Google 的 AI 大计划：让大模型变小、嵌入每一个产品

一夜之间，Google 在两个层面上突破了人工智能应用的想象力。

文丨贺乾明 邱豪

编辑丨黄俊杰

用户 1：你在用 PaLM 2 模型了吗？

Google Bard：我在 2023 年 3 月 31 日切换到了 PaLM 2。这是 Google CEO 桑达尔·皮查伊 （Sundar Pichai）在《纽约时报》Hard Fork 播客上宣布的。

用户 2：你在用 PaLM 2 模型了吗？

Google Bard：我没有用 PaLM 2，我用的是一个更小的、正在开发的模型。PaLM 2 是一个更强大、但还在研究阶段的模型，我不确定它什么时候发布，并对外开放……

今天凌晨举办的 Google I/O 开发者大会之后，将同样的问题抛给 Google 的聊天机器人 Bard，你会看到截然不同的答案。根据 Google 公布的信息，Bard 已经切换到了新一代模型 PaLM 2，但并没有在 3 月 31 日完成切换（但它提到的播客又确实存在）。所以第一个回答对了一部分。

Google 没有解决大模型回答不准确的根本问题——可能一时也没人能解决。但新的 PaLM 2 大语言模型，以及同步宣布的一系列激进的产品更新展示了，在当前技术限制下，互联网巨头可以如何推动人工智能实用化。

模型小一点也可以更好用，甚至就在手机上离线运行

Google 在会上发布了新一代大语言模型 PaLM 2，不是一个，而是四个。从小到大，按照参数规模用动物命名：壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn）。

皮查伊说，“壁虎” 可以在手机上运行，而且速度足够快、不联网也能正常工作。

此前也有开发者在手机上运行开源的大模型，但速度很慢，一次结果要等上十分钟甚至更久。根本无法与掌控 Andriod 系统、并具备大模型开发实力的 Google 相比。

虽然更大的人工智能模型效果往往更好，但消耗的计算能力也更夸张。接入 GPT-4 的 New Bing 和 ChatGPT Plus，一度让微软的计算资源都捉襟见肘。OpenAI 一度暂停用户付费订阅 ChatGPT Plus，并限制付费用户每天使用 GPT-4 的次数。

对于个人用户来说，最可靠的计算能力还是手里的手机、家里的电脑。如果你不玩游戏，这些设备中的算力都是冗余的。更小、消耗计算资源更少的大模型，能把这些冗余的计算资源变得有用。

Google 在技术报告中评估了 S、M、L 三个规模的 PaLM 2 ——没跟 Google 发布会上提到的四个模型对应——在部分任务中，最小的 PaLM 2 会比上一代 5400 亿参数的 PaLM 表现好。

英伟达人工智能科学家 Jim Fan 将 “壁虎” 称为 PaLM 2 模型中 “最重要的亮点”：“在小屏幕上提高的生产力，要比在大屏幕上多得多。”

根据 Google 的技术报告，即使是规模最大的 “独角兽” 版本， PaLM 2  的参数也比上一代模型少，但在自然语言生成、翻译、推理等多个任务上更强。“这表明扩大模型的规模，并不是增强模型能力的唯一途径。”

这一技术突破对人工智能继续提升发展至关重要。过去几年，Google 和 OpenAI 等公司证实了 “模型参数越大，能力更强” 的规律，科技公司大模型竞赛把模型参数推高到万亿。训练模型时，它们基本用尽了地球上所有的文本数据。

今年 4 月， OpenAI 首席执行官山姆·阿尔特曼（Sam Altman）在麻省理工学院交流时说，“我们正处于巨型模型时代的结尾”，模型的进步不会来自让模型变得更大。

现在 Google 率先交了答案，但解题过程：“略”。

和 OpenAI 介绍 GPT-4 时的方法一样，Google 介绍 PaLM 2 时也放出长达 90 多页的技术报告——沿用学术界常用的 arXiv 论文格式。格式接近论文，但文章署名作者变成 Google 公司，研究人员名单被挪到了最后的附录。

类似 GPT-4 的发布，Google 也隐去了 PaLM 2 具体怎样训练模型，模型参数有多大。人工智能研究与学术息息相关，但对于大公司，它最终还是一场激烈的商业竞争。

