Η Google μόλις κυκλοφόρησε το πιο ισχυρό μοντέλο AI που έχει γίνει ποτέ Gemini. Τι είναι και τι μπορεί να κάνει; Σχετικά με τα πάντα στο άρθρο μας.
Η Google αναπτύσσει τα δικά της εργαλεία AI εδώ και χρόνια. Με τη δημόσια κυκλοφορία του ChatGPT-3 από το OpenAI, η εταιρεία που διαχειρίζεται την πιο δημοφιλή μηχανή αναζήτησης στον κόσμο δημιούργησε επίσης ένα παρόμοιο εργαλείο, το Bard. Αλλά αυτό το εργαλείο εξακολουθούσε να έχασε από τους ανταγωνιστές, κάτι που η Google δεν μπορούσε να επιτρέψει. Επομένως, δεν αποτελεί έκπληξη το γεγονός ότι ο κόσμος είδε πρόσφατα το Gemini, ένα νέο μοντέλο γλώσσας από την Google, για το οποίο μάθαμε κατά τη διάρκεια της παρουσίασης.
Έχει σχεδιαστεί όχι μόνο για να βελτιώσει το προηγούμενο LLM (Large Language Model) του κολοσσού, αλλά και για να προσφέρει εντελώς νέες δυνατότητες στον τομέα της επεξεργασίας κειμένου, των γραφικών και του ήχου.
Ας ρίξουμε λοιπόν μια πιο προσεκτική ματιά στο νέο μοντέλο γλώσσας Google Gemini.
Επίσης ενδιαφέρον: OpenAI Project Q*: τι είναι και γιατί το έργο προκαλεί ανησυχία
Τι είναι το Google Gemini;
Αυτό είναι ένα νέο και ισχυρό μοντέλο τεχνητής νοημοσύνης από την Google, το οποίο μπορεί να κατανοήσει όχι μόνο κείμενο, αλλά και εικόνες, βίντεο και ήχο. Αυτό το πολυτροπικό μοντέλο περιγράφεται ως ικανό να εκτελεί σύνθετες εργασίες στα μαθηματικά, τη φυσική και άλλους τομείς, καθώς και να κατανοεί και να δημιουργεί κώδικα υψηλής ποιότητας σε μια ποικιλία γλωσσών προγραμματισμού.
Το Gemini είναι προς το παρόν διαθέσιμο μέσω της ενσωμάτωσης με το Google Bard και το Google Pixel 8 και σταδιακά θα συμπεριληφθεί σε άλλες υπηρεσίες της Google.
"Το Gemini είναι το αποτέλεσμα μιας τεράστιας συλλογικής προσπάθειας μεταξύ των ομάδων της Google, συμπεριλαμβανομένων των συναδέλφων μας στο Google Research," — δήλωσε ο Dennis Hassabis, Διευθύνων Σύμβουλος και συνιδρυτής του Google DeepMind. «Κατασκευάστηκε από την αρχή για να είναι πολυτροπικό, που σημαίνει ότι μπορεί να γενικεύει και να κατανοεί απρόσκοπτα, να λειτουργεί και να συνδυάζει διαφορετικούς τύπους πληροφοριών, όπως κείμενο, κώδικα, ήχο, εικόνες και βίντεο».
Επίσης ενδιαφέρον: Δεν είναι όλα όσα ονομάζουμε τεχνητή νοημοσύνη στην πραγματικότητα. Εδώ είναι τι πρέπει να ξέρετε
Ποιος δημιούργησε το μοντέλο;
Όπως πιθανότατα έχετε ήδη μαντέψει, το Gemini δημιουργήθηκε από την Google και την Alphabet, τη μητρική εταιρεία της Google, και είναι το πιο προηγμένο μοντέλο AI της εταιρείας μέχρι σήμερα. Το τμήμα DeepMind της Google συνέβαλε επίσης σημαντικά στην ανάπτυξή του. Δεν είναι ακόμη γνωστό πόσοι υπάλληλοι συμμετείχαν στην ανάπτυξη και τι κονδύλια διατέθηκαν για αυτό, αλλά γνωρίζοντας τις δυνατότητες της Google, μπορούμε να είμαστε σίγουροι ότι υπάρχει ένα πολύ μεγάλο ποσό.
