Gato 是一个由 Google DeepMind 开发的通用人工智能系统，于2022年首次公布。它是一个单一的神经网络，经过训练可执行604项不同的任务，涵盖文本生成、图像识别、机器人控制和游戏玩法。Gato 的设计基于Transformer (architecture)架构，这与大型语言模型所用的基础相同，但将其扩展以处理多模态输入和输出，包括文本、图像和连续控制信号。
该系统被引入时旨在证明，一个单一模型无需针对特定任务进行微调，即可在广泛领域内达到胜任水平。虽然并非在每项任务上都超越专用系统，但 Gato 凸显了AI研究中通用智能体的潜力，与构建更灵活、适应性更强的模型的更广泛努力相一致。
架构与训练
Gato 的架构是一个基于 transformer 的序列模型，处理来自不同模态的令牌。图像等输入通过视觉编码器处理，而文本和离散动作则直接进行令牌化。连续控制输出（如机器人的关节扭矩）被离散化为区间。该模型使用标准的机器学习目标，，预测序列中的下一个令牌，，在所有任务类型上进行训练。
训练数据来自多种来源，包括文本语料库、图像数据集、游戏录制以及真实世界的机器人操作演示。该模型约有12亿个参数，与同期的大型语言模型相比相对较小。训练使用了一个 TPUv3 pod，体现了数据和计算使用上的效率。
能力与任务
Gato 在604项任务上进行了评估，涵盖的类别包括：
- 文本任务：回答问题、摘要生成和对话生成。
- 视觉任务：图像描述和物体识别。
- 游戏玩法：Atari 游戏和国际象棋环境，达到业余水平的表现。
- 机器人技术：控制真实机器人手臂堆叠方块和操作物体。
该模型展示了正迁移，即在一组任务上的训练提高了其他任务的表现。例如，接触文本和图像数据有助于机器人控制任务，这表明跨模态的共享表示是有益的。
意义与反响
Gato 因其广度而非深度而引人注目。它在大多数任务上达到或超过了专家表现的50%，这是研究人员用来衡量通用智能体能力的基准。该系统被视为迈向人工通用智能的一步，尽管专家指出它缺乏专用模型的深度专业化。
批评者指出，Gato 在个别任务上的表现往往低于最先进的系统，并且“通用”的概念受限于固定的任务集。尽管如此，它影响了后续在生成式AI和多任务学习方面的研究，特别是在DeepMind和更广泛的AI社区内。
与其他模型的关系
Gato 与大型语言模型（如来自OpenAI和Anthropic的模型）共享概念根源，但不同之处在于它明确关注控制和多模态集成。与纯文本模型不同，Gato 可以与物理和模拟环境交互，使其更接近具身AI系统。它也与深度学习中在单一架构下统一不同任务的努力相呼应，这一趋势在后续模型中得以延续。
遗产与未来方向
Gato 的发布引发了关于扩展通用智能体的讨论。该领域的后续工作探索了更大的模型、更多样化的任务集和改进的训练技术。虽然 Gato 本身并未商业部署，但其原则影响了后来的 DeepMind 项目，并促进了向处理多种模态的基础模型的更广泛转变。
截至2025年，单一模型执行数百项任务的概念仍是一个活跃的研究领域，Gato 作为早期的概念验证。其遗产在于证明了统一架构可以在各领域达到合理表现，为更强大的通用系统铺平了道路。