相比技术细节，Google 更愿意讲 PaLM 2 跨语言学习的能力。根据技术文档，Google 训练 PaLM 2 时用了 100 种语言的数据，主要的语言数据中，都有与英文对应的文本。皮查伊说，PaLM 2 可以理解不同语言之间细微的差异，并生成超出预期的结果。

他举了一个 PaLM 2  帮不同国家的人合作写代码的例子。靠 PaLM 2，韩国的开发者用韩语注释代码、提出修改建议，美国的开发者一样能看懂。PaLM 2 还会帮美国的开发者写韩语评论。

皮查伊在发布会中并没有直接提及竞争对手 GPT-4。在 PaLM 2 的技术报告中，GPT-4 作为参照对象也仅出现了寥寥数次。比如当评估推理能力时，Google 称 PaLM 2 在测试推理能力的部分数据集上表现跟 GPT-4 相当。

一些用户在 Reddit 论坛和社交媒体上说新 Bard “快如闪电”、但写代码还是不如 GPT-4。网站设计师 Mike Hancock 说他给 GPT-4 和 Bard 出了相同的代码测试题，GPT-4 一个答案还没写完，Bard 已经给出了三个完整答案，不过最终结果还是 GPT-4 更好。

Google 还展现了用不同数据微调（Fine-tuning）PaLM 2 后的成果：

• Sec-PaLM，用安全数据微调。它可以检测恶意脚本，帮安全专家了解和解决威胁。

• Med-PaLM 2 ，用医学数据微调。它能像临床医生一样回答病人问题。准确度接近临床医生。它是第一个医学执照考试中达到 “专家” 水平的语言模型，也是现在最先进的。Google 称，后续还会给它加看 X 光胶片的能力。

OpenAI 已经明确表示短期不会研发下一代模型（GPT-5），而是寻找其他方式让 GPT-4 变得更好 。但 Google 不打算停下半步。PaLM 2 刚对大众开放，Google 就已经在从头研发新一代的大模型 Gemini。

Gemini 将是多模态的——能同时处理语言、图片等数据，并集成各种工具和 API，“虽然还处于早期阶段，但我们已经看到了之前模型中没有的、印象深刻的功能”。

从搜索到地图再到 Gmail，大模型被塞进 Google 的核心产品

“我们正处于一个激动人心的转折点。” 皮查伊说， “通过生成式人工智能，我们正重新构想我们所有的产品。包括搜索。”

Google 是用户最多的互联网公司——15 个产品用户超过 5 亿、6 个超过 20 亿。中国以外地区，大部分人用 Google 的搜索、地图、邮件、视频产品。

在 Google I/O 的主题演讲中，这些产品都有了人工智能驱动的新版本。最受关注的是每年为 Google 贡献数百亿美元利润的搜索广告。任何一个微小调整，都可能影响根基。

微软的 New Bing 直接把 ChatGPT 做成 “聊天” 界面，鼓励人离开搜索结果——也离开了广告。Google 选了一个更平衡的做法，在搜索页嵌入了名为 AI Snapshot 的新模块，展示大模型生成的结果。

当你搜索 “适合泳池派对的蓝牙音箱”，页面中先出现传统的搜索结果——十条蓝字链接，几秒后，人工智能生成内容出现并被置顶，告诉你买蓝牙音箱的注意事项（电池寿命、防水性能、音质），并给出购买指南（右侧）、商品链接（下方）和商品的简介，你还可以设定价格（如 100 美元以下），让它重新生成结果。

不过在手机等移动设备中，AI Snapshot 会塞满整个屏幕。这会大幅减少传统搜索结果点击频率。再加上 Goolge 直接给结果而不是链接，各类网站从 Google 搜索那里获得流量会更难。现在，Google 正试验怎么在 AI Snapshot 里加广告。

不是所有搜索都会触发 AI 生成结果，只有当 Google 的算法认为人工智能生成的内容优于标准搜索结果时，前者才会出现。用户搜索健康、财务、危害安全等敏感主题时，AI Snapshot 不会出现。

Google 计划先在美国测试 AI Snapshot，未来几周开放有限的名额。在申请页面，Google 还打算测试其他搜索功能，比如在搜索框输入编程问题直接生成代码的 Code Tips。