Επίσης ενδιαφέρον: Windows 12: Ποιο θα είναι το νέο λειτουργικό σύστημα
Ευκαιρίες
Όπως σημείωσα παραπάνω, είναι ένα πολυτροπικό μοντέλο, που σημαίνει ότι μπορεί να κατανοήσει, να λειτουργήσει και να συνδυάσει διαφορετικούς τύπους δεδομένων, συμπεριλαμβανομένων κειμένου, κώδικα, ήχου, εικόνων και βίντεο. Παρέχει καλύτερη κατανόηση, σκέψη και δεξιότητες κωδικοποίησης σε σύγκριση με προηγούμενα συστήματα AI.
Οι κύριες δυνατότητες του μοντέλου είναι:
- Επεξεργασία φυσικής γλώσσας για εργασίες όπως μετάφραση, περίληψη και διάλογος
- Μαθηματική σκέψη και επίλυση προβλημάτων
- Δυνατότητα δημιουργίας κώδικα και τεκμηρίωσης
- Κατανόηση εικόνων, ήχου και βίντεο
- Multitasking σε διαφορετικούς τομείς
Όπως μπορείτε να δείτε, οι δυνατότητες είναι ανώτερες από άλλα μοντέλα.
Σε τεστ γλωσσικής κατανόησης, μαθηματικής σκέψης και κωδικοποίησης, το Gemini Ultra ξεπέρασε τα μοντέλα όπως το GPT-4. Συγκεκριμένα, είναι το πρώτο μοντέλο που ξεπέρασε τις επιδόσεις σε ανθρώπινο επίπεδο στη δοκιμή Massive Multitask Language Understanding (MMLU), επιτυγχάνοντας πάνω από 90% ακρίβεια.
Σε 32 ακαδημαϊκές δοκιμές μιας μεγάλης μελέτης γλωσσικού μοντέλου, ο Gemini ξεπέρασε το GPT-4. Σε 30 περιπτώσεις, το νέο μοντέλο γλώσσας της Google ήταν καλύτερο από τον ανταγωνιστή. Αυτό δείχνει την ικανότητα του μοντέλου να κατανοεί πλήρως τη γλώσσα.
Διαβάστε επίσης: Human Brain Project: Μια προσπάθεια μίμησης του ανθρώπινου εγκεφάλου
Υπάρχουν διαφορετικές εκδόσεις;
Η Google περιγράφει αυτό το AI ως ένα ευέλικτο μοντέλο που μπορεί να λειτουργήσει σε οποιαδήποτε συσκευή: από κέντρα δεδομένων Google έως κινητές συσκευές. Για να επιτευχθεί αυτή η επεκτασιμότητα, το Gemini διατίθεται σε τρεις εκδόσεις: Nano, Pro και Ultra.
Ας μιλήσουμε για τις διαφορετικές εκδοχές των Διδύμων με περισσότερες λεπτομέρειες.
- Δίδυμοι Νάνο: έχει σχεδιαστεί για να λειτουργεί σε smartphone, ιδιαίτερα στο Google Pixel 8. Έχει σχεδιαστεί για να εκτελεί εργασίες που απαιτούν αποτελεσματική επεξεργασία από τεχνητή νοημοσύνη χωρίς σύνδεση σε εξωτερικούς διακομιστές, όπως η πρόταση απαντήσεων σε προγράμματα συνομιλίας ή η σύνοψη κειμένου. Αυτό το συμπαγές μοντέλο συσκευής έχει περίπου 6 δισεκατομμύρια παραμέτρους.
- GeminiPro: εκτελείται στα κέντρα δεδομένων Google. Το Pro έχει σχεδιαστεί για να λειτουργεί με την πιο πρόσφατη έκδοση του chatbot Bard AI. Είναι σε θέση να παρέχει γρήγορους χρόνους απόκρισης και να κατανοεί πολύπλοκα ερωτήματα. Ένα μεσαίου μεγέθους μοντέλο έχει περίπου 100 δισεκατομμύρια παραμέτρους και αποτελεί τον πυρήνα της συνομιλίας AI του Bard. Το Pro θα είναι διαθέσιμο μέσω του Google Cloud.
