Google, решившая утереть нос нашумевшему ChatGPT, представила сегодня Gemini – мультимодальную ИИ-архитектуру. Как и GPT-4, она представляет собой Большую языковую модель (LLM), но с фундаментально иным подходом при создании. Если стандартный подход разработки подразумевает обучение отдельных компонентов для разных модальностей и их последующее объединение для приблизительной имитации, что позволяет им хорошо справляться с узкими задачами, но с трудом переваривая более концептуальные формулировки.
Google Gemini же создавалась иначе: её мультимодальность является нативной, естественной, поскольку ИИ-модель изначально тренировали на различных модальностях, а после дообучали, чтобы повысить её эффективность. Это позволяет Gemini легко понимать и анализировать все виды входных данных с нуля, что намного лучше, чем существующие мультимодальные модели.
Распространяться Gemini будет в трёх разных формациях: Gemini Ultra – самая навороченная и мощная версия, предназначенная для решения очень сложных задач, Gemini Pro займёт промежуточное положение, предложив оптимальные возможности для решения широкого круга задач, а Gemini Nano предназначена для решения повседневных задач внутри личных гаджетов. Google утверждает, что Gemini Ultra способна пройти по 30 из 32 академических критериев для LLM-решений и превосходит GPT-4 по всех категориях, кроме "Повседневного мышления" (подражание человеческой способности делать предположения о бытовых ситуациях).
Опробовать Gemini 1.0 можно уже сегодня: для серии Pixel 8 Pro вышел апдейт со встроенным Gemini Nano, а Gemini Pro отныне внедрён в чат-бот Google Bard. Топовый Gemini Ultra пока не выпущен, поскольку проходит "тщательные проверки безопасности" и станет доступен избранным клиентам, разработчикам и партнёрам в начале 2024 года.
Серверы Google Gemini
© Владимир Ковалёв. Mobiltelefon
По материалам blog.google