Przez pewien czas myśleliśmy, że Mountain View zgubiło właściwy kierunek w rozwoju sztucznej inteligencji, ale wszystko wskazuje na to, że te wątpliwości już minęły. W wpisie na swoim oficjalnym blogu Google ogłosiło Gemini, nowy model multimodalny, który ma konkurować z GPT-4, obecnym systemem w płatnej wersji ChatGPT. Google opisuje Gemini jako najpotężniejszy model, jaki do tej pory stworzył, choć jednocześnie przyznaje potrzebę większej elastyczności, potwierdzając istnienie trzech wersji lub «rozmiarów», z których jedna jest już dostępna za pośrednictwem Barda.
Każdy model sztucznej inteligencji ma swoje mocne i słabe strony, ale jedno jest pewne: muszą robić znacznie więcej niż to, co robią dziś. Jeśli rzucimy kamieniem w dowolnym kierunku, prawie nie sposób nie trafić w czatbota, ale użytkownicy potrzebują czegoś więcej niż tekstu. Tak docieramy do fazy modeli «multimodalnych». Wideo, audio, kod i obrazy stają się dostępne dla tych platform, a w przypadku Google ich odpowiedzią jest Gemini.
Gemini, multimodalny model Google, który będzie konkurować z GPT-4
Google wyjaśnia, że wcześniejsze przykłady «multimodalności» były niczym innym jak różnymi modelami wyłącznie (tylko tekst, tylko obrazy, tylko audio) połączonymi w nieefektywny sposób w drugorzędnych fazach przetwarzania. Gemini nie stosuje tej strategii, lecz został zaprojektowany od podstaw, aby włączyć multimodalność w swoją strukturę.
Kolejnym istotnym aspektem Gemini jest to, że będzie dostępne w trzech trybach lub «rozmiarach»: Gemini Ultra do zadań o wysokiej złożoności, wymagających dużego sprzętu, Gemini Pro przeznaczony do ogólnego użytku oraz Gemini Nano z myślą o urządzeniach mobilnych i przetwarzaniu lokalnym.
Na razie dostępny jest tylko Gemini Pro, dzięki specjalnie zoptymalizowanej wersji dla Google Bard. Jednak użytkownicy z Europy i Wielkiej Brytanii będą musieli trochę poczekać (regulacje, regulacje). Kolejnym ograniczeniem jest język: aby poznać możliwości Gemini/Bard, trzeba mówić po angielsku.
Jak można było się spodziewać, Google udostępniło kilka benchmarków, które plasują Gemini Ultra powyżej lub na równi z GPT-4, ale dla przeciętnego użytkownika nic to nie zmienia. Co więcej, pojawia się sprzeczność: Gemini jest przedstawiane jako ogólne rozwiązanie, a jego wydajność podkreślają niezwykle szczegółowe benchmarki.
Jednocześnie podstawowe problemy pozostają bez zmian. Sztuczna inteligencja wciąż wymyśla odpowiedzi albo «majaczy» w trakcie sesji, a Gemini nie jest na to odporny , ale stawka Google na multimodalność jest bardzo duża i zapewne w najbliższej przyszłości zobaczymy więcej na ten temat.
Oficjalne ogłoszenie: Kliknij tutaj