- Gemini Ultra: αν και η έκδοση Ultra δεν είναι ακόμη ευρέως διαθέσιμη, η Google την περιγράφει ως το μοντέλο με τις καλύτερες επιδόσεις, ξεπερνώντας «την τρέχουσα κατάσταση αιχμής για 30 από τα 32 ευρέως χρησιμοποιούμενα ακαδημαϊκά τεστ που χρησιμοποιούνται στην έρευνα μεγάλων γλωσσικών μοντέλων (LLM). " Ως η μεγαλύτερη και πιο ισχυρή έκδοση, το Ultra θα λάβει περισσότερες από 1 τρισεκατομμύριο παραμέτρους. Θα βρίσκεται σε κέντρα δεδομένων. Το Ultra είναι προσαρμοσμένο για εταιρική χρήση. Η έκδοση έχει σχεδιαστεί για να εκτελεί πολύ περίπλοκες εργασίες. Η Google σχεδιάζει να το κυκλοφορήσει μετά το τέλος της τρέχουσας φάσης δοκιμών. Δηλαδή, η πιο ισχυρή έκδοση δεν είναι ακόμα διαθέσιμη στους χρήστες.
Επίσης ενδιαφέρον: Google Bard AI: Όλα όσα πρέπει να γνωρίζετε
Πώς να αποκτήσετε πρόσβαση στο Gemini;
Η τεχνητή νοημοσύνη σε εκδόσεις Nano και Pro είναι πλέον διαθέσιμη σε προϊόντα της Google, όπως τα smartphone Google Pixel 8 και το chatbot Bard, αντίστοιχα. Η Google σχεδιάζει να το ενσωματώσει τελικά στη μηχανή αναζήτησής της, στη διαφήμιση, στην υπηρεσία email του Gmail, στο πρόγραμμα περιήγησης Chrome και σε άλλες υπηρεσίες.
Οι προγραμματιστές και οι εταιρικοί πελάτες θα μπορούν να έχουν πρόσβαση στο Pro μέσω του Gemini API στο Google AI Studio και στο Google Cloud Vertex AI από τις 13 Δεκεμβρίου 2023. προγραμματιστές Android θα έχει πρόσβαση στο μοντέλο έκδοσης Nano μέσω του AICore, το οποίο θα είναι διαθέσιμο σε πρώιμη προεπισκόπηση.
Διαβάστε επίσης: Samsung Galaxy Flip5 vs Motorola Razr 40 Ultra: Battle of the Two Yokozun
Δίδυμοι στο Google Bard: Τι θα αλλάξει;
Σύμφωνα με πληροφορίες που δόθηκαν κατά τη διάρκεια της παρουσίασης, το μοντέλο θα επιτρέψει στο Google Bard να χειρίζεται καλύτερα πιο περίπλοκα προβλήματα, όπως αναφέρεται:
«Σχεδιάσαμε το Gemini έτσι ώστε το μοντέλο να είναι φυσικά πολυτροπικό και προεκπαιδευμένο σε πολλαπλούς τρόπους από την αρχή. Στη συνέχεια, το βελτιώσαμε προσθέτοντας περισσότερα πολυτροπικά δεδομένα για να βελτιώσουμε την απόδοση. Ως αποτέλεσμα, το Gemini κατανοεί εύκολα και συμπεραίνει πολύ καλύτερα από τα προηγούμενα πολυτροπικά μοντέλα και διαθέτει υπερσύγχρονες δυνατότητες σχεδόν σε όλους τους τομείς.
Οι εξαιρετικές πολυτροπικές δυνατότητες του Gemini σάς βοηθούν να κατανοήσετε πολύπλοκες κειμενικές και οπτικές πληροφορίες. Είναι ιδιαίτερα χρήσιμα όταν πρόκειται για την εξαγωγή συγκεκριμένων πληροφοριών από τεράστια σύνολα δεδομένων. Η εξαιρετική ικανότητα αυτού του μοντέλου να εξάγει την ουσία των πληροφοριών από εκατοντάδες χιλιάδες έγγραφα διαβάζοντας, φιλτράροντας και αναλύοντάς τα αναμφίβολα θα συμβάλει σε νέες, αστραπιαίες ανακαλύψεις σε διάφορους τομείς, από την επιστήμη μέχρι τη χρηματοδότηση».
Κατά τη διάρκεια της παρουσίασης, επιδείχθηκε ένα παράδειγμα σύνθετης μελέτης, η οποία περιέχει περισσότερες από 200 χιλιάδες εγγραφές, ορισμένες από τις οποίες έπρεπε να ενημερωθούν σύμφωνα με νέα δεδομένα. Όπως ίσως μαντέψατε, το να το κάνετε αυτό με το χέρι θα ήταν πολύ χρονοβόρο, έτσι οι συγγραφείς της μελέτης χρησιμοποίησαν το Gemini για να προετοιμάσουν τον κώδικα που έλαβε την εισαγωγή και έκανε τις απαραίτητες ενημερώσεις. Ένα άλλο, πιο πραγματικό παράδειγμα είναι η χρήση του γλωσσικού μοντέλου της Google για να εξηγήσει προβλήματα μαθηματικών ή φυσικής.
Τα δεδομένα εισαγωγής εδώ ήταν μια φωτογραφία/σάρωση μιας εργασίας από ένα σχολικό μάθημα. Το σύστημα ήταν σε θέση να επεξεργαστεί τα γραφικά και το κείμενο που ήταν αποθηκευμένα εκεί και στη συνέχεια να υποδείξει ποια μέρη της εργασίας έγιναν σωστά και ποια χρειάζονταν περισσότερη προσοχή. Η παρουσίαση έδειξε ότι ένας χρήστης μπορεί επανειλημμένα να ζητήσει από τους Διδύμους να εξηγήσει μια εργασία και κάθε επόμενη προσπάθεια πρέπει να εξηγείται σε απλούστερη γλώσσα. Το πόσο ακριβείς και σωστές θα είναι οι Δίδυμοι, φυσικά, θα το ελέγξουν οι ενδιαφερόμενοι, αλλά η δυνατότητα ανάγνωσης και επεξεργασίας κειμένου απευθείας από φωτογραφίες είναι εντυπωσιακή. Όπως προστέθηκε κατά την παρουσίαση:
"Ο Δίδυμος έχει διδαχθεί να αναγνωρίζει και να κατανοεί ταυτόχρονα κείμενο, εικόνες, ήχους και πολλά άλλα. Χάρη σε αυτό, κατανοεί καλύτερα τις αποχρώσεις των πληροφοριών και μπορεί να απαντήσει σε περίπλοκες ερωτήσεις. Είναι ιδιαίτερα αποτελεσματικό στην επεξήγηση θεμάτων που σχετίζονται με τα μαθηματικά και τη φυσική, επομένως μπορεί να χρησιμεύσει ως προσωπικός βοηθός για τις εργασίες για το σπίτι".
Gemini σε smartphone Google Pixel
Η Google καυχήθηκε επίσης ότι το Gemini «μάθαινε» στα νέα chipset TPUv5 και σχεδιάζει να παρουσιάσει το Gemini Ultra στις αρχές του 2024, το οποίο θα χρησιμοποιεί το Bard Advanced, μια νέα έκδοση της καταναλωτικής έκδοσης του μοντέλου ομιλίας του γίγαντα. Το Gemini Ultra βρίσκεται αυτή τη στιγμή σε δοκιμή και είναι ήδη διαθέσιμο σε επιλεγμένους ειδικούς σε θέματα ασφάλειας.
