AI 公司觀察 / Google DeepMind

從 AlphaGo 到 Gemini,Google DeepMind 如何把研究放進產品?

從 2023 年的團隊整合切入,看 Google 的研究、模型與產品通路如何接在一起。

發布日期:

Google DeepMind 標誌

一間研究機構的成果,怎麼進到每天打開的工具?

一位工廠工程師要問明白設備為什麼停機,手邊有操作影片、警示截圖和維修表。這三份資料分屬不同系統,而且寫給不同的人看。若一個模型能接收這些材料,協助他找出可能相關的時刻、比對表格裡的條目,再留下一份可供同事核對的紀錄,研究成果就有機會縮短這段工作。要做到這件事,還得有人決定模型能從哪裡取資料、何時停下,以及判斷錯了如何回溯。

Google DeepMind 有一個特別的起點。它既要把研究結果做成模型,也身處一個已有消費者產品、辦公工具和雲端平台的組織。看它如何從早期的研究到 Gemini,就能看到一項能力在走進不同產品時,必須多完成哪些工程。

DeepMind 從 2010 年開始,為什麼先在圍棋上試?

DeepMind 創立於 2010 年,AlphaGo 讓更多人認識它的研究。圍棋有清楚規則,終局勝負可判定,但可能走法極多。AlphaGo 的研究把神經網路與樹搜尋結合,讓系統能在看似有許多選擇的時候,集中算更值得探索的路線。對研究團隊,這提供一個可以重複實驗、記錄結果和比較方法的環境。

然而,企業裡的問題經常連評分標準都得先商量。工程師問「停機可能跟什麼有關」,有時設備紀錄根本沒留下足夠線索。即使影片與維修表能對上,也可能得找當班同事確認。走到通用助理,開發團隊除了增強模型能力,還要處理資料不完整、問題含糊、答覆需要附根據等新的要求。

2023 年整併 Google Brain,為什麼要把團隊放在一起?

2023 年 4 月,Google 將 DeepMind 與 Google Research 的 Brain 團隊整合成 Google DeepMind。公開公告將合併與加速開發更有能力的 AI 系統連在一起。這個決定的實際含意,可以從模型開發的日常理解。一個模型要從研究跑到正式服務,需要有人維護訓練基礎設施、安排可重複的測試、調校不同任務的行為,以及把部署問題回饋給研究端。

當公司同時想把模型放進多個產品,這些工作如果在各團隊重做,容易耗掉工程時間。整併提供了一個能共用模型和工程能力的組織選擇。另一方面,做搜尋的團隊與做辦公工具的人仍要處理各自的使用者需求,資料來源和合格標準也不同。集中研究並不會自動消除產品之間的差異。

Gemini 1.0 把多模態和不同部署條件一起考慮

Google 在 2023 年 12 月公布 Gemini。技術報告介紹 Gemini 1.0 如何共同訓練處理文字、影像、音訊與影片,並說明 Ultra、Pro 和 Nano 對應從複雜任務到受裝置記憶體限制的用途。不同版本背後有一個產品問題。同樣一項功能,若放到雲端服務、聊天介面或手機裡,能用的運算、可接受的等待時間和使用方式都會改變。

例如,工程師上傳維修影片,模型需理解畫面和表格的欄位才有可能給出可用線索。若日常只要快速找出一張靜態警示畫面,成本和回應速度則可能比完整分析更重要。模型家族容許開發團隊按任務選擇配置,但採購或產品團隊仍要確認,自己打算用的版本和介面是否支援所需的輸入型態與部署條件。

使用者、開發者和企業各自買到什麼?

直接用 Gemini 助理的人,買到的是能在現成介面完成工作的便利。從 Google AI Studio 或 Vertex AI 進入的團隊,可以在原有產品裡自行安排模型在哪一步工作,或把發展中的應用接上雲端的帳務與維運。Google DeepMind 的位置在於開發研究與模型能力,Google 其他產品和雲端業務則提供可以被不同客戶採用的入口。

Google 已有的產品可以縮短一些導入步驟。熟悉原有工具的團隊能先測每天重複的文件工作。需要把模型接進設備或客服系統的企業,還是要為資料、權限、審核和錯誤處理編列預算。對 Google 而言,模型有機會增加既有產品的使用價值,也能透過雲端提供給開發者。兩條路各自要證明使用者省下的時間,值得買下方案或投入整合。

如何辨別多模態能力真的改變了工作?

回到設備影片,可以挑五次已有結論的停機,準備原始影片和紀錄表。請系統寫出可能原因,同時標出它引用的影片時間、表格欄位與仍待確認的資訊。再由工程師核對,記錄找到可信線索花多久、證據配錯的次數,以及有人必須從頭再查的比例。不要只採用資料完整的例子。遇到影片缺一段、時間對不上,或表格有兩個版本時,系統是否能清楚說明缺了什麼,也會影響正式導入。

這樣的驗收,才看得出從研究走到產品多了哪些工作。圍棋可以用勝負衡量成果。到了工廠,企業要看到的是同事能不能更快找到可核對的證據,以及遇到證據不足時,系統會不會把問題交回現場判斷。模型能接收更多型態的資料,只是開始。有辦法量出整段工作改善多少,研究才會變成可以長期使用的產品能力。

延伸資料

查看十篇公司專欄 · 下一篇 · Meta

LINE 洽詢