Source: The Verge
谷歌刚刚宣布了其最强大的AI模型Gemini，但公司已被指责其性能欺诈。彭博社的一篇专栏文章称，谷歌在最近的视频中误导了Gemini的能力。谷歌在本周早些时候的发布会中播放了一段令人印象深刻的“怪鸭式”互动视频，专栏作家Parmy Olson表示视频中的Gemini非常强大，甚至过于强大。六分钟的视频展示了Gemini的多模态能力（如结合图像识别的口语对话提示）。Gemini似乎能够迅速识别图像，响应迅速，并实时追踪杯子和球游戏中的纸团。当然，人类也能做到这一点，但这个AI能够识别和预测接下来会发生什么。
然而，在YouTube上点击视频描述，谷歌有一个重要的免责声明：“出于演示目的，延迟已经减少，Gemini的输出结果已缩短，以节省时间。这正是Olson所反对的。根据她在彭博社的文章中所说，谷歌在回应提问时承认视频演示并非与实时口头提示同时发生，而是使用了生原始镜头的静止图像帧，然后编写了文本提示，Gemini做出了回应。这与谷歌似乎暗示的情况相当不同：一个人可以与Gemini进行流畅的语音对话，当它观察并实时回应周围世界时，”Olson写道。公平地说，谷歌并非唯一一个有关于视频演示的质疑的公司。人们纷纷质疑谷歌的Duplex演示（还记得Duplex吗，那个AI语音助手以预约发型沙龙和餐馆的方式打电话吗？）是否真实，因为没有背景噪音和过于乐于助人的员工。
用编辑过的视频展示AI模型在大众心目中会更加引起怀疑。还记得百度发行Ernie Bot时，在编辑过的视频面前，其股价一落千丈吗？Olson称，在这种情况下，谷歌是在炫耀，旨在误导人们认为Gemini已经领先于OpenAI的GPT。谷歌对此提出了异议。在被问到演示的真实性时，谷歌引述了谷歌DeepMind研究副总裁、Gemini合作负责人Oriol Vinyals的一篇文章，文章解释了团队是如何制作视频的。视频中的所有用户提示和输出都是真实的，只是做了缩短，以节省时间，”Vinyals说。该视频展示了与Gemini建立的多模态用户体验可能看起来是什么样子。
我们制作这个视频是为了鼓励开发者。他补充说，团队给Gemini提供了图像和文本，并要求其通过预测接下来会发生什么来做出回应。这确实是一种解决这个问题的方式，但对于谷歌来说，这可能还不够。在公众的眼中，谷歌似乎已经被OpenAI今年取得的巨大成功所困扰。如果谷歌想激发开发者的灵感，不是通过精心编辑的炫耀视频，而是让记者和开发者亲自体验产品，让人们在小范围公测中自由尝试Gemini的功能，展示出它的真正强大之处。
炫耀的视频演示可能误导人们，让我们期待谷歌能通过让人们亲自体验其产品来展示AI的真正能力。
