谷歌PaLM 2细节曝光：3.6万亿token，3400亿参数

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

谷歌最新大语言模型PaLM 2，更细节内幕被曝出来了！

据CNBC爆料，训练它所用到的token数量多达3.6万亿。

这是什么概念？

要知道，在去年谷歌发布PaLM时，训练token的数量也仅为7800亿。

四舍五入算下来，PaLM 2足足是它前身的近5倍！

（token本质是字符串，是训练大语言模型的关键，可以教会模型预测序列中出现的下一个单词。）

不仅如此，当时谷歌发布PaLM 2时，只是提到“新模型比以前的LLM更小”。

而内部文件则是将具体数值爆料了出来——3400亿个参数（初代PaLM是5400亿）。

这表明，谷歌通过技术“buff加持”，在参数量更小的情况下，让模型可以更高效地完成更复杂的任务。

虽然在已经维持了数月的AIGC大战中，谷歌一直“全军出击”，但对于训练数据的大小或其他细节信息，却是遮遮掩掩的态度。

而随着这次内部文档的曝光，也让我们对谷歌最in大语言模型有了进一步的了解。

PaLM 2要在广告上发力了

关于谷歌上周发布PaLM 2的能力，我们就不再详细的赘述，简单总结下来就是：

• 接受了100多种语言的训练，在语言理解、生成和翻译上的能力更强，更加擅长常识推理、数学逻辑分析。
• 数据集中有海量论文和网页，其中包含非常多数学表达式。
• 支持20种编程语言，如Python、JavaScript等常用语言。
• 推出了四种不同size：“壁虎”版、“水獭”版、“野牛”版和“独角兽”版（规模依次增大）。

至于使用方面，谷歌在发布会中就已经介绍说有超过25个产品和应用接入了PaLM 2的能力。

具体表现形式是Duet AI，可以理解为对标微软365 Copilot的一款产品；在现场也展示了在Gmail、Google Docs、Google Sheets中应用的能力。

而现在，CNBC从谷歌内部文件中挖出了其在PaLM 2应用的更多计划——进军广告界。

根据这份内部文件，谷歌内部的某些团队现在计划使用PaLM 2驱动的工具，允许广告商生成自己的媒体资产，并为YouTube创作者推荐视频。

谷歌也一直在为YouTube的青少年内容测试PaLM 2，比如标题和描述。

谷歌在经历了近20年的快速发展后，现在已然陷入了多季度收入增长缓慢的“泥潭”。

也由于全球经济大环境等原因，广告商们也一直在在线营销预算中挣扎。

具体到谷歌，今年大多数行业的付费搜索广告转化率都有所下降。

而这份内部文件所透露出来的信号，便是谷歌希望抓住AIGC这根救命稻草，希望使用生成式AI产品来增加支出，用来增加收入并提高利润率。

据文件显示，AI驱动的客户支持策略可能会在100多种谷歌产品上运行，包括Google Play商店、Gmail、Android搜索和地图等。

训练数据缺乏透明度，越发被热议

不过话说回来，包括谷歌在内，纵观大多数大语言模型玩家，一个较为明显的现象就是：

对模型、数据等细节保密。

这也是CNBC直接挑明的一个观点。

虽然很多公司都表示，这是因为业务竞争所导致的，但研究界却不这么认为。

在他们看来，随着AIGC大战的持续升温，模型、数据等需要更高的透明度。

而与之相关的话题热度也是越发的激烈。

例如谷歌Research高级科学家El Mahdi El Mhamdi便于二月份辞职，此举背后的原因，正是因为他觉得公司缺乏透明度。

无独有偶，就在OpenAI CEO Sam Altman参与听证会期间，便“反向”主动提出立法者进行监管：

如果这项技术出了问题，那就可能会是大问题……我们希望合作，防止这种情况发生。

截至发稿，对于CNBC所爆料的诸多内容，谷歌方面暂未做出回应。

参考链接：
[1]https://www.cnbc.com/2023/05/16/googles-palm-2-uses-nearly-five-times-more-text-data-than-predecessor.html
[2]https://www.cnbc.com/2023/05/17/google-to-use-new-ai-models-for-ads-and-to-help-youtube-creators.html
[3]https://ai.google/discover/palm2