谷歌Imagen首次开放测试，安卓苹果都能玩，还有AI写作助手、超长连贯性视频生成模型
谷歌AIGC这次放大招了
羿阁 发自 凹非寺
量子位 | 公众号 QbitAI
临近年底，谷歌终于放大招了！
刚刚结束的AI@年度活动上，谷歌一口气发布了四项最新的AIGC技术成果。
其中最引人注意的要数文本图像模型Imagen首次开放测试，敲黑板，这次安卓、苹果都能玩。
其他有趣的产品，还有AI写作协助工具LaMDA Wordcraft、结合Imagen Video和Phenaki优势的超长连贯性视频生成模型等等。
而且，除了官方的总结，几位来自谷歌的科学家也在推特分享了自己心中谷歌AI研究的新进展。
具体有哪些？一起往下看。
Imagen首次开放测试
自推出以来，Imagen一直被与OpenAI的DALL-E 2、Stability AI的Stable Diffusion相比较，但不同的是，谷歌一直没有将该系统向公众开放。
现在，谷歌终于松口，宣布将把Imagen添加到其AI Test Kitchen应用中。
AI Test Kitchen，是今年I/O大会上，谷歌推出的一款用于对各种AI系统进行测试的应用程序，目前苹果、安卓用户都能下载。
最初的时候，用户仅可以在上面与AI聊天机器人LaMDA 2进行交流，此次更新将添加两种与Imagen互动的新方式：城市梦想家和Wobble。
在“城市梦想家”中，你可以用文字命令建造不同主题的城市，其中，Imagen模型承担了创建样本建筑和地块（城市广场、公寓楼、机场等）的作用。
在Wobble中，你可以创造一个小怪物，DIY它的材质（粘土、毛毡、橡胶等），然后给它穿上你选择的衣服，还可以戳戳它，让它“跳舞”。
尽管与其他文本到图像的模式相比，这些互动方式看上去还比较受限制，但谷歌产品管理高级总监乔希·伍德沃德（Josh Woodward）解释称，这一步的意义在于获得公众对这些AI系统的反馈，以及测试哪些行为会使得系统崩溃。
其他AIGC产品
除了最受关注的Imagen模型，谷歌还宣布了在其他内容格式上的AI内容生成技术。
比如LaMDA Wordcraft，一个在大语言模型LaMDA基础上开发的、能辅助专业作家写作的AI写文工具。
它的作用，是在创作者写作的过程当中，根据现有的文本产生新的想法，或者帮助重写已有文句，从而帮助创作者突破“创作瓶颈”。
值得一提的是，下图中的“Evaluative Soliloquies”就是作家刘宇昆（《三体》英文版译者）在Wordcraft帮助下撰写的短篇小说。
除此之外，谷歌还结合了Imagen Video和Phenaki两大模型的优势，推出了一个能生成超长连贯性视频的新模型。
还有AudioLM，一个无需文字和音乐符号训练，仅通过聆听音频样本，就可以继续生成填补乐曲的音频模型。
说完这些谷歌官方公布的新技术，让我们再来看看谷歌的科学家们自己是怎么说的。
谷歌科学家眼里的新进展
除了产品层面，今年谷歌AI研究的新进展还有哪些？
谷歌大脑的工程师周登勇在推特上分享了自己的看法：大模型学会了如何解释答案，检查答案，并将复杂问题分解成子问题解决。
而这一切还要从谷歌今年1月发布的一篇论文“Chain of Thought Prompting Elicits Reasoning in Large Language Models”开始说起。
就是在这篇论文中，谷歌首次提出了思维链提示（chain of thought prompting）的概念。
简单来说，思维链提示就是一种特殊的上下文学习，不同于标准提示只是给出输入-输出对的示例（如下图左），思维链提示还会额外增加一段推理的过程（如下图右）。
这一步的目的是让模型模仿并为当前问题生成自己的思维过程，最终提高生成结果的准确性。
该方法在LaMDA-137B、GPT-3 175B、PaLM-540B三个大型语言模型上都得到了验证：对比标准提示，新方法在算术、常识和符号推理任务的准确率上都有了明显的提高。
并且，随着模型参数量级的提升，思维链提示的效果也呈指数级上升。
尤其是配合上谷歌的超级语言模型PaLM-540B，在包括数学问题在内的多个推理基准测试中达到了SOTA水平，甚至超过了使用验证器进行微调的GPT-3。
很快，两个月后该团队又对该研究进行了跟进。
这篇文章几乎使用了和初代文章完全一样的数据集和设置，主要改进是提出了一种称为自洽性（self-consistency）的简单策略。
简单来说，就像人在思考时会想出几种不同的解决方案再作出判断一样，自洽方法会通过思维提示链从语言模型中采样一组不同的推理路径，再对答案进行多数投票（majority vote），最后返回其中最自洽的答案。
这一步优化不仅意味着离模仿人类思维模式更近一步，还做到了显著地提高思维链方法的性能。
最新的进展是，为了解决从易到难的泛化问题，该团队又提出了一种新颖的提示策略。
它将复杂问题简化为一系列子问题，然后依次解决这些子问题，从而通过对先前解决的子问题的答案来促进解决给定的子问题。
就这样，谷歌正在训练AI一步步朝着人类的思维模式靠近。
最后，说了这么多，这一年，你印象最深的谷歌AI研究是什么？
参考链接：
[1]https://twitter.com/dmvaldman/status/1587525225209425921
[2]https://arxiv.org/abs/2201.11903
[3]https://arxiv.org/abs/2203.11171
[4]https://arxiv.org/abs/2205.10625
- 英特尔遭遇「灾难级」财报！裁员、砍业务、董事会主席辞职，甚至给不出2023业绩预期2023-01-28
- 阿里贾扬清：新一轮AI爆发的推动机制是工程化和开源 | MEET20232023-01-30
- 未知物体也能轻松识别分割，效果可迁移 | DeepMind研究2023-01-26
- 基因疗法让小鼠剩余寿命翻倍，人类长生不老还远么？2023-01-26
相关阅读
谷歌开源“穷人版”摘要生成NLP模型：1000个样本就能打败人类
BERT、GPT-2、XLNet等通用NLP模型都是“通才”，虽然全面，但在面向特定任务时需要微调，训练数据集也十分庞大，非一般人所能承受。 有没有一个非通用NLP模型，专门针对某项具体任务，在降低训练成本的同时，性能又有提高呢？这就是谷歌发布的“天马”（**PEGASUS**）模型，它专门为机器生成摘要而生，刷新了该领域的SOTA成绩>>>
