音频测试常识
图片来源@视觉中国
文|甲子光年,作者|苏霍伊,编辑|王博
"沉寂"已久的谷歌终于放大招了。
美国当地时间12月6日,谷歌发布多模态大模型Gemini。谷歌DeepMind直接宣布,Gemini是“谷歌最大、最强的人工智能模型”。
Google Deepmind 的官方账号截图,来源:谷歌DeepMind
Gemini谷歌是从头开始构建的多模态模型,这也是更接近人类认识世界的方式。
作为谷歌用来应对GPT-4的“杀手锏”。Gemini在32个多模态基准测试中取得了30个SOTA(State Of The Art,即当前最优效果)的记录,是第一个在MMLU(大规模多任务语言理解)测评上超过人类专家的模型。Gemini在此项取得的成绩是90.0%,作为对比,人类专家的成绩为89.8%,GPT-4为86.4%。
Gemini共有三个版本:
- Gemini Ultra:适用于高度复杂的任务;
- Gemini Pro:适用于扩展至各种任务的Gemini模型;
- Gemini Nano:体量较小,适用于特定任务和移动设备。
Gemini的三个版本,图片来源:谷歌
"Gemini的多样性让它能够在从移动设备到大型数据中心的所有设备上运行。"谷歌DeepMind产品副总裁Eli Collins说,“我们离新一代人工智能模型的愿景越来越近了。”
“有了人工智能,我们将有机会以更大规模做一些重要的事情。”谷歌CEO Sundar Pichai在谷歌成立25周年公开信中就特意提到了人工智能。面对强势的OpenAI,优等生谷歌需要一款现象级产品,证明自己在人工智能领域的实力。
Gemini就是谷歌交出的答卷。
“打的就是精锐”谷歌的Gemini模型的核心优势在于其原生多模态(natively multimodal)的特性。
以往的多模态大模型往往是通过分别针对不同模态训练单独的组件,再将这些组件组合起来以模拟多模态功能的方法构建的。虽然在某些任务(比如图像描述)上表现良好,但在处理需要更深层次概念理解和复杂推理的任务时,它们的表现往往不尽人意。
而谷歌的Gemini模型从一开始就在不同模态上进行预训练,再通过使用额外的多模态数据进行微调,进一步提升了模型的有效性。这种原生的多模态训练方法使得Gemini在处理多种类型的数据和复杂任务时更为高效和精准,从而在多模态人工智能领域树立了新的标准。
并且,Gemini的推出主要是"瞄准OpenAI的GPT-4"而来。用《亮剑》里李云龙的话来说就是——“打的就是精锐”。
在运算效能方面,Gemini几乎“全面吊打”GPT-4。Gemini Ultra在大模型研发被广泛使用的32个学术基准测试集中,在其中30个测试集的性能超过此前SOTA结果。其中,在多选问题、数学问题、Python代码任务、阅读等方面,Gemini的性能都超过了此前最先进的水平。
谷歌称,他们对MMLU采用了新的基准方法,使Gemini能够利用推理能力在回答难题之前进行更仔细的思考,相比仅仅根据问题的第一印象作答,Gemini的表现有显著改进。
Gemini Ultra在多个编码基准测试中表现出色,包括HumanEval和Natural2Code。其中仅Gemini仅在HellaSWAG数据集上的测试逊色于GPT-4。
HellaSWAG数据集主要用于研究扎根的常识推理能力,但是一位NLP领域的研究专家向「甲子光年」表示:"这并不能说明GPT4的常识推理性能更好,因为不能排除ChatGPT的模型在HellaSWAG数据集上训练过。"
Gemini模型与GPT-4部分测试评分对比,图片来源:谷歌
此外,在多模态方面,Gemini Ultra在新的MMMU基准测试中取得了59.4%的最先进得分,突显了其多模态性和复杂推理能力。
在图像基准方面的测试中,Gemini Ultra不需要从图像中提取文本就能进行OCR处理,表现优于之前最先进的模型。
Gemini模型在多模态方面的与GPT-4V的测试对比,图片来源:谷歌
Gemini 1.0被训练用于同时识别和理解文本、图像、音频等,因此它能更好地理解具有细微差别的信息,回答与复杂主题相关的问题,尤其擅长解释数学和物理等复杂科目中的推理。
“推理缺陷”也是GPT系列存在的问题。著名语言模型批评者Gary Marcus博士曾锐评道:“大语言模型没法做一些有严格定义的工作:遵守国际象棋规则、五位数字相乘、在家谱中进行可靠的推理、比较不同物体的重量等等。”
Gemini解答物理题演示案例,图片来源:谷歌
尽管技术进步显著,但AI生成的虚假或捏造信息的问题依然存在。Eli Collins指出,这仍是一个未被完全解决的研究难题。
但他同时也强调,Gemini接受了谷歌迄今最为全面的安全评估,以确保其可靠性和安全性。谷歌对Gemini进行了一系列对抗性测试,模拟恶意用户使用模型,并输入各种提示词,以检测模型是否会产生仇恨言论或表现出政治偏见。这些测试包括了“真实毒性提示词”,由网络收集的超过10万个提示词组成,用以全面检验模型的反应。
值得注意的是,Gemini是在谷歌自研的云芯片Tensor Processing Units(TPU)上完成训练的。特别是TPU v5p版本,在性能上有了显著提升,使得模型训练速度相比前一代提高了2.8倍。据悉,TPU v5p芯片是专为数据中心训练及大型模型运行而设计。