Η τελευταία σημαντική πληροφορία είναι η εισαγωγή του Gemini στα smartphone Google Pixel 8. Αυτό θα επιτρέψει, μεταξύ άλλων, τη δημιουργία γρήγορων απαντήσεων μέσω της εφαρμογής Gboard στα messenger. Το πρώτο είναι το WhatsApp, αλλά του χρόνου τέτοιες λύσεις θα εμφανιστούν και σε άλλες εφαρμογές που σχετίζονται με την επικοινωνία. Ωστόσο, αυτή είναι μόνο η αρχή, καθώς η Google ανακοίνωσε πολλά νέα εργαλεία τεχνητής νοημοσύνης για τα smartphone Pixel 8 και θα είναι διαθέσιμα σε ορισμένες άλλες συσκευές στο μέλλον. Android. Ωστόσο, πρόκειται για περαιτέρω σχέδια και προς το παρόν δεν έχουν δοθεί λεπτομέρειες.
Σε τι διαφέρει το Gemini από άλλα μοντέλα AI, όπως το GPT-4;
Το νέο μοντέλο Gemini της Google φαίνεται να είναι ένα από τα μεγαλύτερα και πιο προηγμένα μοντέλα τεχνητής νοημοσύνης μέχρι σήμερα, αν και η κυκλοφορία του μοντέλου Ultra θα το καθορίσει σίγουρα. Σε σύγκριση με άλλα δημοφιλή μοντέλα που χρησιμοποιούν επί του παρόντος chatbots AI, το Gemini ξεχωρίζει με τη δική του πολυτροπική λειτουργία, ενώ άλλα μοντέλα όπως το GPT-4 βασίζονται σε πρόσθετα και ενσωμάτωση για να είναι πραγματικά πολυτροπικά.
Ανησυχίες για την ακρίβεια και την αμεροληψία
Αν και το Gemini είναι ένα σημαντικό άλμα προς τα εμπρός στην ανάπτυξη των δυνατοτήτων τεχνητής νοημοσύνης, έχει τις ίδιες ελλείψεις με άλλα μεγάλα γλωσσικά μοντέλα. Πρώτα απ 'όλα, αυτή είναι η πιθανότητα δημιουργίας ψευδών πληροφοριών. Οι προκαταλήψεις βασίζονται επίσης στα δεδομένα εκπαίδευσης που είναι διαθέσιμα στο νέο γλωσσικό μοντέλο. Αξίζει επίσης να αναφερθεί η περιορισμένη κατανόηση του πραγματικού κόσμου. Η Google παραδέχεται ότι το νέο μοντέλο Gemini μπορεί να κάνει λάθη, να παρέχει στοιχεία που δεν βασίζονται σε στοιχεία και έρχονται σε αντίθεση με την κοινή λογική.
Απαιτούνται περισσότερες δοκιμές, ειδικά για το Gemini Ultra, το οποίο έχει νέες δυνατότητες που δεν έχουν ακόμη διερευνηθεί πλήρως. Η Google δεσμεύεται να αξιολογήσει προσεκτικά το Gemini για να ελαχιστοποιήσει την πιθανή βλάβη.
Επίσης ενδιαφέρον: Ολα για Microsoft Copilot: το μέλλον ή ο λάθος τρόπος;
Το μέλλον είναι με τους Διδύμους
Η κυκλοφορία του Gemini από την Google εγκαινίασε μια νέα εποχή ανάπτυξης της τεχνητής νοημοσύνης. Με τις καλύτερες επιδόσεις του σε σύγκριση με προηγούμενα μοντέλα και ανθρώπινες γραμμές βάσης, το Gemini επισημαίνει τις μελλοντικές δυνατότητες της τεχνητής νοημοσύνης, αλλά χρειάζεται ακόμα περισσότερη έρευνα για την αντιμετώπιση ορισμένων ελλείψεων.
Στο μέλλον, μπορείτε να περιμένετε από το Gemini να παρέχει πιο χρήσιμες και έξυπνες λειτουργίες στα προϊόντα Google. Στο μέλλον, η εταιρεία σχεδιάζει να συνεχίσει να επεκτείνει το Gemini πέρα από τα αγγλικά και να βασίζεται στη βασική μεθοδολογία του μοντέλου.
Μπορούμε μόνο να παρακολουθήσουμε και να ελπίζουμε ότι η Google ξέρει τι κάνει.
Διαβάστε επίσης: