Google od 6. prosince nasazuje nový model umělé inteligence Gemini. Byl od základu vytvořen jako multimodální, dokáže tedy pracovat s textem, kódem, zvuky, obrázky a videem. Různé formáty také dokáže kombinovat.
„Gemini je také náš dosud nejflexibilnější model – dokáže efektivně fungovat na všech zařízeních od datových center až po mobilní zařízení,“ oznámil Google. První verze Gemini je navržena ve třech velikostech: největší a nejschopnější Gemini Ultra, dále Gemini Pro pro různorodé úkoly a Gemini Nano, který nejlépe funguje na různých zařízeních.
Schopnosti Gemini Pro si počínaje dneškem mohou otestovat uživatelé chatovacího nástroje Bard. „Jedná se o největší vylepšení aplikace Bard od jejího uvedení na trh. Bude k dispozici v angličtině ve více než 170 zemích a oblastech,“ sdělil Google. Zatím jde jen o textové konverzace.
Česko (a další země Evropské unie) má zatím smůlu a na Gemini si musí počkat. Podporu dalších regionů, jazyků a formátů slibuje Google „brzy“. Potřebuje čas na jednání s regulátory a doladění produktu podle místních podmínek.
Gemini dokáže pochopit, vysvětlit a generovat „vysoce kvalitní“ kód v nejoblíbenějších programovacích jazycích, mezi nimi jsou Python, Java, C++ a Go. Nový model je zároveň vybaven speciálními bezpečnostními pojistkami, které identifikují, označují a třídí obsah zahrnující například násilí nebo negativní stereotypy.
Od 13. prosince mohou vývojáři a firemní zákazníci přistupovat ke službě Gemini Pro prostřednictvím rozhraní Gemini API v aplikaci Google AI Studio nebo Google Cloud Vertex AI.
Někdy na začátku příštího roku spustí Google aplikaci Bard Advanced, jejímž základem bude Gemini Ultra. Firma ale nejdřív potřebuje dokončit rozsáhlé bezpečnostní kontroly, po nichž nejprve dostanou přístup k modelu důvěryhodní testeři.
Logo modelu Gemini
„Gemini Ultra je s výsledkem 90 % prvním modelem, jenž překonal lidské experty v testu MMLU (massive multitask language understanding), který využívá kombinaci 57 předmětů, jako je matematika, fyzika, historie, právo, medicína a etika, pro testování znalostí světa a schopnosti řešit problémy,“ tvrdí Google.
Zástupci firmy novinářům předvedli ukázku, kdy umělá inteligence z vyfocené stránky v sešitě pochopila, že je to ručně psaný domácí úkol z matematiky. Následně analyzovala, kde je chyba v řešení a podrobně vysvětlila, jak dojít ke správnému výsledku.
Až dosud trénink umělé inteligence probíhal odděleně pro různé kategorie vstupů. Dílčí natrénované komponenty se pak spojovaly do jednoho celku. „Takové modely mohou například dobře popisovat obrázky, mají ovšem problémy s koncepčnějším a složitějším uvažováním. Model Gemini ale od základu bezproblémově rozumí všem druhům vstupů a uvažuje o nich mnohem lépe než stávající multimodální modely,“ sdělil Google.
S verzí Gemini Nano se mohou seznámit majitelé telefonů Pixel 8 Pro. Umělá inteligence například napíše stručné shrnutí zvukového záznamu v telefonu a klávesnice GBoard díky ní navrhne odpovědi na zprávy v aplikaci WhatsApp.
V příštích měsících bude Gemini k dispozici ve vyhledávání, reklamních systémech nebo prohlížeči Chrome. Nasazení Gemini do hledání do Googlu v angličtině v USA prý vedlo ke zlepšení kvality a ke snížení latence u generovaných odpovědí o 40 %.
ČLÁNKY DO MAILU