从12月13日起,开发人员和企业客户可以通过Google AI Studio或Google Cloud Vertex AI来访问Gemini Pro模型。Google AI Studio是一个基于网络的免费开发工具,为开发人员提供API密钥,从而快速创建原型并启动应用程序。Vertex AI提供了定制化的Gemini以提供更为全面和管理的人工智能平台,并具有完整的数据控制功能,能利用谷歌云的额外功能,包括企业级的安全性、隐私保护以及数据治理和合规性。
此外,从Pixel 8 Pro设备开始,Android开发人员还可以通过Android 14中的新系统功能AICore来使用Gemini Nano。Gemini Nano是专为设备端任务设计的高效模型,通过注册AICore的早期预览版,开发人员可以深入探索其潜力,更便捷地利用Gemini的先进技术,并在Android生态系统的应用开发中迸发更多可能性。
到2024年,谷歌计划推出Bard Advanced,它与AI agent的初级形态十分相似。Bard Advanced将借助Gemini Ultra提供支持,可以迅速理解多模态输入,包括文本、图像、音频和视频,并作出相应的响应。
谷歌 VS OpenAI在OpenAI的GPTs大放异彩时,谷歌似乎过于沉寂了。
今年2月,谷歌在巴黎举行活动时,因其聊天机器人Bard的一处失误,市值蒸发了1000亿美元,也引发了外界对于Bard准确性的担忧。
随着OpenAI推出了ChatGPT,尤其是在必应搜索中整合了GPT技术,并首次在应用程序下载量上超越了谷歌后,人们开始思考谷歌是否在已人工智能领域落后于竞争对手。
事实上,谷歌才是在2017年提出的Transformer模型、为今天这场游戏制定规则的先行者。
谷歌对大模型"高地"的竞争意识并不比OpenAI晚。2021年,谷歌便推出了1.6万亿参数的Switch Transformer,强调稀疏多模态结构的潜力。同时,谷歌还提出了Flan-T5模型,通过更多监督数据降低了模型规模,比GPT-3模型参数更少但性能更佳。
对于技术上的评估,《经济学人》在今年1月曾进行了一项比较测试,向ChatGPT和谷歌基于Lamda的机器人Bard提出了数学、阅读和约会建议等问题。
测试结果显示,谷歌AI在数学问题上表现更佳,但ChatGPT在常识问题上更准确。几天后OpenAI升级了ChatGPT,再次测试中在数学问题上与谷歌AI持平。尽管ChatGPT作为一个大型语言模型训练成本高、迭代难,但也显示了它持续进化的巨大潜力。值得注意的是,谷歌的语言模型与ChatGPT在性能上是旗鼓相当的。
在这场对决中,谷歌和微软都需要成本效益更高的解决方案。谷歌在AI领域取得了不少研究进展,但尚未将这些成果部署和变现,类似于微软在过去的某些时期。这可能是因为谷歌低估了微软和OpenAI的竞争实力,或者过于自信于自己在搜索引擎领域的主导地位。
「甲子光年」综合多方观点分析得出,谷歌在技术前瞻性上领先,OpenAI更专注于产品的打磨。
在Sam Altman领导下的OpenAI专注于产品为导向的工作,致力于扩展和优化模型,主要关注细节精调方法。
谷歌则在技术发展的方向上始终保持着积极和前瞻的态度,不过在整体战略规划上却屡次调整。
谷歌在稀疏模型架构上进行了深入探索。只是两年后的,万亿级别的Switch Transformer几乎没产生任何水花,而千亿参数级别的GPTs系列却风生水起。同样,被反复改进的Flan-T5模型虽然在性能上超越了GPT-3,但其优化进展相对缓慢。
在谷歌"选择困难症"期间,OpenAI已经完成了对ChatGPT的训练。
在2022年9月,谷歌旗下的DeepMind推出了麻雀(Sparrow)模型,和ChatGPT一样,采取了基于人类反馈的强化学习(RL)框架。该模型采用了小型参数设置,与谷歌看重的LaMDA和PaLM模型的思路有明显不同。只是谷歌并未能迅速确定麻雀模型是否是最优选择,这也导致了麻雀模型的产品化滞缓,最终未能"飞上枝头变凤凰"。
"犹豫不决"似乎一直是谷歌的宿疾。“但迟到总比不做好!终于有了OpenAI王座的有力竞争者。”在Google公布消息后,英伟达AI科学家Jim Fan评论道。
今年4月,谷歌将Google Brain和DeepMind团队合并,成立 Google DeepMind。有人将这一团队戏称为“AI复仇者联盟”。原Google AI产品负责人Eli Collins被委以重任,担任新团队的产品副总裁。
目前,Gemini Pro和Gemini Nano已在聊天机器人Bard和智能手机Pixel 8 Pro上集成,实现了更为高级的推理、规划、理解等能力。而更为强大的Gemini Ultra将在明年发布。
不知OpenAI会如何"应战"呢?或许我们很快便可以等到GPT-5的发布了。
不过,优等生谷歌并不完全在意这一时之战,而是在着眼未来。
“我们对答案的探索将在未来25年推动非凡的技术进步。到2048年时,如果有一位青少年在世界上的某个地方,看着我们用人工智能建造的一切耸耸肩,我们就知道我们成功了。然后,我们就回去工作。”
谷歌CEO Sundar Pichai在谷歌成立25周年公开信中如是说。
参考资料:
- 《Introducing Gemini: our largest and most capable AI model》,谷歌
- 《ChatGPT大热,谷歌为何在自己的地盘输给OpenAI?》,界面新闻
蓬妍颖2084HDMI测试规范有哪些呢?
