生成式人工智能（AI）市场持续火爆，主要市场参与者竞相开发最优秀的产品。作为在这场竞赛中一直更加谨慎的参与者，谷歌（Google）本周发布了一条其Gemini大语言模型的预告视频。但有媒体曝光该视频并非实时录制的AI的表现。

谷歌发布的演示视频，展示了其AI模型的多模态能力，它能够巧妙解读和处理从直播视频和音频中提取的信息。这对谷歌而言是一项重大成就，尤其是在竞争激烈的生成式AI领域，谷歌一直落后于OpenAI等竞争对手。然而，据彭博社报道，演示视频实际上是通过「使用视频的静态图像帧，并通过文本提示」制作，而不能代表它似乎真得实现了实时语音和视频处理。

周一，在旧金山召开的《财富》AI头脑风暴大会上，谷歌助手与Bard部门副总裁兼总经理萧茜茜谈论了这条引起争议的演示视频，着重阐述了Gemini作为一个大语言模型在基准测试中的表现，以及它将如何完善谷歌聊天机器人Bard。

她说道：“视频是完全真实的。所有提示词和模型的回答都是真实的。我们确实为了简洁缩短了部分内容，我们把它们放到视频中，作为制作视频的参考信息。”

演示视频展示了新AI模型的多模态能力，它能识别出一条曲线，可以评价新增线条的曲度，最后识别出一副鸭子的画。在这个过程中，模型始终能够识别每一种元素，并实时提供与鸭子相关的事实和回答。

萧茜茜强调了Gemini的里程碑意义，展示了它在基准测试中的表现。基准测试是对AI模型进行的测试，测试范围包括高中物理、专业法律问题和道德情境等。据the Verge报道，Gemini Ultra在32个基准测试中，有30个测试的表现超过OpenAI的GPT-4，这是一项了不起的成就，但Gemini Ultra要到明年才能发布。目前，Bard使用的是相对落后的Gemini Pro，相当于GPT 3.5。

萧茜茜表示，Gemini模型将继续完善谷歌搜索和Bard聊天机器人。她表示，Bard “目前是市场上最受欢迎的免费聊天机器人”。（财富中文网）

翻译：刘进龙

审校：汪皓