Hvad er Google Gemini 1.0? Næste generations AI til kamp mod ChatGPT forklaret

Hvad er Google Gemini 1.0: Google har fuldt ud afsløret sin næste generation Gemini 1.0 generative AI-model, som nu er tilgængelig gennem Bard-samtalechatboten.

Gemini 1.0-modellen, som oprindeligt blev forhåndsvist på Google I/O i maj, er mere kraftfuld end den eksisterende teknologi og potentielt tilstand udstyret til at gå op imod OpenAIs ChatGPT-model brugt af Microsoft.

Google siger, at Gemini er dens "største og mest kapable AI-model", og den vil være ansvarlig for at drive alt fra Bard til Google Pixel-serien af ​​smartphones. Den er tilgængelig indeni Bard fra i dag.

Det siger firmaet nøglen til Gemini og den "multimodale" AI-model. Det betyder, at den kan "generalisere og problemfrit forstå, operere på tværs og kombinere forskellige typer information herunder tekst, kode, lyd, billede og video." Tidligere modeller opnåede meget mere begrænsede muligheder ved at sy modeller sammen. Tvillingerne er naturligt multimodale.

Du kan se de nye muligheder i en utroligt imponerende demonstration nedenfor. Det er hurtigt, reaktivt, samtaleagtigt og skræmmende smart.

Tre forskellige størrelser til Gemini

Google siger, at Gemini 1.0 er den første version af modellen, som nummereringskonventionen ville angive. Der er etager bygget til forskellige formål. Alle drager fordel af det multimodale design, og deres formål er beskrevet nedenfor.

Nano vil for eksempel være fantastisk til on-device AI og vil snart være tilgængelig på Pixel 8 Pro, mens Ultra er gearet til ekstreme brugssager som datacentre. Pro er den glade mellemvej, som Bard kommer til at blive drevet af fra i dag.

• Gemini Ultra — vores største og mest dygtige model til meget komplekse opgaver.
• Gemini Pro — vores bedste model til skalering på tværs af en lang række opgaver.
• Gemini Nano — vores mest effektive model til opgaver på enheden.

Supermenneskelig præstation

Google siger, at Geminis ydeevne er blevet strengt testet på opgaver som naturligt billede, lyd- og videoforståelse til matematisk ræsonnement. Gemini Ultra slår de etablerede modeller på 30 ud af 32 akademiske benchmarks for store sprogmodeller.

Nu siger Google, at Gemini klarer sig bedre end menneskelige eksperter på 57 emner, når det kommer til MMLU (massiv multitask sprogforståelse). Gemini scorede 90,0 % i disse tests, mens ChatGPT 4 scorede 86,4 %. Det er en vigtig takeaway.

Hvordan og hvorfor den næste generation blev bygget

Google siger, at det har grebet træningen af ​​Gemini anderledes an end tidligere multimodal funktionalitet. Tidligere blev de trænet hver for sig og sat sammen bagefter. Det betød, at den for eksempel var god til at beskrive billeder, men manglede evnen til kompetent kompleks ræsonnement.

Google siger, at Gemini var foruddannet fra starten til at være indbygget multimodal.

"Så finjusterede vi det med yderligere multimodale data for yderligere at forfine dets effektivitet," siger virksomheden i blogindlægget. "Dette hjælper Gemini problemfrit at forstå og ræsonnere om alle slags input fra bunden, langt bedre end eksisterende multimodale modeller - og dens muligheder er state of the art i næsten alle domæne."

Tilgængelighed

Som vi nævnte, er Gemini Pro tilgængelig til brug i Google Bard fra i dag, mens Gemini Nano lanceres på Pixel 8 Pro næste år.

Google tilføjer: "Vi bringer også Gemini til Pixel. Pixel 8 Pro er den første smartphone, der er udviklet til at køre Gemini Nano, som driver nye funktioner som Summaride i Optagerapp og udrulning i Smart Reply i Gboard, startende med WhatsApp - med flere beskedapps på vej år."

Hvorfor stole på vores journalistik?

Trusted Reviews blev grundlagt i 2003 og eksisterer for at give vores læsere en grundig, upartisk og uafhængig rådgivning om, hvad de skal købe.

I dag har vi millioner af brugere om måneden fra hele verden og vurderer mere end 1.000 produkter om året.