Google Gemini: tutto quello che devi sapere sulla nuova piattaforma di intelligenza artificiale generativa

Crediti immagine: TechCrunch

Google sta cercando di fare colpo con Gemini, una nuova piattaforma di intelligenza artificiale generativa che ha recentemente debuttato. Ma mentre i Gemelli si mostrano promettenti in alcuni aspetti, non sono all’altezza in altri. Allora cos'è i Gemelli? come si puó usare? Come si confronta con la concorrenza?

Per rendere più semplice tenere il passo con gli ultimi sviluppi di Gemini, abbiamo messo insieme questa pratica guida, che continueremo ad aggiornare man mano che verranno rilasciati nuovi modelli e funzionalità Gemini.

Cos'è i Gemelli?

Gemelli è Google L'ho promesso molto tempo fa, una famiglia di modelli IA di prossima generazione, sviluppata dai laboratori di ricerca AI di Google DeepMind e Google Research. Disponibile in tre gusti:

• Gemelli Ultrail modello di punta dei Gemelli
• Gemelli Prol’archetipo dei Gemelli “leggeri”.
• Gemelli NanoÈ un modello più piccolo e “distillato” che funziona su dispositivi mobili come Pixel 8 Pro

Tutti i modelli Gemini sono addestrati per essere “nativamente multimodali” – in altre parole, in grado di lavorare e utilizzare più del semplice testo. Sono pre-addestrati e ben sintonizzati su una varietà di file audio, immagini e video, un'ampia gamma di basi di codice e testi in diverse lingue.

Ciò distingue Gemini da modelli come LaMDA di Google, che viene addestrato solo su dati testuali. LaMDA non è in grado di comprendere o generare altro che testo (come articoli, bozze di email, ecc.), ma questo non è il caso dei moduli Gemini. La loro capacità di comprendere immagini, suoni e altre modalità è ancora limitata, ma è meglio di niente.

Qual è la differenza tra Bardo e Gemelli?

Crediti immagine: Google

Google ha dimostrato ancora una volta di non avere talento nel branding e non ha chiarito fin dall'inizio che Gemini era separato e distinto da Bard. Bard è semplicemente un'interfaccia attraverso la quale è possibile accedere ad alcuni modelli Gemini: consideralo come un'applicazione o un client per Gemini e altri modelli di intelligenza artificiale. Gemini, d'altra parte, è una famiglia di modelli, non un'applicazione o un front-end. Non esiste un’esperienza Gemelli indipendente ed è improbabile che ci sarà mai. Se dovessi fare un confronto con i prodotti OpenAI, Bard è compatibile con ChatGPT, la popolare applicazione AI conversazionale di OpenAI, e Gemini è compatibile con il modello linguistico che esegue, che nel caso di ChatGPT è GPT-3.5 o 4.

Per inciso, Gemini è anche completamente indipendente da Imagen-2, un modello da testo a immagine che può o meno adattarsi alla strategia generale di intelligenza artificiale dell'azienda. Non preoccuparti, non sei l'unico confuso da questo!

Cosa possono fare i Gemelli?

Poiché i modelli Gemini sono multimodali, possono teoricamente svolgere una serie di compiti, dalla trascrizione del parlato all’annotazione di foto e video e persino alla creazione di opere d’arte. Finora solo alcune di queste funzionalità sono arrivate alla fase di prodotto (ne parleremo più avanti), ma Google le promette tutte – e altre – in un futuro non così lontano.

Certo, è un po' difficile prendere l'azienda in parola.

Google seriamente non ha mantenuto i risultati con il lancio originale di Bard. Recentemente, ha realizzato un video che pretende di mostrare le abilità dei Gemelli che si sono rivelate altamente manipolate e piuttosto ambiziose. gemello Lui èA merito del gigante della tecnologia, oggi è disponibile in qualche forma, ma in una forma piuttosto limitata.

Tuttavia, supponendo che Google sia in qualche modo onesto nelle sue affermazioni, ecco cosa saranno in grado di fare i diversi livelli dei modelli Gemini una volta rilasciati:

Gemelli Ultra

Poche persone hanno messo le mani sul modello Gemini Ultra, il modello “base” su cui sono stati costruiti altri finora: solo un “gruppo selezionato” di clienti in alcune app e servizi Google. Ciò non cambierà fino alla fine dell'anno, quando il modello più grande di Google verrà lanciato su scala più ampia. La maggior parte delle informazioni sull'Ultra provengono da demo dei prodotti guidate da Google, quindi è meglio prenderle con le pinze.

