Сундар Пичаи, выдающийся руководитель Google и Alphabet, внес важный вклад в инновации, представив Gemini – высокотехнологичную модель искусственного интеллекта.Gemini является результатом тесного взаимодействия различных команд внутри Google. Эта уникальная мультимодальная модель обладает удивительной способностью обобщать и анализировать различные формы информации, включая текст, код, аудио, изображения и видео.Что делает Gemini по-настоящему выдающимся, так это его гибкость. Эта модель спроектирована для работы на самых разных устройствах – от мощных дата-центров до компактных мобильных гаджетов. Первая версия Gemini 1.0 разделена на три оптимизированные подзадачи:
- Gemini Ultra – специализирована на решении сложных задач, подчеркивая свою многогранность
- Gemini Pro – адаптирована для эффективного масштабирования и решения широкого спектра задач
- Gemini Nano – разработана для эффективного решения задач на мобильных устройствах, придавая портативности и мобильности новый смысл
Результаты тестирования
Gemini Ultra поражает своей невероятной производительностью, превосходя текущие результаты не просто в нескольких, а в 30 из 32 академических тестов, применяемых в исследованиях и разработках крупных языковых моделей. Но это ещё не всё – она также побила человека в тесте MMLU, включающем 57 предметов, таких как математика, физика, история, право, медицина и этика. Необычайный результат составил впечатляющие 90,0%. Эти достижения устанавливают Gemini Ultra на вершине технологического прогресса, подчеркивая, что ни одна другая модель не смогла достичь подобного уровня успеха.
Новые возможности
Стандартный подход к разработке мультимодальных моделей предполагал пошаговое обучение отдельных компонентов для каждой модальности, после чего эти компоненты интегрировались. Хотя такой метод успешно справлялся с конкретными задачами, такими как описание изображений, он сталкивался с ограничениями в концептуальном и сложном рассуждении.
В отличие от этого, Gemini обладает уникальной нативной мультимодальностью. Эта особенность позволяет модели эффективно обрабатывать детализированные текстовые и визуальные данные, делая ее способной выделять конкретные сведения даже среди обширных объемов информации. К примеру, она может извлекать необходимую информацию из сотен тысяч документов, применяя методы чтения, фильтрации и понимания контекста.
В рамках обучения Gemini 1.0 осуществлялось одновременное усвоение текста, изображений, аудио и других модальностей. Этот комплексный подход обеспечивает модели более глубокое понимание тонкостей информации, а также возможность учитывать сложные контексты и давать ответы на более сложные вопросы.
Команды проводили обучение Gemini 1.0 в высокооптимизированной инфраструктуре для искусственного интеллекта, используя мощные Tensor Processing Units (TPUs) v4 и v5e. Это значительно ускорило процессы работы Gemini по сравнению с предыдущими моделями, обеспечивая более эффективную обработку данных.
Программирование
Gemini – инновационная платформа, способная не только воспринимать, но и детально разъяснять, а также создавать высококачественный код на популярных языках программирования, включая Python, Java, C++ и Go.
Эта технология может быть востребована в роли мощного движка для разработки передовых систем программирования. К примеру, два года назад Google представил миру AlphaCode – систему генерации кода на основе искусственного интеллекта. Сегодня, используя свой опыт и Gemini, компания представила обновленную версию AlphaCode 2. Этот продукт не только решает задачи соревновательного программирования, выходящие за рамки стандартного кодирования, но и успешно преодолевает сложные математические и теоретические задачи в области информатики.
Gemini выступает в роли ключевого компонента, обеспечивая высокую эффективность и точность в создании программного кода, что делает ее важным инструментом для разработчиков, сталкивающихся с требовательными задачами в области программирования.
Выход в свет
С 6 декабря Bard переходит на усовершенствованную версию Gemini Pro, представляя крупное обновление своего чат-бота. Это значимое обновление включает в себя не только технические улучшения, но и новые функции, направленные на более эффективное взаимодействие с пользователями. Обновление будет внедрено на английском языке в более чем 170 странах, предоставляя широкий круг аудитории доступ к улучшенному опыту общения с Bard.
В ближайшие месяцы Gemini станет неотъемлемой частью продуктов и сервисов Google, включая Поиск, Ads, Chrome и Duet AI. Уже начаты эксперименты с интеграцией Gemini в Поиске, при этом модель значительно ускоряет SGE (Semantic Global Encoding) и повышает качество предоставляемых ответов.
С 13 декабря разработчики и корпоративные клиенты смогут воспользоваться Gemini Pro через Gemini API в Google AI Studio или Google Cloud Vertex AI. Это открывает новые перспективы для создания инновационных приложений и решений, использующих передовые возможности Gemini Pro. Разработчики Android также получат доступ к Gemini Nano через AICore, что усилит интеграцию чат-бота в мобильные приложения и устройства.
Gemini Ultra, представляющая вершину новых возможностей, будет доступна для избранных клиентов, разработчиков, партнеров и экспертов по безопасности в рамках раннего экспериментирования. Это позволит узкому кругу пользователей оценить передовые функции и подготовить обратную связь для дальнейшего совершенствования системы. В начале следующего года ожидается запуск Bard Advanced — инновационной технологии искусственного интеллекта, предоставляющей уникальные возможности и открывающей доступ к Gemini Ultra для более широкой аудитории.