皮俩货19432944494 ______ 检测标准请参考HDMI接口和连接线的供应商的检测标准;非正常工作状态下HDMI端口输出测试1.高低温状态:2.高低压状态:3.长时间工作状态:判断标准:具体的温度...
蓬妍颖2084Win8下麦克风和线路输入出现问题怎么办? -
皮俩货19432944494 ______ 步骤 1: 测试音频信号使用该流程检查 Windows 能否从麦克风或线路输入端口检测到音频信号.注:如果您正在对线路输入端口进行测试,而且源设备具有音量控制按钮,请注意:将音量调节至过高将会造成声音失真并可能导致音频硬件受损...
蓬妍颖2084音频变压器的测试标准?
皮俩货19432944494 ______ 一般高保真音频功率放大器使用的电容滤波整流电源必须使用大容量变压器才能保证较高的性能,因此电源系统存在体积大、质量重、成本高等问题.设计良好的线性稳压电源,具有很高的性能,并可在一定程度上减轻电源系统的质量.但由于...
蓬妍颖2084怎么测试麦克风怎么办?
皮俩货19432944494 ______ 接口插第一、三位,看颜色来弄.用前要调电脑(PC)设置:右键桌面右下脚的喇叭,打开(OPEN)音频控制,选项,再把麦克风的勾勾上,确定后再把静音的勾去掉.测试就直接用,开始~附件里的录音机试录一下就行!
蓬妍颖2084电脑麦克风怎么测声音?
皮俩货19432944494 ______ 开始----程序---附件---娱乐---录音机 然后点那个最右边 棕色的圆形 图标 就开始录音了 你可以说话 试试 看波形有没动 动了就是有声音 然后点方形的停止 然后点播放 就能听你的刚才声音了!
蓬妍颖2084录音需要哪些器材 -
皮俩货19432944494 ______ 一、录音准备 (一)录音设备选择 1.能识别常用录音设备英文名称2.能读懂传声器,调音台,双声道录音设备连接系统图3.能根据录音要求对传声器,调音台,双声道录音设备的类型进行选用 1.常用录音设备的英文名称2.录音系统方框图识读知...
蓬妍颖2084请电脑高手帮忙 - ---声音硬件测试时,扬声器测试时好多噪音,怎样消除噪音 -
皮俩货19432944494 ______ 接触不良引起的 反复插拔几下 如有清洁剂(针车油也可以)喷下 效果更佳
蓬妍颖2084怎样在我的电脑上测试麦克风的声音?
皮俩货19432944494 ______ 首先确定麦克风输入及声音输出连接没有问题,单击”开始”-设置-点”控制面板”-声音、语音和音频设备-声音和音频设备-选择“语声”-设置默认设备后-点击“测试硬件”就可以了.
蓬妍颖2084如何测试电脑有没有声音(如何测试电脑有没有声音问题)
皮俩货19432944494 ______ 1. 如何测试电脑有没有声音问题电脑没声音解决办法:1.开始----运行----services.msc----在"名称"找到 "Windows Audio"----鼠标左键选中它----单击鼠标右键----选择 "...
蓬妍颖2084怎样听声音测病况?
皮俩货19432944494 ______ 声音 正常的声音自然、音调和谐、语言表达清楚. 病变声音: 嘶哑:包括声嘶和失音,声嘶是嗓子干涩发音困难,失音是完全不能发音.多因外感风寒或风热,寒热相交...