Robiąc krok naprzód w dziedzinie sztucznej inteligencji, Google wprowadziło Gemini, swój najnowszy model sztucznej inteligencji. Ten innowacyjny model, w przeciwieństwie do tradycyjnych, jest w stanie od samego początku interpretować heterogeniczne formaty danych — tekst, kod, dźwięk, obraz i wideo.
Zazwyczaj modele multimodalne są opracowywane poprzez oddzielne szkolenie różnych komponentów dla różnych formatów informacji, a następnie ich integrację. Niemniej jednak, odchodząc od tej standardowej praktyki, Gemini stosuje inne podejście. Model od samego początku trenował na różnych formatach danych i dostrajał go dodatkowymi danymi multimodalnymi. Metodologia ta ułatwia Gemini zrozumienie i wnioskowanie na podstawie wielu typów danych, przewyższając obecne modele multimodalne. Podkreślając mocne strony Gemini, Sundar Pichai, dyrektor generalny Google i Alphabet oraz Demis Hassabis, dyrektor generalny i współzałożyciel Google DeepMind, stwierdzili, że umiejętności modelki są na równi z najlepszymi w niemal każdej dziedzinie.
Co godne uwagi, Bliźnięta mają silną zdolność rozumowania, umożliwiającą im postrzeganie złożonych informacji pisanych i wizualnych. Dzięki temu potrafi wydobywać trudno dostępną wiedzę z ogromnych pul danych. Jedynym tego przykładem jest jego zdolność do przeglądania setek tysięcy dokumentów w poszukiwaniu cennych spostrzeżeń prowadzących do przełomów w wielu dziedzinach. Co więcej, multimodalne aspekty Gemini sprawiają, że jest on szczególnie skuteczny w rozszyfrowywaniu złożonych pytań z przedmiotów takich jak matematyka i fizyka.
Początkowy model Gemini 1.0 jest dostępny w trzech wariantach — Ultra, Pro i Nano, z których każdy spełnia wymagania dotyczące różnych rozmiarów. Według Google Gemini Ultra uzyskało lepsze wyniki niż 30 z 32 powszechnie stosowanych akademickich testów porównawczych przy opracowywaniu modeli i badaniach podczas wstępnych testów porównawczych. Warto zauważyć, że Gemini Ultra to także pierwszy w historii model, który pokonał ludzkich ekspertów. Do oceny tego wykorzystano analizę masowego wielozadaniowego rozumienia języka (MMLU), obejmującą 57 dyscyplin, od matematyki i fizyki po historię, prawo, medycynę i etykę.
Gemini Pro jest teraz zintegrowany z Bardem, co stanowi najbardziej znaczącą aktualizację Barda od czasu jego wydania. Warto zauważyć, że Pixel 8 Pro został również zoptymalizowany pod kątem wykorzystania możliwości Gemini Nano do obsługi takich funkcji, jak Podsumowanie w aplikacji Rejestrator i Inteligentna odpowiedź na klawiaturze Google.
Oczekuje się, że w nadchodzących miesiącach Gemini zostanie włączone do większej liczby produktów Google, takich jak wyszukiwarka, reklamy, Chrome i Duet AI. Od 13 grudnia programiści będą mieli dostęp do Gemini Pro za pośrednictwem Gemini API w Google AI Studio lub Google Cloud Vortex AI.
Oprócz tego Gemini obsługuje kilka popularnych języków programowania, w tym Python, Java, C++ i Go. Według Pichai i Hassabisa biegłość w posługiwaniu się językiem dźwiękowym oraz zdolność rozumowania w przypadku skomplikowanych informacji sprawiają, że jest to podstawowy model kodowania najwyższej klasy na całym świecie.
Google zatrudnił także firmę Gemini do zaprojektowania zaawansowanego systemu generowania kodu znanego jako AlphaCode 2. System ten, będący ulepszeniem pierwszej wersji wydanej dwa lata temu, może rozwiązywać problemy związane z programowaniem konkurencyjnym, obejmujące złożoną matematykę i informatykę teoretyczną.
Dopełnieniem szeregu zapowiedzi jest zaprezentowanie nowego systemu TPU o nazwie Cloud TPU v5p, przeznaczonego do szkolenia najnowocześniejszych modeli sztucznej inteligencji, co stanowi dalsze uzupełnienie premiery Gemini. TPU nowej generacji przyspieszy rozwój Gemini i pomoże programistom i klientom korporacyjnym w szybszym szkoleniu wielkoskalowych generatywnych modeli sztucznej inteligencji. Dzięki temu nowsze usługi i możliwości dotrą do klientów w krótszym czasie.
Google podkreśliła swoje przestrzeganie zasad odpowiedzialnej sztucznej inteligencji podczas opracowywania Gemini. Przeprowadzono badania w obszarach potencjalnego ryzyka, takich jak cyberprzestępczość, perswazja i autonomia. Stworzono także klasyfikatory bezpieczeństwa, które służą do identyfikowania, etykietowania i segregowania treści zawierających przemoc lub negatywne stereotypy.
Premiera Gemini oznacza kamień milowy w ewolucji sztucznej inteligencji i rozpoczyna nową erę w Google. Trwające obecnie wysiłki mające na celu rozszerzenie funkcjonalności Gemini na przyszłe wersje, ulepszenia planowania i ulepszenia pamięci oraz zwiększenie okna kontekstowego do przetwarzania większej ilości informacji zapewniają lepsze reakcje w przyszłości.
W miarę poszerzania się horyzontów obszarów no-code i low-code platformy takie jak AppMaster umożliwiają programistom i profesjonalistom biznesowym tworzenie skalowalnych i wydajnych aplikacji, które uzupełniają postępy w zakresie sztucznej inteligencji, takie jak Gemini. Zachwalając imponującą listę funkcji, AppMaster wyróżnia się jako wszechstronne i opłacalne rozwiązanie w szybko rozwijającym się środowisku tworzenia aplikacji.
