它的用處，它在你們所有產品中的發展方向？

皮查伊： Gemini令人興奮的一個特別之處在於，它從一開始就是一個原生的多模式模型。就像人類一樣，它不僅僅是在文字上學習，還可以透過視訊、音訊和程式碼學習。因此，這個模型天生就能力更強，我認為這將幫助我們梳理出更新的功能，並為該領域的進步做出貢獻。這太令人興奮了。

另一個讓人覺得興奮的地方是，Gemini在32個主要基準測試中，有30個都是表現最好的，尤其是在多模式基準測試中。在MMLU（大規模多任務語言理解）測試中，它顯示了更大的進步。我個人認為，作為領先基準之一的MMLU，Gemini突破了90%的門檻，這是一個重大的里程碑。兩年前的水平是30%，隨後是40%。由此可以看出，這個領域已經有了多大的進步。在57項測試中，Gemini的表現在89%的時候相當於人類專家。這是第一個跨越這個門檻的模型。

我也感到很興奮，因為Gemini終於進入了我們的產品。它將對開發者開放。這是一個平台。人工智慧是一個深刻的平台變革，比網路或行動變革更大。因此，從那一刻起，這對我們來說代表著邁出了一大步。

Q：讓我們從這些基準開始。Gemini似乎在幾乎所有測試方面都領先GPT-4，但並不是遙遙領先。而GPT-4似乎是一個很大的飛躍。我們是否開始在這些大語言模型技術所能做到的事情上趨於停滯，或者你認為我們將繼續擁有巨大的成長空間？

皮查伊：首先，展望未來，我們確實看到了很大的成長空間。有些基準已經很高了。你必須意識到，當你試圖從85%開始突破的時候，你已經處於曲線的邊緣。雖然看起來不是很多，但那的確代表正在取得進展。我們還需要更新的基準測試，這也是我們研究MMLU多模式基準的部分原因。對於其中一些新的基準，目前的技術水平仍然要低得多，未來還有很大進步空間。比例定律仍然有效：當我們把模型做大的時候，就會有更多的進展。當我把它放在整體上看時，我真的覺得我們才剛開始。

Q：我很感興趣的是你認為Gemini的關鍵突破是什麼，以及它們將如何應用？

皮查伊：人們很難想像會發生什麼樣的飛躍。我們正在提供應用程式開發介面（API），人們會以非常深刻的方式去體驗它。我認為多模式基準將大有發展。隨著我們教導這些模型更多地進行推理，將會有越來越大的突破，而且更深層的突破還在後頭。

解決這個問題的一種方法是Gemini Pro，它在基準測試中表現得非常好。但當我們把它放進Bard時，我可以作為一個用戶感受到這一點。我們一直在測試它，所有類別的好評率都有相當大的提升。為此，我們稱它為我們迄今最大的升級之一。當我們同時進行平行評估時，它確實顯示出了優異的表現。所以你讓這些更好的模型在基準上得到改進，它會有所進步。我們會繼續訓練，然後繼續學習。

但我迫不及待地想把Gemini應用在我們的產品上。這些模型功能非常強大。在接下來的幾個月裡，真正設計產品體驗以利用所有模型所擁有的東西將是令人興奮的。

Q：Gemini幾乎在所有方面都勝過GPT-4，但只是領先了一點？我想知道你們從GPT-4的發布中學到了什麼？你學到了什麼？在這段時間內，哪些方法改變了？

皮查伊：至少在我看來，這與零和遊戲相去甚遠。想想看，向人工智慧的轉變是多麼深刻，我們還處於早期階段，前方的世界充滿機會。

但對於你的具體問題，這是我們都在快速進步的領域。我們發表了很多文章，看看像GPT-4這樣的模型在現實世界中是如何運作的。我們從中吸取了教訓。安全是一個重要的領域。所以在Gemini計畫中，我們已經學習並改進了一些安全技術，這些技術是基於模型在現實世界中的運作方式改進的。它顯示了微調等各種事情的重要性。我們在Med-PaLM 2中展示的一件事是，採用像PaLM這樣的模型，對它進行微調，以適應特定的領域，顯示它可以勝過最先進的模型。這就是我們學習微調力量的一種方式。

當我們研究Gemini的時候，這其中的許多經驗都被用到了。我們花更多時間研發Gemini Ultra（更先進的Gemini將於明年上市）的部分原因是為了確保我們對其進行了嚴格的安全測試。但我們也在對它微調，以真正梳理它的功能。

Q：當你看到這些模型被發佈出來，人們開始在現實世界中測試它們時，發現它們會產生幻覺，或會透露某些模型訓練的私人資料。我想知道，考慮到其所使用的數據，如果這是不可避免的，那麼這在技術中有多少是固有的。如果這是不可避免的，你會嘗試做哪些事情來限制它？