Google afferma che Gemini Ultra può essere utilizzato per aiutare con cose come i compiti di fisica, risolvere problemi passo dopo passo su un foglio di lavoro e evidenziare potenziali errori nelle risposte già compilate. Gemini Ultra può essere applicato anche a compiti come identificare articoli scientifici rilevanti per un particolare problema, afferma Google, estraendo informazioni da tali articoli e “aggiornando” un grafico da uno di essi creando le formule necessarie per ricreare il grafico con dati più recenti .

Gemini Ultra supporta tecnicamente la creazione di immagini, come notato in precedenza. Ma questa funzionalità non troverà spazio nella versione di produzione del modello al momento del lancio, secondo Google, forse perché il meccanismo è più complesso del modo in cui app come ChatGPT generano immagini. Invece di fornire i suggerimenti a un generatore di immagini (come DALL-E 3, nel caso di ChatGPT), Gemini trasmette le immagini “localmente” senza passaggi intermedi.

Gemelli Pro

A differenza del Gemini Ultra, il Gemini Pro è oggi disponibile al grande pubblico. Ma, in modo confuso, le sue capacità dipendono da dove viene utilizzato.

Google afferma che a Bard, dove Gemini Pro è stato lanciato per la prima volta in formato solo testo, il modello rappresenta un miglioramento rispetto a LaMDA nelle sue capacità di ragionamento, pianificazione e comprensione. indipendente Stare I ricercatori della Carnegie Mellon University e BerriAI hanno scoperto che Gemini Pro è in realtà migliore di GPT-3.5 di OpenAI nel gestire catene di ragionamento più lunghe e complesse.

Ma lo studio ha anche scoperto che, come tutti i modelli linguistici di grandi dimensioni, Gemini Pro in particolare lotta con problemi matematici che coinvolgono più numeri, e gli utenti hanno trovato molti esempi di cattivi ragionamenti ed errori. Ho commesso molti errori fattuali per domande semplici come chi ha vinto gli Oscar più recenti. Google ha promesso miglioramenti, ma non è chiaro quando arriveranno.

Gemini Pro è disponibile anche tramite un'API in Vertex AI, la piattaforma di sviluppo AI completamente gestita di Google, che accetta testo come input e genera testo come output. Un endpoint aggiuntivo, Gemini Pro Vision, può elaborare il testo E Immagini, incluse foto e video, e output di testo modellati sul modello GPT-4 di OpenAI con modello di visione.

Utilizzo di Gemini Pro in Vertex AI.

All'interno di Vertex AI, gli sviluppatori possono personalizzare Gemini Pro per contesti e casi d'uso specifici utilizzando un processo di messa a punto o “radicamento”. Gemini Pro può anche essere collegato ad API esterne di terze parti per eseguire determinate azioni.

All'inizio del 2024, i clienti Vertex potranno accedere a Gemini Pro per eseguire agenti vocali e di chat personalizzati (ovvero chatbot). Gemini Pro diventerà anche un'opzione per gestire le funzionalità di riepilogo della ricerca, raccomandazione e generazione di risposte di Vertex AI, attingendo a documenti intermodali (come PDF e immagini) da diverse fonti (come OneDrive e Salesforce) per soddisfare le query.

Crediti immagine: gemello

In AI Studio, lo strumento basato sul Web di Google per sviluppatori di app e piattaforme, sono disponibili flussi di lavoro per la creazione di istruzioni strutturate e in formato libero e istruzioni di chat con Gemini Pro. Gli sviluppatori hanno accesso agli endpoint Gemini Pro e Gemini Pro Vision e possono regolare la temperatura del modello per controllare la gamma creativa dell'output e fornire esempi per dare istruzioni su tono e stile, oltre a regolare le impostazioni di sicurezza.

Tuttavia, una volta che Gemini Pro sarà fuori dall'anteprima in Vertex, il modello costerà $ 0,0025 per personaggio mentre l'output costerà $ 0,00005 per personaggio. I clienti Vertex pagano per 1.000 caratteri (da circa 140 a 250 parole) e, nel caso di modelli come Gemini Pro Vision, per immagine ($ 0,0025).

Diciamo che un articolo di 500 parole contiene 2.000 caratteri. Riassumere questo articolo utilizzando Gemini Pro costerà $ 5. Mentre, generazione Un articolo di lunghezza simile costerebbe $ 0,1.