Σε μια φιλόδοξη επέμβαση στον χώρο της τεχνητής νοημοσύνης, η Google παρουσίασε το Gemini, ένα περιεκτικό σύνολο μοντέλων γεννητικής τεχνητής νοημοσύνης. Αναπτυγμένο από τα διάσημα ερευνητικά εργαστήρια AI της τεχνολογικής γίγαντες, DeepMind και Google Research, το Gemini περιλαμβάνει μια οικογένεια μοντέλων AI με πολυεπίπεδη δομή, με στόχο να εξυπηρετήσει μια ποικίλη σειρά εφαρμογών και συσκευών.
Το Gemini έρχεται σε τρεις διαφορετικές εκδοχές: το Gemini Ultra, το πρωτοποριακό μοντέλο που είναι γνωστό για την υψηλή απόδοσή του, το Gemini Pro, που λειτουργεί ως μια απλοποιημένη εκδοχή του Ultra, και το Gemini Nano, βελτιστοποιημένο για χρήση σε κινητές συσκευές όπως το επερχόμενο Pixel 8 Pro. Αυτά τα μοντέλα διακρίνονται για τις ικανότητές τους “φυσικά πολυμεταβατικές”, χειριζόμενα περισσότερα από απλά κείμενα δεδομένων, περιλαμβάνοντας ήχο, εικόνες και βίντεο, επιδεικνύοντας ένα ευρύτερο κατανόηση της ανθρώπινης επικοινωνίας σε σχέση με το κείμενο-κεντρικό μοντέλο της Google, LaMDA.
Αντίθετα με το LaMDA, το οποίο κατανοεί και δημιουργεί μόνο κείμενο, το σύνολο Gemini είναι έτοιμο να βοηθήσει τους χρήστες σε πιο πολύπλοκες εργασίες – από την ολοκλήρωση εκπαιδευτικών εργασιών έως την εξέλιξη προηγμένων εικόνων χωρίς να βασίζεται σε ενδιάμεσα βήματα. Παρά τα προηγούμενα προβλήματα με το Bard της Google, το δυναμικό του Gemini φαίνεται σημαντικό, ιδιαίτερα με τη μελλοντική ενσωμάτωση του Ultra στην πλατφόρμα ανάπτυξης AI της Google, το Vertex AI, και στο εργαλείο της ιστοσελίδας, το AI Studio.
Το Gemini Pro, από την άλλη, έχει εμφανίσει ελπίδα σε σχέση με τα προηγούμενα μοντέλα γλώσσας, καυχώμενο για τις προόδους στον συλλογισμό και την κατανόηση. Η πιο πρόσφατη εκδοχή του Pro, το Gemini 1.5 Pro, μπορεί να επεξεργάζεται μεγαλύτερα σύνολα δεδομένων, συμπεριλαμβανομένων μεγάλων τμημάτων κειμένων και μήκους βίντεο σε πολλές γλώσσες, αν και σε πιο χαμηλό ρυθμό.
Και τα δύο μοντέλα επεκτείνουν τις λειτουργίες τους μέσω του Google One AI Premium Plan, το οποίο ενσωματώνεται επίσης στον ευρύτερο χώρο εργασίας της Google, βελτιώνοντας εργαλεία παραγωγικότητας όπως το Gmail, τα Docs, τα Sheets και το Google Meet. Οι προγραμματιστές παρακολουθούν με ενδιαφέρον την ευελιξία του Gemini καθώς προχωρά, με ελπίδες να προσαρμόσουν την τεχνητή νοημοσύνη στις ειδικές ανάγκες της βιομηχανίας με τη διαδικασία της λεπτούργησης και τη σύνδεση με εξωτερικές API.