很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
出品 | 微果醬（wjam123456）
最近一段時間，谷歌的AI大模型進展吸引了不少關(guān)注。
但在大家都搓著手，試圖等著看谷歌如何逆風翻盤的時候，AI大模型領(lǐng)域的霸主OpenAI再次傳來重磅消息。
根據(jù)外媒The Information的報道，OpenAI即將推出多模態(tài)模型GPT-Vision，文章標題毫不客氣地表明這是用來回擊谷歌的。
雖然新版本還沒有真正來，但是已經(jīng)足以讓我們窺見這個賽道的下一階段競爭重點——多模態(tài)。
根據(jù)The Information的爆料，OpenAI正準備在GPT-4的基礎(chǔ)上推出圖像理解功能GPT-Vision。這相當于是在給GPT-4疊buff，擠牙膏式地完善它，反正目前公認的AI一把手還得是GPT-4。
此外，報道中還提到，OpenAI可能在GPT-Vision之后推出代號為“Gobi”的大模型。和GPT-4不同，所謂“更強大的”Gobi從一開始就是按照多模態(tài)模型去構(gòu)建的。
外界把這個全新的大模型鎖定為GPT-5的有力候選，因為大部分人并不相信此前OpenAI的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Sam Altman在麻省理工學(xué)院活動中的辟謠：
畢竟當時這段表態(tài)主要還是用來回應(yīng)公開信《暫停AI巨型實驗》。3月29日，包括特斯拉CEO埃隆·馬斯克、蘋果聯(lián)合創(chuàng)始人Steve Wozniak、圖靈獎得主Yoshua Bengio在內(nèi)的數(shù)千位科技界人士聯(lián)名呼吁，在6個月內(nèi)暫停開發(fā)比GPT-4更為強大的AI系統(tǒng)，以留出時間解決AI的安全與倫理問題。
就在本月初，DeepMind聯(lián)合創(chuàng)始人、現(xiàn)Inflection AI的CEO Mustafa Suleyman在一次訪談中表示自己認為OpenAI正在秘密訓(xùn)練GPT-5。Suleyman把多數(shù)人心里的猜測擺到了臺面上，壓力重新給到了OpenAI。
不過現(xiàn)在談?wù)揋PT-5或許還是太早了，因為OpenAI至今沒有對相關(guān)消息作出回應(yīng)。除了代號Gobi的全新大模型有可能是傳言中的GPT-5，其余我們一概不知。甚至根據(jù)外媒消息，OpenAI似乎還沒有開始訓(xùn)練Gobi。
相對來說，GPT-Vision的情況更加有跡可循。
目前有不少人猜測，GPT-Vision很可能是此前就在GPT-4的3月發(fā)布會上演示過的多模態(tài)功能。當時的GPT-4僅根據(jù)一張簡單的手寫草圖就生成了網(wǎng)頁代碼，震驚全世界。
但在一時驚艷之后，除了提供給一家為盲人創(chuàng)造技術(shù)的公司Be My Eyes之外，功能更新和實際使用中都再沒有這方面的信息，包括文生圖等功能。
其原因或許可以從《紐約時報》7月的一篇報道中推斷，OpenAI擔心該功能可能被濫用于面部識別等方面。再結(jié)合Sam Altman此前辟謠時提及的，“OpenAI正在解決公開信中忽略的基于GPT-4的各種安全問題。”相關(guān)的安全顧慮或許已經(jīng)有了解決方式。
也意味著，這種屏蔽很可能要迎來放開了。
按照The Information的說法，OpenAI希望以“GPT-Vision”的名義更廣泛地提供圖像理解，將為GPT-4打開許多新的基于圖像的應(yīng)用程序，例如生成匹配圖片的文本等。
同時，還有傳言稱DALL-E 3也在開發(fā)中，可能會集成到ChatGPT或GPT-4中。其與GPT-Vision都可能在11月6日的OpenAI開發(fā)者大會上公布，因為OpenAI首席執(zhí)行官Sam Altman曾經(jīng)如此說道：
總的來說，雖然GPT-5還沒來，但GPT-4要發(fā)力多模態(tài)，新一輪AI刷新科技觀的熱潮或許不遠了。
在這次對OpenAI新動作的報道中，中外媒體觀點出奇一致，基本都認為是沖著谷歌的Gemini去的。
根據(jù)媒體9月14日援引三位直接知情人士消息稱，谷歌已向一小部分公司提供了Gemini的早期版本，通過公司的云計算服務(wù)出售給企業(yè)，意味著谷歌考慮將其納入消費者服務(wù)，Gemini的發(fā)布或許在即。
Gemini被稱為谷歌的集大成之作，從今年4月就一直隱隱有消息傳出，項目的參與者包括了原DeepMind創(chuàng)始人Demis Hassabis等大牛，谷歌創(chuàng)始人Segey Brin也親自加入對Gemini的訓(xùn)練。
上個月底，SemiAnalysis的分析師Dylan Patel和Daniel Nishball曝光了更多相關(guān)消息。
根據(jù)現(xiàn)有信息，我們能夠?qū)emini有以下的認知：
1、初代Gemini應(yīng)該是在TPUv4上訓(xùn)練的，且選擇使用較少的芯片數(shù)量，以保證芯片的可靠性和熱插拔。目前其已開始在TPUv5 Pod上訓(xùn)練，算力比訓(xùn)練GPT-4的要大 5 倍。
2、Gemini的訓(xùn)練數(shù)據(jù)庫為Youtube上93.6億分鐘的視頻字幕，總數(shù)據(jù)集大小約為GPT-4的兩倍。
3、Gemini由一組大型語言模型組成，可能使用MOE架構(gòu)與投機采樣技術(shù)，通過小模型提前生成token傳輸至大模型評估，提高總推理速度。
4、Gemini支持聊天機器人、總結(jié)文本或生成原始文本（如電子郵件草稿、歌詞或新聞文章）、生成原始圖片等功能。
5、Gemini支持幫助工程師編寫代碼，谷歌希望其提高開發(fā)人員的代碼生成能力，以追趕微軟的GitHub Copilot代碼助手，后者依賴于OpenAI。
6、谷歌員工還討論過利用Gemini來實現(xiàn)圖表分析等功能，比如要求模型解釋圖表的含義，及使用文本或語音指令來瀏覽網(wǎng)頁或其他軟件。
7、Gemini有不同大小版本，支持開發(fā)者購買簡化版處理簡單任務(wù)，足夠小的版本可以在個人終端運行。
值得注意的是，相比GPT-4，Gemini有一個優(yōu)勢——除了網(wǎng)絡(luò)公共信息外，還可以利用谷歌從其消費產(chǎn)品中獲取大量專有數(shù)據(jù)。因此，有相關(guān)人士認為：
盡管Gemini還沒有真正登場，但已經(jīng)有不少人表達了看好。在前面提及的Dylan Patel和Daniel Nishball的文章中，也有類似的觀點：
我們可以發(fā)現(xiàn)，Gemini的每一項都在和GPT-4作比較，當然這是不可避免的情況。畢竟在ChatGPT橫空出世之前，手握AI利劍的還是谷歌。
所以大眾的共識都是——
基于此，谷歌也不得不更加努力，加速證明自己仍然能在AI一道上拿分。谷歌選擇直接偷家，趁著OpenAI還沒拿出真正的多模態(tài)模型之前，試圖搶先在高地插上自己的旗子。當然，OpenAI并不打算放任谷歌追擊，這也就有了此次的GPT-Vision和Gobi。
這也指出了下一階段AI競爭的重點，便是各家正在內(nèi)卷的多模態(tài)。畢竟文字形式的生成式AI已經(jīng)毫無新鮮感，再智能也只能屈居于ChatGPT的榮光之下。
不過，發(fā)展至今日，AI的戰(zhàn)場上已經(jīng)不是兩軍對壘的局面了，谷歌和OpenAI不過是混戰(zhàn)中較顯眼的巨頭。
同樣需要盈利的這兩者都在大模型的項目中加入了商業(yè)化的部分，比如對企業(yè)方的政策。但另辟蹊徑的后來者Meta，走的是開源的路子，一直在不斷發(fā)布新功能，主打一個量多還免費。
很難評，大家會不會為了成本而選擇Meta。
可以說，現(xiàn)在的AI混戰(zhàn)已經(jīng)到了膠著的白熱化階段，下一個沖出來的會是誰，讓子彈再飛一會兒吧。
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)