Google представила Gemini, свою самую продвинутую и мощную модель искусственного интеллекта (ИИ) с расширенными мультимодальными возможностями.

Эта революционная модель представляет собой шаг вперед в технологии искусственного интеллекта, предлагая самую современную производительность по сравнению с существующими моделями больших языков (LLM).

Сундар Пичаи, генеральный директор Google и Alphabet, подчеркнул, что искусственный интеллект формирует глубокий технологический сдвиг, потенциально превосходящий влияние мобильной и веб-революций.

Он подчеркнул значение искусственного интеллекта в стимулировании инноваций и экономического прогресса, расширении человеческих знаний, творчества и производительности.

Что такое Google Gemini?

Разработанная компанией Google DeepMind под руководством генерального директора и соучредителя Демиса Хассабиса, Gemini является свидетельством постоянного стремления Google стать компанией, ориентированной на искусственный интеллект.

Я очень рад поделиться сегодня нашей работой над Gemini! Gemini — это семейство мультимодальных моделей, демонстрирующих действительно сильные возможности в области изображений, аудио, видео и текста. Наша самая мощная модель Gemini Ultra превосходит современные достижения в 30 из 32 тестов,… pic.twitter.com/sQfxBy9tpT

— Джефф Дин (@?) (@JeffDean) 6 декабря 2023 г.

Модель демонстрирует впечатляющий набор возможностей, особенно в ее мультимодальном понимании — функции, позволяющей ей обрабатывать и плавно комбинировать различные типы информации, включая текст, код, аудио, изображения и видео.

Модели Google Gemini: Ultra, Pro и Nano

Gemini 1.0, первая версия модели, выпускается в трёх вариантах: Gemini Ultra, Gemini Pro и Gemini Nano.

Каждый из них оптимизирован для конкретных задач: Gemini Ultra предназначен для очень сложных задач, Gemini Pro — для широкого спектра задач, а Gemini Nano — для эффективных задач на устройстве.

Производительность Google Gemini: текстовые тесты

Производительность модели исключительна: она превосходит экспертов-людей в области массового многозадачного понимания языка (MMLU) с результатом 90,0%.

Кроме того, Gemini Ultra превосходит существующие модели по 30 из 32 широко используемых академических тестов в исследованиях больших языковых моделей.

Мультимодальные возможности и производительность Google Gemini

Инновационный подход Gemini к мультимодальности отличает его от предыдущих моделей.

Традиционные мультимодальные модели часто ограничены своим дизайном, который включает в себя обучение отдельных компонентов для разных модальностей и их последующее объединение.

Напротив, Gemini изначально создавался как мультимодальный, что позволяет ему гораздо эффективнее понимать и анализировать различные входные данные.

Эта возможность делает Gemini мощным инструментом в различных областях, от науки до финансов, где он может извлекать ценную информацию из огромных объемов данных и обеспечивать расширенные рассуждения по сложным предметам, таким как математика и физика.

Примеры из отчета Google DeepMind о Google Gemin демонстрируют мультимодальные возможности Gemini, такие как генерация изображений.

В этом видео Google тестирует Gemini с помощью Emoji Kitchen.

Он также может обрабатывать текст, изображения и аудио, как показано ниже.

Это видео от Google дает больше информации о способности Gemini обрабатывать необработанный звук.

Сравнительные показатели Gemini с внешними конкурентами

Как Google Gemini соотносится с лучшими моделями искусственного интеллекта OpenAI, Inflection, Anthropic, Meta и xAI? Ниже показана производительность Gemini Ultra и Pro в текстовых тестах по сравнению с конкурентами.

Близнецы преуспевают в программировании

Помимо своих мультимодальных возможностей, Gemini отлично справляется с задачами кодирования. Его способность понимать, объяснять и генерировать высококачественный код на нескольких языках программирования делает его ведущей моделью кодирования.

Он также формирует основу для более совершенных систем кодирования, таких как AlphaCode 2, что значительно улучшает проблемы конкурентного программирования.

Эффективность и масштабируемость модели подкрепляются разработанными Google тензорными процессорами (TPU) v4 и v5e, что делает ее наиболее надежной и масштабируемой моделью для обучения и обслуживания.

Google Bard теперь работает на Gemini Pro

Google также объявила о значительном обновлении Bard, интегрировавшем Gemini Pro для расширения возможностей ИИ.

Это обновление представляет собой самое большое улучшение, которое Бард получил на сегодняшний день.

Gemini Pro был доработан в Bard, чтобы значительно улучшить его производительность в понимании и обобщении информации, рассуждениях, кодировании и планировании.

Теперь пользователи могут использовать Bard на базе Gemini Pro для текстового взаимодействия, и в ближайшее время планируется расширить поддержку других модальностей.

