Vad är Google Gemini 1.0? Nästa generations AI för att slåss mot ChatGPT förklaras

Vad är Google Gemini 1.0: Google har helt avslöjat sin nästa generations Gemini 1.0 generativa AI-modell, som nu är tillgänglig via Bards konversationschatbot.

Gemini 1.0-modellen, som först förhandsvisades på Google I/O i maj, är mer kraftfull än den befintliga tekniken och potentiellt läget utrustad för att gå upp mot OpenAI: s ChatGPT-modell används av Microsoft.

Google säger att Gemini är dess "största och mest kapabla AI-modell" och den kommer att ansvara för att driva allt från Bard till Google Pixel-sortimentet av smartphones. Den är tillgänglig inom Bard från idag.

De säger företaget nyckeln till Gemini och den "multimodala" AI-modellen. Det betyder att den kan "generalisera och sömlöst förstå, arbeta över och kombinera olika typer av information inklusive text, kod, ljud, bild och video." Tidigare modeller uppnådde mycket mer begränsade möjligheter genom att sy modeller tillsammans. Tvillingarna är naturligt multimodala.

Du kan se de nya funktionerna i en otroligt imponerande demonstration nedan. Det är snabbt, reaktivt, konversationsrikt och skrämmande smart.

Tre olika storlekar för Gemini

Google säger att Gemini 1.0 är den första versionen av modellen, som numreringskonventionen skulle beteckna. Det finns nivåer byggda för olika ändamål. Alla drar nytta av den multimodala designen och deras syften beskrivs nedan.

Nano, till exempel, kommer att vara bra för on-device AI och kommer snart att finnas tillgänglig på Pixel 8 Pro, medan Ultra är anpassad för extrema användningsfall som datacenter. Pro är den glada medelvägen, som Bard kommer att drivas av från och med idag.

• Gemini Ultra — vår största och mest kapabla modell för mycket komplexa uppgifter.
• Gemini Pro — vår bästa modell för att skala över ett brett spektrum av uppgifter.
• Gemini Nano — vår mest effektiva modell för uppgifter på enheten.

Supermänsklig prestation

Google säger att Geminis prestanda har testats rigoröst på uppgifter som naturlig bild, ljud och videoförståelse till matematiska resonemang. Gemini Ultra slår gamla modeller på 30 av 32 akademiska riktmärken för stora språkmodeller.

Nu, säger Google, överträffar Gemini mänskliga experter på 57 ämnen när det kommer till MMLU (massiv multitask språkförståelse). Gemini fick 90,0 % i dessa tester, medan ChatGPT 4 fick 86,4 %. Det är en viktig takeaway.

Hur och varför byggdes nästa generation

Google säger att det har närmat sig utbildningen av Gemini annorlunda än tidigare multimodal funktionalitet. Tidigare tränades de separat och sattes ihop efteråt. Det innebar att den till exempel var bra att beskriva bilder, men saknade förmågan till kompetenta komplexa resonemang.

Google säger att Gemini var förutbildad från början för att vara inbyggt multimodal.

"Sedan finjusterade vi den med ytterligare multimodal data för att ytterligare förfina dess effektivitet", säger företaget i blogginlägget. "Detta hjälper Gemini att sömlöst förstå och resonera kring alla typer av input från grunden och långt upp bättre än befintliga multimodala modeller — och dess kapacitet är toppmodern i nästan alla domän."

Tillgänglighet

Som vi nämnde är Gemini Pro tillgänglig att använda inom Google Bard från och med idag, medan Gemini Nano kommer att lanseras på Pixel 8 Pro nästa år.

Google tillägger: "Vi tar också Gemini till Pixel. Pixel 8 Pro är den första smartphone konstruerad för att köra Gemini Nano, som driver nya funktioner som Summaride i Inspelningsapp och rullas ut i Smart Reply i Gboard, med början med WhatsApp — med fler meddelandeappar som kommer härnäst år."

Varför lita på vår journalistik?

Trusted Reviews grundades 2003 och finns till för att ge våra läsare grundliga, opartiska och oberoende råd om vad de ska köpa.

Idag har vi miljontals användare i månaden från hela världen och bedömer mer än 1 000 produkter per år.