AIGC新项目Gobi筹备中,曝OpenAI大模型新进展:将推出多模态大模型

OpenAI意图赶在谷歌推出Gemini多模态大语言模型前,发布其多模态大语言模型

据The Information报道,OpenAI意图赶在谷歌推出多模态大语言模型Gemini前,发布其多模态大语言模型GPT-Vision。而后,OpenAI或许会推出一个更强大的多模态大模型,代号为Gobi

今年3月OpenAI发布的GPT-4已经融入了部分多模态功能,相较于GPT-3.5只能接受文本输入,GPT-4还可以接受图像输入,但该视觉输入性能并不开放使用。而Gobi与GPT-4不同,Gobi从一开始就是按多模态模型构建的,可以接受更多类型的信息输入并做出相应的处理。

OpenAI与谷歌将多模态功能纳入大语言模型,可以将图像、文字音频等不同形式的数据整合起来,让大语言模型更准确、更全面地处理用户所给信息,为用户提供便利。据The Information报道,OpenAI与谷歌的多模态大语言模型之争,就像AI领域的苹果与安卓之争。这或许预示着AI大模型领域未来的发展趋势,同时也是OpenAI与谷歌抢占这项新技术的首发先机,提高用户影响力和技术引领地位的重要竞赛。

01.Gobi VS Gemini,OpenAI与谷歌多模态大语言模型赛跑

此前有报道称,谷歌即将推出Gemini,并且已经向一小批外部公司分享了这个项目。但据知情人士透露,OpenAI正在争分夺秒地把公司最先进的GPT-4与多模态功能相结合,想要抢在谷歌之前发布Gobi。并且,OpenAI在今年3月发布GPT-4时,就对GPT-4中融入的多模态功能进行了预展示。不过,根据The Information报道,OpenAI还没有开始训练Gobi,因此现在还不知道Gobi最终能否成为GPT-5。

对于OpenAI能否在多模态大语言模型方面超越谷歌,据The Information报道,目前,谷歌拥有来自谷歌搜索引擎和YouTube等平台的文本、图像、音频视频等专有数据,这是谷歌相较于OpenAI发展多模态大语言模型的一项特殊优势。并且一位使用过Gemini早期版本的人士说,与现有的各种大语言模型相比,Gemini产生的错误答案似乎更少。

AIGC新项目Gobi筹备中,曝OpenAI大模型新进展:将推出多模态大模型

▲OpenAI联合创始人Greg Brockman演示GPT-4中的多模态功能(来源:OpenAI官网)

02.多模态功能肩负重任,被滥用的信息安全问题值得重视

在3月发布GPT-4预览多模态功能时,除了为盲人或低视力者开发技术的Be My Eyes公司,OpenAI没有给其它公司提供多模态功能。到现在,OpenAI才准备在更大范围内推出被称为GPT-Vision的功能。据The Information报道,OpenAI可能会在GPT-Vision之后再推出Gobi。

根据The Information报道,OpenAI之所以耗费大量时间来推出Gobi,主要是担心新的视觉功能会被坏人利用,例如通过自动解决验证码来冒充人类,或者通过人脸识别追踪人们。但现在,OpenAI的工程师们似乎想到办法来缓解这个安全问题了。

谷歌的Gemini也面临同样的问题,当谷歌被问到采取了哪些措施防止Gemini被滥用时,谷歌的一位发言人称,谷歌在7月份做出过一系列承诺,以确保对其所有产品进行负责任的AI开发。

AIGC新项目Gobi筹备中,曝OpenAI大模型新进展:将推出多模态大模型

▲谷歌的新多模态大语言模型Gemini

03.结语:多模态大模型之争或成下个AIGC焦点

多模态功能正被不断融入大语言模型,以提高大语言模型分析的精准度。如今,因ChatGPT名声大噪的OpenAI与AI老牌公司谷歌都致力于开发多模态大语言模型,可见其或许将成为AI大模型发展的未来趋势。

据The Information报道,这场OpenAI与谷歌的竞赛类似于AI版的苹果与安卓之争,而未来Gobi与Gemini的到来,将揭示OpenAI和谷歌的竞赛结果。

多模态大模型作为当前AI大模型领域的最新进展,OpenAI与谷歌之间的多模态大模型之争不仅是科技竞争的焦点,也可能引发全球范围内关于技术应用、合作、监管和伦理等方面的重要讨论。