Какво е Google Gemini 1.0? AI от следващо поколение за борба с ChatGPT обяснено

Какво е Google Gemini 1.0: Google разкри напълно своя генеративен AI модел от следващо поколение Gemini 1.0, който вече е достъпен чрез разговорния чатбот Bard.

Моделът Gemini 1.0, който първоначално беше визуализиран на Google I/O през май, е по-мощен от съществуващата технология и потенциално режим, оборудван да се противопостави Моделът ChatGPT на OpenAI използвани от Microsoft.

Google казва, че Gemini е техният „най-големият и най-способен AI модел“ и ще отговаря за захранването на всичко – от Bard до гамата смартфони Google Pixel. Предлага се в рамките на Бард от днес.

The казва компанията ключът към Gemini и „мултимодалния“ AI модел. Това означава, че може да „генерализира и безпроблемно разбира, оперира и комбинира различни видове информация включително текст, код, аудио, изображение и видео." Предишните модели постигнаха много по-ограничени възможности чрез зашиване на модели заедно. Gemini е вродено мултимодален.

Можете да видите новите възможности в невероятно впечатляваща демонстрация по-долу. Той е бърз, реактивен, разговорлив и ужасяващо умен.

Три различни размера за Близнаци

Google казва, че Gemini 1.0 е първата версия на модела, както би означавала конвенцията за номериране. Има нива, изградени за различни цели. Всички те се възползват от мултимодалния дизайн и техните цели са описани подробно по-долу.

Nano, например, ще бъде страхотен за AI на устройството и скоро ще бъде достъпен за Pixel 8 Pro, докато Ultra е предназначен за екстремни случаи на употреба като центрове за данни. Pro е щастливата средна позиция, от която Bard ще се захранва от днес.

• Gemini Ultra — нашият най-голям и най-способен модел за изключително сложни задачи.
• Gemini Pro — нашият най-добър модел за мащабиране в широк набор от задачи.
• Gemini Nano — нашият най-ефективен модел за задачи на устройството.

Свръхчовешко изпълнение

Google казва, че представянето на Gemini е стриктно тествано върху задачи като разбиране на естествено изображение, аудио и видео до математически разсъждения. Gemini Ultra побеждава утвърдените модели на 30 от 32 академични показателя за големи езикови модели.

Сега, според Google, Gemini превъзхожда човешките експерти по 57 теми, когато става въпрос за MMLU (разбиране на масов многозадачен език). Gemini отбеляза 90,0% в тези тестове, докато ChatGPT 4 отбеляза 86,4%. Това е ключов извод.

Как и защо е създадено следващото поколение

Google казва, че е подходил към обучението на Gemini различно от предишната мултимодална функционалност. Преди това те са били обучавани поотделно и след това са били събирани. Това означаваше, че беше добър като описание на изображения, например, но му липсваше способността за компетентно сложно разсъждение.

Google казва, че Gemini е бил предварително обучен от самото начало да бъде естествено мултимодален.

„След това го настроихме фино с допълнителни мултимодални данни, за да подобрим допълнително неговата ефективност“, казва компанията в публикацията в блога. „Това помага на Близнаците безпроблемно да разбират и разсъждават за всички видове входове от самото начало, далеч по-добър от съществуващите мултимодални модели — и неговите възможности са най-съвременни в почти всеки домейн.”

Наличност

Както споменахме, Gemini Pro е достъпен за използване в Google Bard от днес, докато Gemini Nano ще бъде пуснат на Pixel 8 Pro следващата година.

Google добавя: „Също така въвеждаме Gemini в Pixel. Pixel 8 Pro е първият смартфон, проектиран да работи с Gemini Nano, който захранва нови функции като Summaride в Приложение за записване и пускане в Интелигентен отговор в Gboard, като се започне с WhatsApp — следват още приложения за съобщения година.”

Защо да вярваме на нашата журналистика?

Основана през 2003 г., Trusted Reviews съществува, за да даде на нашите читатели задълбочени, безпристрастни и независими съвети какво да купят.

Днес имаме милиони потребители на месец от цял ​​свят и оценяваме повече от 1000 продукта годишно.