Надпреварата в сферата на изкуствения интелект е в разгара си, като технологичните гиганти постоянно излизат с нови продукти в това отношение. Сега е ред на Google да превземе новините, като от компанията представиха новия си мултимоделен езиков модел за изкуствен интелект, Gemini. По данните на Google той е най-големия от този тип създаван досега и ще засегне всички продукти на компанията.

Интересното е, че Gemini има три различни версии в зависимост от мащаба и възможностите. Най-олекотеният вариант е Gemini Nano, който е предназначен да работи и офлайн на устройства с Android. Следва версия наречена Gemini Pro, която ще залегне в основата на много от услугите с изкуствен интелект на Google, включително и в Bard още от днес. Най-способният модел е Gemini Ultra, а той е създаден за центрове за данни.

Gemini Nano вече се използва в Pixel 8 Pro, като потребителите залагат могат да се вузползват от различни способности. Gemini Ultra ще дебютира догодина. Междувременно разработчици и корпоративни потребители ще имат достъп до Gemini Pro през Google Generative AI Studio или Vertex AI в Google Cloud от 13 декември. Gemini е наличен само на английски, а скоро ще бъдат добавени и други езици. След време моделът ще бъде използван и в търсачката на компанията, продуктите за реклами, бразуера Chrome и т.н.

Според Google Gemini постига по-добри резултати от основния си конкурент GPT 4 в 30 от 32 основополагащи бенчамрк тестове. Основното предимство идва от възможността за едновременно взаимодействие с текст, видео, изображения и звук. Това се дължи на мултимодалния му характер, като компанията не е обучавала отделни модели за тези цели, а има само един.

В момента най-базовите модели са текст към текст, но по-мощните модели разполагат с пълните възможности. С времето Gemini ще се сдобие и с повече възможности за повишаване на точността, като разпознава по-добре света около себе си. Разбира се отвъд изкуствените тестове предстои да видим как решенията ще се представят в реалния живот и с истински потребители.

От Google посочват, че сред най-големите възможности на Gemini са тези за създаване на код. За целта е използвана система наречена AlphaCode 2, която по данни на компанията се представя по-добре от 85% от конкурентите. Моделът е също така много ефективен, като е обучен на собствените изчислителни единици Tensor. Той е по-бърз и по-евтин за поддръжка от предходни модели.

Припомняме, че Google беше до голяма степен изненадана от появата на ChatGPT, като от тогава се опитва да настигне конкуренцията. Изглежда това вече е факт с Gemini. От компанията споделят, че са положили много усилия за това да подсигурят сигурността и отговорността на решенията си чрез вътрешни и външни тестове.