Google штотуку го објави својот најмоќен модел со вештачка интелигенција досега наречен Близнаци. Што е таа и што може да прави? За сè во нашата статија.
Google со години развива свои алатки за вештачка интелигенција. Со јавното објавување на ChatGPT-3 од OpenAI, компанијата што го води најпопуларниот пребарувач во светот, исто така создаде слична алатка, Bard. Но, оваа алатка сепак загуби од конкурентите, што Google не можеше да го дозволи. Затоа, не е чудно што светот неодамна го виде Gemini, новиот јазичен модел на Google, за кој дознавме за време на презентацијата.
Тој е дизајниран не само да го подобри претходниот LLM (Large Language Model) на гигантот, туку и да понуди сосема нови можности во областа на обработка на текст, графика и звук.
Значи, да го разгледаме подетално новиот јазичен модел на Google Gemini.
Исто така интересно: OpenAI Project Q*: што е тоа и зошто проектот предизвикува загриженост
Што е Google Gemini?
Ова е нов и моќен модел на вештачка интелигенција од Google, кој може да разбере не само текст, туку и слики, видеа и аудио. Овој мултимодален модел е опишан како способен да извршува сложени задачи во математиката, физиката и други домени, како и да разбере и генерира висококвалитетен код на различни програмски јазици.
Gemini во моментов е достапен преку интеграција со Google Bard и Google Pixel 8 и постепено ќе се вклучува во другите услуги на Google.
„Близнаци е резултат на огромен заеднички напор низ тимовите на Google, вклучувајќи ги и нашите колеги од Google Research“, - изјави Денис Хасабис, извршен директор и ко-основач на Google DeepMind. „Изграден е од темел за да биде мултимодален, што значи дека може да генерализира и беспрекорно да разбере, да работи и да комбинира различни видови информации, вклучувајќи текст, код, аудио, слики и видео.
Исто така интересно: Не се што нарекуваме вештачка интелигенција е всушност вештачка интелигенција. Еве што треба да знаете
Кој го создаде моделот?
Како што веројатно веќе погодивте, Gemini е создаден од Google и Alphabet, матичната компанија на Google, и е најнапредниот модел со вештачка интелигенција на компанијата досега. Одделот DeepMind на Google исто така даде значаен придонес во неговиот развој. Засега не е познато колку вработени учествувале во развојот и какви средства се одвоени за него, но знаејќи ги можностите на Google, можеме да бидеме сигурни дека има многу голема сума.
Исто така интересно: Windows 12: Кој ќе биде новиот оперативен систем
Можности
Како што забележав погоре, тоа е мултимодален модел, што значи дека може да разбере, да работи и да комбинира различни типови на податоци, вклучувајќи текст, код, аудио, слики и видео. Обезбедува подобро разбирање, размислување и вештини за кодирање во споредба со претходните системи за вештачка интелигенција.
Главните способности на моделот се:
- Обработка на природен јазик за задачи како што се превод, сумирање и дијалог
- Математичко размислување и решавање проблеми
- Способност за генерирање на код и документација
- Разбирање на слики, аудио и видео
- Мултитаскинг во различни домени
Како што можете да видите, можностите се супериорни во однос на другите модели.
Во тестовите за разбирање јазик, математичко размислување и кодирање, Gemini Ultra ги надмина моделите како што е GPT-4. Поточно, тој е првиот модел што ги надминува перформансите на човечко ниво на тестот за разбирање на јазикот за масивни повеќе задачи (MMLU), постигнувајќи над 90% точност.
Во 32 академски тестови на голема студија за јазичен модел, Gemini го надмина GPT-4. Во 30 случаи, новиот јазичен модел од Google бил подобар од конкурентот. Ова ја покажува способноста на моделот целосно да го разбере јазикот.
Прочитајте исто така: Проект за човечки мозок: обид да се имитира човечкиот мозок
Дали има различни верзии?
Google ја опишува оваа вештачка интелигенција како флексибилен модел кој може да работи на кој било уред: од центри за податоци на Google до мобилни уреди. За да се постигне оваа приспособливост, Gemini доаѓа во три верзии: Nano, Pro и Ultra.
Ајде да зборуваме за различните верзии на Близнаци подетално.
- Близнаци Нано: дизајниран да работи на паметни телефони, особено на Google Pixel 8. Дизајниран е да извршува задачи кои бараат ефикасна обработка со вештачка интелигенција без поврзување со надворешни сервери, како што се предлагање одговори во програми за разговор или сумирање на текст. Овој модел на компактен уред има околу 6 милијарди параметри.
- Близнаци Про: работи во центрите за податоци на Google. Pro е дизајниран да работи со најновата верзија на четботот Bard AI. Тој е способен да обезбеди брзо време на одговор и да разбере сложени прашања. Еден модел со средна големина има приближно 100 милијарди параметри и е јадрото на разговорната вештачка интелигенција на Бард. Pro ќе биде достапен преку Google Cloud.
- Близнаци Ултра: иако верзијата Ultra сè уште не е широко достапна, Google ја опишува како свој модел со најдобри перформанси, надминувајќи ја „тековната најсовремена состојба за 30 од 32 широко користени академски тестови што се користат во истражувањето на големи јазични модели (LLM). " Како најголема и најмоќна верзија, Ultra ќе добие повеќе од 1 трилион параметри. Ќе биде лоциран во центри за податоци. Ултра е прилагоден за корпоративна употреба. Верзијата е дизајнирана да извршува многу сложени задачи. Google планира да го објави по завршувањето на тековната фаза на тестирање. Односно, најмоќната верзија сè уште не е достапна за корисниците.
Исто така интересно: Google Bard AI: Сè што треба да знаете
Како да пристапите до Близнаци?
Вештачката интелигенција во верзиите Nano и Pro сега е достапна во производите на Google, како што се паметните телефони Google Pixel 8 и четботот Bard, соодветно. Google планира на крајот да го интегрира во својот пребарувач, рекламирањето, услугата за е-пошта Gmail, прелистувачот Chrome и другите услуги.
Програмерите и деловните клиенти ќе можат да пристапат до Pro преку Gemini API во Google AI Studio и Google Cloud Vertex AI, почнувајќи од 13 декември 2023 година. Програмери Android ќе има пристап до моделот на Nano верзија преку AICore, кој ќе биде достапен во раниот преглед.
Прочитајте исто така: Samsung Galaxy Флип5 наспроти Motorola Razr 40 Ultra: Битка на двајцата Јокозуни
Близнаци во Google Bard: Што ќе се промени?
Според информациите дадени за време на презентацијата, моделот ќе му овозможи на Google Bard подобро да се справи со посложените проблеми, како што е наведено:
„Го дизајниравме Gemini така што моделот е природно мултимодален и претходно обучен на повеќе модалитети од самиот почеток. Потоа го рафиниравме со додавање повеќе мултимодални податоци за да ги подобриме перформансите. Како резултат на тоа, Gemini лесно разбира и заклучува многу подобро од претходните мултимодални модели и може да се пофали со најсовремени способности во речиси сите области.
Извонредните мултимодални способности на Gemini ви помагаат да разберете сложени текстуални и визуелни информации. Тие се особено корисни кога станува збор за извлекување конкретни информации од огромни збирки податоци. Извонредната способност на овој модел да ја извлече суштината на информациите од стотици илјади документи со нивно читање, филтрирање и анализирање несомнено ќе придонесе за нови, молскавично брзи откритија во различни области, од наука до финансии“.
За време на презентацијата беше демонстриран пример на сложена студија, која содржи повеќе од 200 илјади записи, од кои некои требаше да се ажурираат според новите податоци. Како што можеше да претпоставите, тоа рачно би одземало многу време, па авторите на студијата го користеле Gemini за да подготват код кој го земал влезот и ги направил потребните ажурирања. Друг, пореален пример е користењето на јазичниот модел на Google за објаснување математички или физички проблеми.