主题演讲中，Google 的高管们展现了如何用人工智能改造其他的核心产品：

• 更沉浸的 Google Maps。Google 用人工智能技术合成了超过 10 亿张全景地图。当你选定导航路线、确定出发时间后，人工智能会生成一个鸟瞰视角的沉浸式 3D 路线图，并提前算好天气和交通状况，同步显示在动画中。Google 计划今年夏天推出这个功能，之后拓展到伦敦、纽约、东京、旧金山等 15 个城市。

• 自动修图的 Google Photos。你只要提出需求，比如调高亮度、抠掉或补全画面中的物体、移动人物位置、把背景中的乌云改成蓝天等等，新出现的 Magic Editor 功能就可以自动完成。
  

• 自动写邮件的 Gmail。你只要在 Gmail 的 “Help me write” 工具中输入需求，比如一封要求全额退款的电子邮件，点击创建，它就会结合此前邮件中的信息，写一个完整的邮件。这个功能将会作为 Workspace 更新中的一部分推出。Workspace 的其他功能还包括根据 PPT 内容自动写演讲文稿等。

• 更强大的聊天机器人 Bard 。Bard 的底层模型换成 PaLM 2；英文之外加了韩语、日语，预计 7 月份支持中文；Bard 的回复能一键转到 Gmail 和 Docs；帮你手机拍的照片配标题和描述文字；以及支持 Adobe 没有版权纠纷的图片生成工具 Firefly，而不是自己用公开数据集训练的作图应用。下面是让 Bard 制作一幅用于女儿生日派对的邀请函图片时（要求包含独角兽和生日蛋糕），它的回复：

在人工智能浪潮中，Google 一直处于独特的位置。

它是最早研究人工智能、也是技术实力最强的公司之一，拥有许多人工智能底层技术的专利，比如现在大模型的基础架构 Transformer。

它也是世界上最大互联网公司，每天服务数十亿人。它拥有的 Andriod 能直接影响全球 30 多亿人使用的手机。它比其他公司都更有能力把大模型部署到更多场景。

Google 也因此被用户和监管机构密切关注，每个人工智能产品的研发和推出都要考虑法律和社会舆论风险。不少 Google 员工认为这是 OpenAI 能抢先推出 ChatGPT 的原因。

在 OpenAI 和微软的持续冲击下，Google 快速行动，整合了 Google AI 和 DeepMind 这两个属于公司、但一直不合作的顶级人工智能团队，推迟对外公开最新的研究成果，并积极研发基于人工智能的搜索引擎 Magi。这个正在 Google 内部测试的新产品，也在使用 PaLM 2。

前不久，皮查伊被问到 “没抢在 ChatGPT 前发布 Bard，你错过什么”。他给了个大公司 CEO 的标准回答，Google 不是第一个做出搜索引擎，也不是第一个做出浏览器，“有时候成为第一很重要，但有时候无关紧要。” 他认为，只要不断改进产品，实现更好的功能，后发也能先至。

这场开发者大会，展现了 Google 的人工智能技术积累和产品迭代能力。

题图来源：视觉中国

1957 年，人造物体第一次进入宇宙，绕着地球飞了三个星期。人类抬头就能在夜幕里看到一颗小小的闪光划过天空，与神话里的星宿并行。

这样的壮举跨越种族与意识形态，在全球各地激起了喜悦之情。但并不是我们可能猜想的那种为人类壮举所感动的胜利喜悦。根据政治哲学家汉娜·阿伦特（Hannah Arendt）当年的观察，人们的情绪更接近于一种等待多时的宽慰——科学终于追上了预期，“人类终于在摆脱地球这个囚笼的道路上迈出了第一步”。

人们总是根据技术探索，快速调整着自己对世界的预期。当科幻作家的一桩畅想变成现实，往往是技术终于追上了人们的预期，或者用阿伦特的话说，“科技实现并肯定了人们的梦想既不疯狂也不虚无。”

今天这样的时候，多一点梦想是更好的。

这也是《晚点 LatePost》启动 TECH TUESDAY 这个栏目的预期。我们希望在《晚点》日常关注的商业世界外，定期报道新的科学研究与技术进展。

这些可能关于一项前沿研究的进展、可能是对一个技术应用的观察，也可能是对一些杰出技术、乃至一个时代的致敬。

这个栏目将从科学与技术的角度出发，记录这个世界的多样变化。在这个旅途中，希望读者能和我们一起，对这个世界增加一分理解。

·  FIN  ·