При поддержке Gemini Pro, @Google Бард делится лучшими бесплатными ресурсами для изучения SEO. ? pic.twitter.com/HwKqN9m7A7

— Кристи Хайнс (@kristileilani) 6 декабря 2023 г.

Первоначально это обновление было доступно на английском языке в более чем 170 странах и территориях, но вскоре оно будет распространено на другие языки и регионы, включая Европу.

Понимание намерений с помощью Gemini для персонализированного UX

Это видео демонстрирует способность Gemini понимать намерения пользователей и создавать персонализированный пользовательский опыт.

Все начинается с понимания цели пользователя и сбора соответствующей информации, прежде чем рассуждать и создавать индивидуальный интерфейс для исследования.

Пользователь может взаимодействовать с интерфейсом и получать дополнительную информацию в зависимости от своих потребностей, демонстрируя способность Gemini адаптироваться и предоставлять персонализированный опыт.

Мультимодальные подсказки с Близнецами

В Google для разработчиков блогвы найдете примеры мультимодальных подсказок с помощью Близнецов в действии.

Мультимодальное продвижение — это метод взаимодействия с моделями ИИ, который включает предоставление входных данных в различных формах, таких как текст и изображения, и получение прогнозируемых ответов от ИИ.

Этот метод подсказок сочетает в себе текстовые и графические подсказки для решения различных задач: от решения логических головоломок до понимания последовательности изображений.

Это также помогает Близнецам овладеть навыками распознавания образов и улучшить свои навыки рассуждения.

В таких областях, как разработка игр или создание музыкальных запросов, мультимодальное продвижение помогает писать код и создавать как текстовые, так и графические ответы.

Интеграция с другими инструментами и приложениями демонстрирует потенциал для практических и профессиональных приложений, таких как дизайн, кодирование и создание контента.

Google Pixel 8 Pro: первый смартфон со встроенным искусственным интеллектом на базе Gemini Nano

Последнее обновление Google представляет Gemini Nano, усовершенствованную модель искусственного интеллекта, которая теперь интегрирована в смартфон Pixel 8 Pro.

Это обновление отмечает Pixel 8 Pro как первый телефон, разработанный для искусственного интеллекта с Gemini Nano и технологией Google Tensor G3.

Ключевые функции включают «Суммирование в рекордере» для обобщения аудиозаписей на устройстве и «Умный ответ в Gboard» для контекстно-зависимых текстовых ответов. Эти функции повышают конфиденциальность и функциональность пользователя без необходимости подключения к сети.

Кроме того, Google объявила о предстоящих улучшениях Assistant with Bard в линейке Pixel, что еще больше расширит возможности искусственного интеллекта.

Обновление также включает улучшения фото и видео на основе искусственного интеллекта, такие как улучшенная стабилизация видео, видео Night Sight и функция размытия фотографий для более четкого изображения домашних животных.

Для повышения производительности предусмотрены новые инструменты, такие как предварительный просмотр на двух экранах в Pixel Fold, улучшенные видеозвонки с использованием телефонов Pixel в качестве веб-камер и очистка отсканированных документов.

Диспетчер паролей Google теперь поддерживает ключи доступа, а устройства Pixel получили новые функции безопасности, такие как режим восстановления. Pixel Watch предлагает удобные функции разблокировки телефона и проверки вызовов, а Pixel Tablet предлагает функцию Clear Calling и поддержку пространственного звука.

Гугл также расширяется поддержка языка в приложении Recorder и расширяет возможности Direct My Call и Hold for Me для большего количества регионов и устройств.

Ответственная разработка ИИ

Google уделяет приоритетное внимание ответственной разработке искусственного интеллекта, обеспечивая всестороннюю оценку безопасности Gemini на предмет предвзятости и токсичности.

Компания сотрудничает с различными внешними экспертами и партнерами для тщательного тестирования модели и устранения потенциальных рисков.

Как получить Близнецов

Gemini 1.0 постепенно интегрируется в различные продукты и платформы Google и вскоре станет доступен разработчикам и корпоративным клиентам через Google AI Studio и Google Cloud Vertex AI.

В рамках стремления Google ответственно продвигать искусственный интеллект, Gemini Ultra перед его более широким выпуском пройдет тщательную проверку доверия и безопасности.

введение Gemini от Google знаменует собой важную веху в развитии искусственного интеллекта.

Его расширенные возможности, начиная от сложных мультимодальных рассуждений и заканчивая эффективным кодированием, сигнализируют о начале новой эры в искусственном интеллекте, открывая замечательные возможности для инноваций во многих областях.

Рекомендованное изображение: VDB Photos/Shutterstock