Мозъчно чудовище: Gemini 1.5 Pro на Google унищожава конкурентите със своя контекстуален подход (видео)

Светът на изкуствения интелект претърпява изумителни промени и скорошните новини от Google още веднъж потвърждават това. Само два месеца след представянето на езиковия модел Gemini 1.0 Pro, който замени Bard, и една седмица след пускането на усъвършенствания Gemini 1.0 Ultra, компанията обяви Gemini 1.5 Pro. Това е нова версия на нейния патентован LLM модел, която има за цел да засили още повече позициите на технологичния гигант на пазара на изкуствен интелект.

В официалния блог на Google се съобщава, че Gemini 1.5 Pro представлява съществена промяна в подхода на компанията. Тя се базира на научни изследвания и инженерни иновации в почти всички области на разработването на модела и свързаната с него инфраструктура.

По отношение на производителността Gemini 1.5 Pro е приблизително съпоставим с настоящия флагман Gemini 1.0 Ultra. Но другите нововъведения в модела са изумителни и той силно се различава от досегашните гнеративни изкуствени интелекти.

Основното нововъведение е технологията Mixture of Experts (MoE), която дава възможност заявките да се обработват по-ефективно и по-икономично. Този подход позволява разделянето на една голяма невронна мрежа на множество по-малки „експертни“ невронни мрежи. Те могат да дават по-точни отговори и да се развиват независимо една от друга. А това значително опростява процеса на по-нататъшното им обучение.

Въпреки това най-важното в случая е значителното разширяване на контекстуалния прозорец на новия модел до 1 милион токена.

Това е многократно повече в сравнение с конкурентите. GPT-4 Turbo, например, може да се похвали само със 128 хил. токена, а Claude 2.1 – с 200 хил.

Такъв широк контекстуален прозорец дава възможност за обработка на заявки с много повече информация, по-добро разбиране на контекста, анализ и обобщаване на данните. Всичко това открива нови хоризонти за използването на ИИ в бизнеса и развлеченията, като позволява да се работи с огромни количества информация, включително дълги видеофайлове и сложни финансови отчети.

Но новият контекстуален прозорец от един милион токена в началото ще бъде достъпен само за някои разработчици и корпоративни клиенти. Всички останали потребители ще трябва да се задоволят с прозорец от 128 000 токена, което също никак не е малко. Но това е само временно ограничение.

Компанията също така заяви, че вече тества контекстуален прозорец от 10 милиона токена. Може би това вече е някаква основа за Gemini 1.5 Ultra. Позицията на Google обаче е ясна – компанията явно иска да създаде най-мощния и ефективен AI модел на пазара.

„Корпорацията на доброто“ не забравя за безопасността и етичните аспекти на използването на новия модел, особено в светлината на неговите разширени възможности. Google с гордост заявява, че е провела много тестове и е направила достатъчно корекции, за да направи модела наистина безопасен.

Всички представени нововъведения подчертават актуалността и важността на развитието на технологиите на изкуствения интелект не само за бизнеса, но и за ежедневието. Във времена, когато конкуренцията на пазара на изкуствен интелект набира скорост, Google уверено демонстрира своята готовност за иновации, обещавайки на потребителите ново ниво на взаимодействие с изкуствения интелект.

Сундар Пичай, настоящият ръководител на компанията, заяви, че с времето развитието на ИИ ще достигне такъв етап, че потребителите просто ще спрат да обръщат внимание на представянето на моделите, сухите числа и сравненията. Те просто ще започнат да се наслаждават на преживяването от взаимодействието с новите ИИ. Засега обаче характеристиките и ефективността на LLM моделите все още са важни. Колко дълго – само времето ще покаже.