皮查伊：你是對的。這些都是活躍的研究領域。事實上，我們剛剛發表了一篇論文，展示了這些模型如何透過一系列提示來洩漏訓練資料。幻覺還不是一個可以解決的問題，但我認為我們都在取得進展，只是還有更多的工作要做。我們需要克服一些基本的限制。舉個例子，如果你用Gemini Ultra，我們正在積極地將這些模式與外部第三方合作，他們是這些方面的專家。

在多模式等領域，我們想要更大膽，我們想要負起責任。我們將更加小心多模式模型的推出，因為錯誤用例的可能性更高。但你是對的，它仍然是一項正在開發中的技術，它們不會對所有事情都有意義，在搜尋中，我們會更加小心地考慮如何使用它，何時使用，在哪裡使用，以及何時觸發它。它們有很多驚人的能力，但也有明顯的缺點。這是擺在我們所有人面前需要解決的艱鉅挑戰。

但未來的人工智慧系統可能與我們今天擁有的不一樣，這就像有人認為你不可能把電腦放進口袋一樣。同樣地，看著這些系統，說你無法再設計出更好的系統，我不同意這種觀點。已經有許多研究探索正在進行中，思考如何解決這些問題。

Q：你認為人工智慧將帶來深刻的改變。在最近的一些轉變中，例如向行動裝置的轉變，它並不一定會提高生產率，這在很長一段時間內，生產力一直保持未變。還有一種觀點甚至認為，它甚至可能加劇了所得不平等。谷歌正在做什麼樣的工作來確保這種轉變對社會更有益?

皮查伊：這是個非常重要的問題。我從幾個層面思考這個問題。在谷歌，我們一直關注的一件事是：我們如何讓科技盡可能廣泛地使用？我認為，即使在行動領域，我們利用安卓做了很多工作，但仍有數億人依然無法使用手機。我們正在努力推出一款價格合理的智慧型手機，價格可能低於50美元。

所以，讓人工智慧對每個人都有幫助是我考慮的重點。你試著讓盡可能多的人接觸你。我認為這是其中的一部分。

我們正在深入思考如何將人工智慧應用到對人們有益的用例中。例如，我們早期做洪水預報的原因是因為我們意識到，我們可以偵測到模式，並且做得很好。我們用它來翻譯100種語言。我們現在確實在嘗試用不同的語言提供內容，否則你將無法存取這些內容。

這並不能解決你說的所有問題。但要慎重考慮，何時何地你將專注於解決什麼樣的問題。以AlphaFold這樣的領域為例。我們為世界各地的病毒提供了一個開放的資料庫。但是，誰會先使用它呢？人工智慧不會神奇地讓某些更困難的問題變得更好，例如不平等，還是它可能會加劇這種情況？

重要的是，你要確保每個人都能使用科技。你在早期開發它，讓人們接觸到它，參與對話中，這樣社會就可以幫助測試它，並適應它。

在這項技術上，我們肯定比其他公司更參與得更早。你知道，最近我們參加了英國人工智慧安全論壇，並在美國與國會和政府合作，我們正在嘗試建立更多的公私合作夥伴關係，更早地吸引非營利組織和學術機構參與其中。至於對就業等領域的影響，還需要深入研究，但我確實認為會有驚喜。

我可以舉很多例子來說明手機帶來的好處，我認為人工智慧技術也是如此。我們已經在糖尿病視網膜病變等領域展示了這一點，畢竟世界上許多地方沒有足夠的醫生來檢測這種疾病。就像我覺得讓世界各地的人們都能使用谷歌搜尋一樣，我認為這是擴大人工智慧使用範圍的一種方式。

Q：有些事情顯然會幫助人們更有效率。程式設計就是一個很好的例子。然而，這項技術的普及正在威脅就業。即使你無法為社會提供所有的答案，一家公司也可以推出一款能夠改變世界並產生深遠影響的產品。

皮查伊：我們從未提供臉部辨識API，但其他人開發了API，技術正在向前發展。因此，它並非掌握在任何一家公司手中。我認為答案要複雜得多。社會也可能被甩在後面。如果你不採用這些技術，它可能會影響你的經濟競爭力。你可能會失去更多的工作。

我認為正確的答案是負責任地部署技術，並取得進步，思考它可能造成更嚴重傷害的領域，並努力減輕它。同時，也會出現新的工作類型。如果你看過去的五、六十年，麻省理工學院的經濟學家的研究表明，大多數新創造的就業機會都是在自那時起出現的新領域。

