Какво е Gemini? Всичко, което трябва да знаете за следващото поколение изкуствен интелект на Google

Gemini е най-новият голям езиков модел (LLM) на Google. Какво е LLM? Това е системата, която е в основата на видовете инструменти с изкуствен интелект, които вероятно сте виждали и с които сте взаимодействали в интернет. Например, големият езиков модел GPT-4 захранва ChatGPT Plus – усъвършенстваната версия на чатботът на OpenAI.

В случая с Google Gemini, той ще бъде вплетен в широк набор от инструменти, като чатботът Bard, търсенето в Google, YouTube и други. С други думи, Gemini не е самият чатбот, а „мозъкът“, който го кара да работи.

Google също така уточни, че е създала три варианта или „размера“ на Gemini: Nano, Pro и Ultra. Nano вече се намира в Pixel 8 Pro и е предназначен за използване в други мобилни устройства с Android, докато Gemini Pro вече си е проправил път в Google Bard. Междувременно Ultra е предназначен за „много сложни задачи“, въпреки, че също ще се появи в Bard, след като Google приключи с обширните тестове.

Какво може да прави Gemini?

В съобщение за пресата Google обяснява, че Gemini е мултимодален инструмент с изкуствен интелект. С други думи, той може да работи с различни форми на вход и изход, включително текст, код, аудио, изображения и видеоклипове. Това му дава голяма гъвкавост за изпълнение на широк спектър от задачи.

По време на събитието по представянето на Gemini, Google демонстрира възможностите му във видеоклип с „практическо приложение“ и може да се каже, че то беше доста впечатляващо (дори и да не беше съвсем представително за днешната реалност). Ето и видеото:

Отделна публикация в блога на Google показва как всъщност е създадена демонстрацията – чрез подаване към Gemini на кадри и подсказки, а не чрез текст, а не чрез глас, така че, макар видеото по-горе да показва реални резултати от Gemini, все още сме доста далеч от разговорите в реално време, които представя.

Gemini Pro наскоро беше включен в Google Bard, но както и в началото на други инструменти като ChatGPT (и по-ранните версии на Bard), той е склонен към грешки.

Google твърди, че Gemini е победил GPT-4 на OpenAI в почти всички тестове на двете системи. Въпреки това в много случаи разликата е била само няколко процента. GPT-4 излезе на пазара преди почти година, което предполага, че напредъкът на Google не е толкова впечатляващ, колкото изглеждаше. Тя е настигнала инструмент за изкуствен интелект с едногодишна давност, докато много хора се надяваха на повече от това.

Google определено има още много работа за вършене. Gemini има някои впечатляващи способности, но вероятно не е водещият ИИ, в който Google иска да ви убеди.

Достъпен ли е в момента Gemini?

Gemini Pro вече е в интернет, и е интегриран в чатботът Bard. Той обаче има някои ограничения, тъй като работи само с текстови подсказки и е достъпен само на английски език. И двете неща ще се променят скоро, казват от Google.

Gemini Pro се разпространява и в Google AI Studio и Google Cloud Vertex AI, които са инструменти за разработчици съответно за създаване на прототипи на приложения и управление на данни.

Gemini Ultra ще отнеме малко повече време, за да достигне до обществеността, тъй като Google казва, че в момента „завършва обширни проверки“, за да гарантира, че е надежен и точен. Тъй като това е по-мощният модел на Gemini, той може да е по-способен да създава опасно съдържание и дезинформация, откъдето идва и необходимостта от по-обстойни тестове.

Google твърди, че има намерение да добави Gemini Ultra към Bard през 2024 година. Той ще може да обработва различни видове заявки – от изображения до аудио – и ще „мисли по-внимателно, преди да отговори“ на сложни въпроси. Тази версия ще се нарича Bard Advanced.

Що се отнася до Gemini Nano – той също е наличен в момента, макар и в много ограничен вид. Google издаде софтуерна актуализация за смартфона си Pixel 8 Pro, която добави Gemini Nano към възможностите на устройството. Компанията твърди, че е добавила Gemini към функцията Smart Reply в клавиатурата Gboard, както и че я е включила във функцията Summarize на приложението „Рекордер“.

Безплатен ли е Gemini?

Към момента не се знае много за цените на Gemini, въпреки че можем да вземем някои насоки от това, което вече е налично като информация. Gemini Pro в Google Bard е безплатен. По същия начин Gemini Nano се появи в Pixel 8 Pro в безплатна актуализация.

Възможно е Google да наложи такса за Gemini Ultra предвид по-мощните му възможности, подобно на начина, по който OpenAI таксува 20 долара на месец за достъп до ChatGPT Plus. Google обаче не е дала официална информация за това, така че засега това са само спекулации.

Как да използвате Gemini?

Начинът, по който може да използвате Google Gemini зависи от версията и от продукта, в който е наличен. Най-очевидният начин за използването му е с Google Bard.

В този случай просто въвеждате запитване и изчаквате отговора на Bard. Можете да поискате почти всичко – прогнозата за времето, молба към Bard да създаде някаква поезия, помощ за вашия проект по програмиране и други.

Ако разполага със смартфон Pixel 8 Pro има няколко начина да използвате Gemini Nano. Първият е чрез клавиатурата Gboard. В разговор в WhatsApp ще видите, че под съобщението от даден контакт се появяват предложени отговори. След това можете просто да докоснете отговора и той ще бъде изпратен. Тази функция, която се нарича Smart Reply (умни отговори) ще се появи и в други приложения през следващата година, казват от Google.

В приложението „Рекордер“ на Pixel 8 Pro, Gemini може да обобщава записани разговори, презентации и др. Той прави локално – в устройството, което означава, че ще работи дори без интернет връзка.

Gemini срещу GPT-4: Каква е разликата?

Макар, че Gemini и GPT-4 са големи езикови модели, предназначени да послужат за основа на инструменти с изкуствен интелект, те имат своите разлики.

Google твърди, че Gemini е по-усъвършенстван от GPT-4. В публикация в блога си, Google показва резултати от 8 текстови бенчмарка, като Gemini печели в 7 от тези тестове. В 10 мултимодални теста Gemini е на първо място във всеки един от тях, поне според Google.

Това на пръв поглед означава, че Gemini е по-добрата система, но нещата не са толкова ясни. GPT-4 излезе през март, така че Gemini по същество догонва инструмент за изкуствен интелект с 9-месечна давност. Не знаем колко способна ще бъде следващата версия на GPT на OpenAI, така че в момента е трудно да се каже кой наистина е по-добрият инструмент.

Освен това Google е изправила върховият Gemini Ultra срещу GPT-4. Това означава, че не знаем колко добре Gemini Pro и Nano могат да се конкурират с GPT-4 в момента, но като се имат предвид често тънките граници между GPT-4 и Gemini Ultra, моделът на OpenAI вероятно излиза напред пред Gemini Pro и Gemini Nano.