Влезните податоци овде беа фотографија/скенирање на задача од училишен час. Системот можеше да ги обработи графиките и текстот зачуван таму и потоа да покаже кои делови од домашната задача се правилно завршени и на кои им треба повеќе внимание. Презентацијата покажа дека корисникот може постојано да бара Близнаци да објаснат некоја задача, а секој следен обид мора да биде објаснет на поедноставен јазик. Колку ќе бидат точни и точни Близнаците, секако, ќе проверат заинтересираните, но способноста за читање и обработка на текст директно од фотографии е импресивна. Како што беше додадено за време на презентацијата:
"Близнаците се научени да препознаваат и разбираат текст, слики, звуци и многу повеќе во исто време. Благодарение на ова, тој подобро ги разбира нијансите на информациите и може да одговори на сложени прашања. Тој е особено ефикасен во објаснувањето на теми поврзани со математика и физика, така што може да послужи како личен помошник за домашни задачи".
Близнаци во паметните телефони на Google Pixel
Гугл исто така се пофали дека Gemini „научил“ на новите TPUv5 чипови, а планира да го претстави Gemini Ultra на почетокот на 2024 година, кој ќе користи Bard Advanced, нова верзија на потрошувачката верзија на говорниот модел на гигантот. Gemini Ultra моментално е на тестирање и веќе е достапен за одредени безбедносни експерти.
Последната важна информација е воведувањето на Gemini во смартфоните Google Pixel 8. Ова ќе овозможи, меѓу другото, да се креираат брзи одговори преку апликацијата Gboard во месинџерите. Првиот е WhatsApp, но следната година вакви решенија ќе се појават и во други апликации поврзани со комуникација. Сепак, ова е само почеток, бидејќи Google најави многу нови алатки за вештачка интелигенција за смартфоните Pixel 8, а тие ќе бидат достапни и на некои други уреди во иднина. Android. Сепак, ова се дополнителни планови и засега не се дадени детали.
Како Gemini се разликува од другите модели со вештачка интелигенција, како што е GPT-4?
Новиот модел на Google Gemini изгледа дека е еден од најголемите и најнапредните модели со вештачка интелигенција досега, иако објавувањето на моделот Ultra сигурно ќе го одреди тоа. Во споредба со другите популарни модели кои моментално користат чат-ботови со вештачка интелигенција, Gemini се издвојува со сопствената мултимодална карактеристика, додека другите модели како GPT-4 се потпираат на приклучоците и интеграцијата за да бидат навистина мултимодални.
Загриженост за точноста и непристрасноста
Иако Gemini е голем скок напред во развојот на способностите за вештачка интелигенција, тој има недостатоци кои се заеднички за другите главни јазични модели. Пред сè, ова е можност за создавање лажни информации. Предрасудите се засноваат и на податоците за обука што се достапни за новиот јазичен модел. Вреди да се спомене и ограниченото разбирање на реалниот свет. Google признава дека новиот модел на Gemini може да прави грешки, да дава факти кои не се засноваат на докази и се во спротивност со здравиот разум.
Потребни се повеќе тестови, особено за Gemini Ultra, кој има нови способности кои се уште не се целосно истражени. Google се обврзува внимателно да ги процени Близнаците за да ја минимизира потенцијалната штета.
Исто така интересно: Сите за Microsoft Копилот: иднина или погрешен пат?
Иднината е со Близнаците
Лансирањето на Gemini од Google воведе нова ера на развој на вештачка интелигенција. Со своите најдобри перформанси во споредба со претходните модели и човечки основни линии, Gemini укажува на идните можности на вештачката интелигенција, но сепак треба повеќе истражување за да се решат одредени недостатоци.
Во иднина, може да очекувате Gemini да обезбеди покорисни и интелигентни функции во производите на Google. Во иднина, компанијата планира да продолжи да го шири Gemini надвор од англискиот јазик и да ја надградува својата основна методологија за моделирање.
Можеме само да гледаме и да се надеваме дека Google знае што прави.
Прочитајте исто така: