Google 發表新 AI 模型 Gemini 1.5，提供更大的「腦容量」和效率

今天 Google 發表了最新的 AI 模型 Gemini 1.5，不只提高模型訓練和服務效率，而且擁有更強大的理解力，每次能處理的 token 長度更是一口氣突破 100 萬大關，是競爭對手 GPT-4 的 7.8 倍 (GPT-4 目前只提供最長 32K 長度)，可以處理更大量的資訊，也擁有更大的「腦容量」。

支援高達 100 萬 token，可以進行更複雜的任務

Gemini 1.5 和前一代同樣是屬於多模態的 AI 模型，今天發布 Gemini 1.5 Pro 在 Google 的定義是屬於中型 AI 模型，但它的能力已與 Gemini 1.0 Ultra 相當。最大的突破是一口氣將模型可以處理的資訊量提升到 1,000,000 個 token，這是目前所有 AI 語言模型中最大規模的容納量。

你可以將單次能處理的 token 數當作是 AI 的「大腦容量」，能處理的 token 越多，表示 AI 越不會忘記之前的對話。而 Gemini 1.5 高達 100 萬的單次 token 處理量，相當於可以處理 1 小時影片、11 小時聲音，或者超過 30 萬行的程式碼。

Google 也對 Gemini 1.5 進行許多實際測試，並製作成以下影片。

對大量訊息進行複雜推理

將阿波羅 11 號登月任務的 402 頁紀錄丟給 Gemini 1.5 Pro 處理，它可以推理文檔中的對話、事件和細節。另外在測試中也可以看到 Gemini 1.5 Pro 可以同時從圖片和文字間找出邏輯上的關聯，並做出回應。

更棒的跨模態推理

除了理解文字外，Gemini 1.5 Pro 也可以理解影片內的每個畫面。例如這個範例要求「找出從人的口袋取出一張紙的那一刻」，如果是透過人眼來看，至少也要花個幾十分鐘，但 Gemini 1.5 Pro 只花了不到 1 分鐘的時間就將這個畫面出現的時間點找了出來。

支援更長的程式碼區塊，解決複雜問題

寫程式時搭配一些 Lib 會讓系統更加龐大，但 Gemini 1.5 Pro 能一次吃下 100 萬個 token，因此對於解決更複雜的程式開發問題也有很大的改進。

效率

在同時搭配文字、程式碼、圖形、聲音、影片進行評估時，Gemini 1.5 Pro 在大型語言模型測試基準中有 87% 表現優於前一代的 Gemini 1.0 Pro；在星相同的測試基準中，效能甚至已經和 Gemini 1.0 Ultra 不相上下，也就意味著 Gemini 1.5 Pro 可以使用更少的資源得到同等的結果，更有機會在不同的運行環境下使用。

另外 Gemini 1.5 Pro 也展開了「情境學習」技能，在不需要微調的狀況下 AI 模型就能自行推理。這個試驗使用了 MTOB 基準測試，將英文翻譯成網路上少見的卡拉曼語 (Kalamang)，它的學習程度和學習相同內容的人相當。

為了提高模型訓練效率，Google 也使用了新的專家混合 (MoE) 訓練架構，讓 Gemini 1.5 可以更快速的學習複雜的任務，同時也能保持訓練品質。

歡迎到《硬是要學》AI 專欄，瀏覽更多 AI 科技發展趨勢文章！