По словам генерального директора Google Сундара Пичаи, это начало новой эры искусственного интеллекта в Google — эры Gemini. Она будет постепенно интегрироваться во все продукты Google: от чатбота Bard до поисковой системы и браузера Chrome.
По словам генерального директора Google Сундара Пичаи, это начало новой эры искусственного интеллекта в Google — эры Gemini. Она будет постепенно интегрироваться во все продукты Google: от чатбота Bard до поисковой системы и браузера Chrome.
Gemini — это новейшая крупная языковая модель Google, которую Пичаи впервые показал на конференции для разработчиков I/O в июне, а теперь она доступна широкой публике. По словам Пичаи и генерального директора Google DeepMind Демиса Гассабиса, это огромный скачок вперед в модели искусственного интеллекта, который в конечном счете повлияет практически на все продукты Google.
«Одна из сильнейших сторон этого момента состоит в том, что вы можете работать над одной базовой технологией, делать ее лучше, и это немедленно распространяется на все наши продукты», — сказал Пичаи.
Gemini имеет три версии:
Google запускает Gemini несколькими способами: Bard теперь работает на Gemini Pro, а пользователи Pixel 8 Pro получат несколько новых функций благодаря Gemini Nano. Сообщается, что Gemini Ultra появится только в следующем году.
Разработчики и корпоративные клиенты смогут получить доступ к Gemini Pro через Google Generative AI Studio или Vertex AI в Google Cloud, начиная с 13 декабря. Пока Gemini доступен только на английском языке, другие языки, очевидно, появятся в скором времени.
По словам Пичаи, со временем модель будет интегрирована в поисковик Google, ее рекламные продукты, браузер Chrome и другие. Это «будущее Google», и оно уже близко.
В Google говорят, что провели «очень тщательный анализ» обеих моделей — Gemini и GPT-4, соревновавшихся в 32 тестах. Это были как широкие обобщенные тесты, такие как тест на понимание многозадачного языка, так и тесты, которые сравнивали способность двух моделей генерировать код на Python. «Я думаю, что мы значительно опережаем в 30 из 32 тестов. Где-то больше, где меньше», — говорит Демис Хассабис.
В этих тестах (которые на самом деле очень близки) самым очевидным преимуществом Gemini является его способность понимать и взаимодействовать с видео и аудио. Это в значительной степени обусловлено дизайном: мультимодальность являлась частью плана Gemini с самого начала.
Google не тренировал отдельные модели для изображений и голоса, в то время как OpenAI создала DALL-E и Whisper, компания строила одну мультисенсорную модель с самого начала. «Нас всегда интересовали очень, очень общие системы», — заявил Хассабис.
Простейшие модели Gemini позволяют вводить и выводить текст, но более мощные модели, такие как Gemini Ultra, могут работать с изображениями, видео и аудио. Со временем, по словам главы DeepMind, у Gemini появится больше «органов чувств», они станут более осведомленными, более точными и приземленными в этом процессе.
«Эти модели просто лучше понимают окружающий мир», утверждает Хассабис. По его словам, эти модели все еще «галюцинируют», у них все еще есть предубеждения и другие проблемы. Но чем больше они узнают, тем лучше они станут.
Тесты тестами, но, наконец, настоящим испытанием возможностей Gemini станут обычные пользователи, которые захотят использовать его для мозгового штурма идей, поиска информации, написания кода и многое другое.
Google, похоже, считает, что именно программирование является основным преимуществом Gemini — она использует новую систему генерации кода под названием AlphaCode 2, которая, по ее словам, работает лучше 85% участников соревнований по кодированию, по сравнению с 50% для оригинальной AlphaCode. Впрочем, Пичаи говорит, что пользователи заметят улучшение практически во всем, что касается модели.
Сообщается, что Gemini была обучена на собственных тензорных процессорах Google и является более быстрой и дешевой в использовании, чем предыдущие модели Google, такие, как PaLM. Вместе с новой моделью Google также запускает новую версию своей системы TPU — TPU v5p — вычислительной системы, предназначенной для использования в центрах обработки данных для обучения и запуска крупномасштабных моделей.
В Google говорят, что приложили немало усилий, чтобы обеспечить безопасность и ответственность Gemini как с помощью внутреннего, так и внешнего тестирования и редизайна. Пичаи отмечает, что обеспечение безопасности и надежности данных особенно важно для продуктов, предназначенных для предприятий, а там зарабатывает большинство генеративных ИИ.
Впрочем, Хассабис признает, что одним из рисков запуска самой современной системы ИИ является то, что она будет иметь проблемы и векторы атак, которые никто не мог предусмотреть. Именно поэтому Google не спешит выпускать Gemini Ultra — Хассабис сравнивает это с контролируемой бета-версией, с более «безопасной зоной экспериментов» для мощнейшей модели Google.
На протяжении многих лет Пичаи и другие руководители Google описывали поэтически потенциал искусственного интеллекта. Сам Пичаи неоднократно говорил, что ИИ будет более трансформационным для человечества, чем огонь или электричество.
В первом поколении модель Gemini возможно не изменит мир. В лучшем случае она может просто помочь Google догнать OpenAI в погоне за созданием большого генеративного ИИ. Но Пичаи, Хассабис и все остальные в Google, похоже, считают, что это начало чего-то поистине грандиозного.