將會有新的工作機會出現，會有更好的工作，人們將會被從一些重複性的工作中解放出來，你可以更有創意地表達自己。你可以是醫生，可以是放射科醫生，也可以是程式設計師。你花在日常任務上的時間與深度思考的時間，所有這些都可以改變，讓工作變得更有意義。還有一些工作崗位可能會被取代。那麼，作為一個社會，你如何再培訓，重新培訓人們，創造機會？

問：去年，人們在看待人工智慧的方式上出現了哲學分歧。你可以支援安全第一，或是商業用例優先，你可以支援加速論者，也可以是末日論者。你所處的位置是，你必須把所有這些哲學連結起來，把它們結合起來。我想知道，你個人是如何看待谷歌把這些興趣連結起來的，畢竟谷歌將成為這個領域的領導者，進入一個新世界。

皮查伊：我是一個技術樂觀主義者。基於我的個人生活，我一直對人和人性抱持信念。所以，總的來說，我認為人類將利用科技為自己造福。所以我一直是個樂觀主義者。你說得對，像人工智慧這樣強大的技術有二元性。

這意味著，有時我們會大膽地向前邁進，因為我認為我們可以推動最先進的技術。例如，如果人工智慧可以幫助我們解決癌症或氣候變遷等問題，你會想盡辦法讓它快速發展。但你絕對需要社會制定框架來適應，無論是深度造假還是取代工作等等。這將成為一個前沿領域，與氣候變遷沒有什麼不同。這將是我們所有人在未來十年內努力解決的最大問題之一。

Q：另一個懸而未決的問題是圍繞人工智慧的法律法規。有關於合理使用的問題，有關於能否保護版權的問題。對於知識產權來說，這似乎將是一件大事。你如何告訴那些使用你產品的人，讓他們有一種安全感，他們所做的事情不會讓他們被起訴?

皮查伊：並不是所有的問題都有簡單的答案。在人工智慧出現之前，當我們開發搜尋、YouTube等產品時，我們一直在努力實現正確的價值交換。人工智慧也是如此。我們肯定會專注於確保我們可以根據法律允許的數據進行培訓，讓人們有機會選擇退出。還有一個層面是關於什麼是合理使用。為原創內容的創造者創造價值是很重要的，這些都是重要的領域。網路就是一個例子，或者當電子商務開始時：你如何在電子商務和常規商務之間劃清界線？

隨著時間的推移，會有新的法律框架出現，這就是我對這個領域發展的看法。但同時，我們將努力遵守法律，並確保我們今天也與許多內容提供者保持深厚的關係。有一些領域存在爭議，但我們正在努力解決這些問題。我們必須創造一個雙贏的生態系統，讓所有這些都能長期發揮作用。

問：當下人們對網路的擔憂很多集中在搜尋的未來。當你有一種技術可以根據網路上的信息為你回答問題時，有人會擔心人們可能不再需要訪問這些網站了。這似乎也會對谷歌產生影響。我想知道你是否在考慮你自己的生意？

皮查伊：我們在搜尋方面的一個獨特價值主張是，我們幫助用戶發現和學習新事物，並找到答案，但始終著眼於與他們分享網路上存在的豐富、多樣性觀點。這也是我們開發產品的重要原則。我不認為人們在搜尋時總是會說：「幫我回答就好了。」也許有一兩個問題是你想要的，但即使你回來了，你會學到更多，甚至在這個過程中，你會走得更遠。我們總是想要確保我們所做的是正確的，我認為這一點不會改變。重要的是我們要保持平衡。

同樣，如果你深入地傳遞價值，你所傳遞的東西就會有商業價值。從桌上型電腦到行動設備，我們都有類似的問題，這對我們來說並不新鮮。基於我們所看到的一切以及用戶對高品質廣告的反應，我感到很放心。YouTube就是一個很好的例子，我們開發了訂閱模式。這也很有效。

Q：當這些產品開始真正進入市場並開始互動時，你認為明年人們的體驗會發生怎樣的變化？

皮查伊：我想從現在開始的未來一年，任何開始使用Google Docs的人都會期待一些不同的東西。如果你把它給他們，然後把它們放回我們在2022年擁有的Google Docs版本中，他們會發現其已經過時了。這就像，對我的孩子來說，如果Google Docs沒有拼字檢查，他們基本上會認為它出問題了。我們可能還記得在拼字檢查之前使用這些產品是什麼感覺。但與其他公司相比，我們在搜尋中融入瞭如此多的人工智慧，人們已經認為這些自動功能是理所當然的。這是我多年來學到的一件事，讓他們認為這是理所當然的。

就人們可以做的事情而言，隨著我們開發多模式能力，人們將能夠以一種他們以前無法做到的方式完成更複雜的任務。而且將會有真正的用例，它們的功能要強大得多。（小小）