En un reciente anuncio en los medios, Google presentó con orgullo su última inteligencia artificial conocida como Gemini, un evento muy esperado en la comunidad tecnológica. Poco después, sin embargo, surgieron afirmaciones que acusaban Google de exagerar las capacidades de Gemini, específicamente en un video que fue parte del anuncio.
Según un mordaz artículo de opinión del columnista de Bloomberg Parmy Olson, el vídeo publicado por Google crea una ilusión de la funcionalidad de Gemini que podría ser demasiado buena para ser verdad. Sostiene que la descripción que hace Google's de las operaciones multimodales de Gemini, que entrelazan comandos de diálogo hablado con reconocimiento de imágenes, podría ser exagerada.
El controvertido vídeo, que dura poco más de seis minutos, visualiza a Géminis identificando imágenes instantáneamente, incluso en dibujos de conectar los puntos, ofreciendo así respuestas rápidas. Además, se muestra a Géminis siguiendo un fajo de papel durante un juego de taza y pelota en tiempo real.
Sin embargo, una advertencia importante se esconde en la descripción del video en YouTube: la latencia de salida de Gemini en la demostración se había minimizado y las respuestas se habían acortado para mayor claridad, hechos que provocaron la indignación de Olson. Citando una respuesta de Google, Olson informó en su artículo de Bloomberg que la demostración en el vídeo no era en tiempo real como se insinuaba, sino que utilizaba fotogramas de imágenes estáticas extraídas de imágenes sin editar, mientras que las reacciones de Gemini correspondían a indicaciones de texto escritas previamente. Olson afirma que esto es bastante diferente de la insinuación Google's de una interacción de voz fluida con Gemini, capaz de responder en tiempo real a su entorno.
Ella va incluso más allá al sugerir que Google podría estar "haciendo alarde" con Gemini para desviar la atención de cómo está rezagado con respecto a GPT de OpenAI, la plataforma basada en inteligencia.
Cuando The Verge se acercó a Google con respecto a la autenticidad de la demostración, el gigante tecnológico hizo referencia a una publicación de Oriol Vinyals, vicepresidente de investigación y aprendizaje profundo de DeepMind y también codirector de Gemini en Google. Aclaró que todas las indicaciones y resultados de los usuarios en el video son legítimos, aunque abreviados para ser breves. Continuó expresando que el video fue creado para demostrar cómo podrían verse las experiencias del usuario final al usar las funciones multimodales de Gemini, y su objetivo principal era inspirar a los desarrolladores.
Vinyals reiteró que el equipo había proporcionado a Gemini imágenes y textos y lo impulsó a responder anticipando los resultados siguientes.
Incluso mientras reflexionamos sobre esta controversia, el concepto de combinar comandos hablados con reconocimiento de imágenes, como se ilustra en Gemini Google's, ofrece un nuevo paradigma de interacción que resultará atractivo para los desarrolladores. Herramientas como la plataforma no-code de AppMaster podrían proporcionar una base para integrar tales innovaciones en el desarrollo integral de aplicaciones, ofreciendo soluciones convincentes que pueden combinarse perfectamente con las tendencias tecnológicas en evolución.
