克雷西 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
大模型之爭，又卷起來了。
據(jù)The information爆料稱，OpenAI即將推出多模態(tài)模型GPT-vision。
如果消息為真，這將是OpenAI在GPT-4之后推出的最大更新。
另一邊，谷歌的多模態(tài)模型進展也在最近傳出，為的就是能和OpenAI抗衡。
目前為止，OpenAI還沒有對爆料中的傳聞做出回應(yīng)，但此前發(fā)布過多模態(tài)模型測試。
CEO奧特曼在回應(yīng)有關(guān)GPT-5的傳聞時，也暗示過GPT-4“正在增強”。
究竟誰能更勝一籌，還得讓子彈再飛一會兒。
不能讓Google搶了先
我們先回到OpenAI，被爆料的多模態(tài)模型將搭載什么樣的功能呢？
首先是圖像內(nèi)容識別，比如根據(jù)手繪草圖生成網(wǎng)頁代碼、輸出可視化圖表的文本分析等。
另一方面則是圖像生成，通過簡單的文本生成繪畫、logo或表情包。
雖然OpenAI沒有對這次的爆料做出回應(yīng)，但做多模態(tài)模型這件事本身只是個時間問題。
3月份，OpenAI在發(fā)布GPT-4時，就曾推出了一個多模態(tài)GPT的預(yù)覽版本。
當時，OpenAI把DEMO提供給了研究幫助視障群體的機構(gòu)Be My Eyes。
除了這家機構(gòu)之外，就再也沒有人見過OpenAI的多模態(tài)模型是什么樣子了。
在此之后，這個多模態(tài)模型更是杳無音訊。
唯一和圖像有點關(guān)系的，就是GPT-4的升級版代碼解釋器（后改名為高級數(shù)據(jù)分析）可以處理一些圖片任務(wù)。
但這是通過調(diào)用Python庫實現(xiàn)的，而且也達不到AI中圖像識別的程度，和多模態(tài)模型更是不沾邊了。
有說法稱GPT-vision遲遲沒有推出的原因可能是對安全的擔憂，擔心被用于破解驗證碼和人臉識別系統(tǒng)。
直到這次Google多模態(tài)模型Gemini的消息傳出。
安全問題有沒有解決不得而知，但也許OpenAI是真的急了，不能任由谷歌超越，才有了模型發(fā)布的傳聞。
另據(jù)爆料，OpenAI還在準備從頭開始開發(fā)一個名為Gobi的多模態(tài)模型，不過訓(xùn)練還未開始。
那么，谷歌這邊的情況又是怎樣的呢？
Gemini來勢洶洶
來勢洶洶的Gemini，讓網(wǎng)友直言其或?qū)⒊蔀橛螒蛞?guī)則的改變者。
甚至有媒體夸張一些地說將有機會取代GPT-4。
Gemini主要由谷歌DeepMind團隊開發(fā)。谷歌CEO皮查伊介紹，Gemini集成了多種技術(shù)，支持同時輸出文本和圖像，還可以使用工具和API。
據(jù)悉，Gemini吸取了很多來自AlphaGo的經(jīng)驗教訓(xùn)，包括強化學習和樹搜索技術(shù)。
而且，憑借著擁有YouTube這一得天獨厚的優(yōu)勢，海量的訓(xùn)練數(shù)據(jù)可以說是唾手可得。
實際上，Google也一直把OpenAI視為競爭對手。
為了和ChatGPT較量，Google此前已經(jīng)在Bard中加入過圖像識別功能，但并未改變ChatGPT的地位。
但這次推出的Gemini，OpenAI也感到害怕了。
盡管競爭激烈，有一點倒是讓谷歌和OpenAI不謀而合。
那就是，把模型的能力變成真金白銀。
谷歌計劃的Gemini提供方式是通過其Google Cloud Vertex AI云服務(wù)平臺進行，預(yù)期價格為每個用戶每月30美元。
這一做法預(yù)計將成為谷歌新的收入來源，尤其是針對企業(yè)客戶。
而OpenAI這邊，也已經(jīng)開始通過金融服務(wù)等各種應(yīng)用程序?qū)PT-4變?yōu)楝F(xiàn)金。
此次多模態(tài)的角逐究竟鹿死誰手，我們拭目以待。
參考鏈接：
[1]https://www.theinformation.com/articles/openai-hustles-to-beat-google-to-launch-multimodal-llm
[2]https://www.bigtechwire.com/2023/09/18/openai-is-ready-to-take-on-googles-gemini-with-gpt-vision/
