Apa itu Google Gemini? Semua yang anda perlu tahu mengenai saingan chatgpt Google

Google baru -baru ini mengeluarkan model AI generatif baru, Gemini. Ini hasil dari usaha kolaboratif oleh pelbagai pasukan di Google, termasuk ahli -ahli Google Research.

Model, yang Google merujuk sebagai AI yang paling berkebolehan dan umum yang telah mereka usahakan setakat ini, direka untuk menjadi multimodal. Ini bermakna Gemini dapat memahami pelbagai jenis data seperti teks, audio, imej, video, dan kod.

Untuk baki artikel ini, kita akan meliputi:

• Apa itu Gemini?
• Apakah versi Gemini?
• bagaimana anda boleh mengakses Gemini?
• tanda aras Gemini diterokai
• Gemini vs GPT-4
• menggunakan kes-kes untuk Gemini

Apa itu Google Gemini?

Pada 6 Disember 2023, Google Deepmind mengumumkan Gemini 1.0. Setelah dibebaskan, Google menyifatkannya sebagai set model bahasa besar (LLMS) yang paling maju, dengan itu menggantikan model laluan Langauge (Palm 2), yang bermula pada bulan Mei tahun yang sama.

Gemini mentakrifkan keluarga LLM multimodal yang mampu memahami teks, imej, video, dan audio. Ia juga dikatakan mampu melaksanakan tugas-tugas yang kompleks dalam matematik dan fizik, serta dapat menjana kod berkualiti tinggi dalam beberapa bahasa pengaturcaraan.

Fakta yang menyeronokkan: Sergey Brin, pengasas bersama Google, dikreditkan sebagai salah satu penyumbang kepada model Gemini. Sehingga baru -baru ini, prosedur standard untuk membangunkan model multimodal terdiri daripada latihan komponen individu untuk pelbagai modaliti dan kemudian menyusunnya bersama -sama untuk meniru beberapa fungsi. Model sedemikian kadang -kadang akan cemerlang dalam melaksanakan tugas -tugas tertentu, seperti menggambarkan imej, tetapi mereka menghadapi masalah dengan penalaran yang lebih canggih dan kompleks. Gemini direka untuk menjadi multimodal secara asli; Oleh itu, ia telah terlatih pada beberapa modaliti dari awal. Untuk terus memperbaiki keberkesanannya, Google menyempurnakannya dengan data multimodal tambahan.

Akibatnya, Gemini jauh lebih mampu daripada model multimodal yang ada dalam memahami dan memikirkan tentang pelbagai input dari bawah, menurut Sundar Pichai, Ketua Pegawai Eksekutif Google dan Alphabet, dan Demis Hassabis, Ketua Pegawai Eksekutif dan bersama Google Deepmind. Mereka juga menyatakan bahawa keupayaan Gemini adalah "keadaan seni dalam hampir setiap domain."

Ciri -ciri Utama Google Gemini

Ciri -ciri utama model Gemini termasuk:

1. Memahami teks, imej, audio, dan banyak lagi

Multimodal AI adalah paradigma AI baru yang mendapat daya tarikan di mana jenis data yang berbeza digabungkan dengan pelbagai algoritma untuk mencapai prestasi yang lebih tinggi. Gemini memanfaatkan paradigma ini, yang bermaksud ia mengintegrasikan dengan baik dengan pelbagai jenis data. Anda boleh memasukkan imej, audio, teks, dan jenis data lain, menghasilkan interaksi AI yang lebih semula jadi.

2. Kebolehpercayaan, Skalabiliti, dan Kecekapan

Gemini memanfaatkan cip TPUV5 Google, dengan itu dilaporkan menjadikannya lima kali lebih kuat daripada GPT-4. Pemprosesan yang lebih cepat menjadikan Gemini mampu menangani tugas -tugas kompleks dengan mudah dan mengendalikan pelbagai permintaan serentak.

3. Penalaran yang canggih

Gemini dilatih dalam dataset teks dan kod yang sangat besar. Ini memastikan model dapat mengakses maklumat yang paling terkini dan memberikan respons yang tepat dan boleh dipercayai kepada pertanyaan anda. Menurut Google, model itu mengatasi GPT-4 dan "tahap pakar" OpenAI dalam pelbagai ujian kecerdasan (mis., MMLU Benchmark).

4. Pengekodan lanjutan

Gemini 1.0 dapat memahami, menerangkan, dan menjana kod berkualiti tinggi dalam bahasa pengaturcaraan yang paling banyak digunakan, seperti Python, Java, C, dan GO-ini menjadikannya salah satu model asas utama untuk pengekodan secara global.

Model ini juga cemerlang dalam beberapa tanda aras pengekodan, termasuk HumanEval, standard industri yang sangat dianggap sebagai menilai prestasi pada tugas pengekodan; Ia juga berfungsi dengan baik pada dataset dalaman, yang diadakan di Google, yang memanfaatkan kod yang dihasilkan oleh pengarang dan bukannya maklumat dari web.

5. Tanggungjawab dan Keselamatan

Perlindungan baru telah ditambah kepada prinsip dan dasar AI Google untuk menyumbang keupayaan multimodal Gemini. Google berkata, "Gemini mempunyai penilaian keselamatan yang paling komprehensif mengenai mana -mana model Google AI setakat ini, termasuk untuk kecenderungan dan ketoksikan." Mereka juga berkata mereka telah "menjalankan penyelidikan novel ke kawasan risiko yang berpotensi seperti kesalahan siber, persuasi, dan autonomi, dan telah menggunakan teknik ujian adversarial terbaik dalam kelas penyelidikan untuk membantu mengenal pasti isu-isu keselamatan kritikal sebelum penempatan Gemini."

Apakah versi Gemini?

Google mengatakan Gemini, pengganti Lamda dan Palm 2, adalah "model yang paling fleksibel mereka - dapat berjalan dengan cekap dari segala -galanya dari pusat data ke peranti mudah alih." Mereka juga percaya keupayaan terkini Gemini akan meningkatkan bagaimana pemaju dan pelanggan perniagaan membina dan skala dengan AI.

Versi pertama Gemini, yang tidak menghairankan bernama Gemini 1.0, dikeluarkan dalam tiga saiz yang berbeza:

• Gemini Nano -Gemini Nano adalah model yang paling berkesan untuk tugas-tugas di peranti yang memerlukan pemprosesan AI yang cekap tanpa menyambung ke pelayan luaran. Dengan kata lain, ia direka untuk dijalankan pada telefon pintar, khususnya Google Pixel 8.
• Gemini Pro - Gemini Pro adalah model yang optimum untuk berskala dalam pelbagai tugas. Ia direka untuk Power Bard, chatbot AI yang paling baru -baru ini; Oleh itu, ia dapat memahami pertanyaan kompleks dan bertindak balas dengan cepat. Gemini Ultra
-Gemini Ultra adalah model dan pembangunan yang paling besar dan paling berkebolehan, melebihi keputusan terkini dalam 30 dari 32 tanda aras yang biasa digunakan untuk penyelidikan dan pembangunan model bahasa (LLM).
• bagaimana anda boleh mengakses Gemini?
Sejak 13 Disember 2023, pemaju dan pelanggan perusahaan telah dapat mengakses Gemini Pro melalui API Gemini di Google AI Studio atau Google Cloud Vertex AI. 

Nota Google AI Studio adalah IDE berasaskan pelayar yang boleh digunakan secara bebas yang boleh digunakan oleh pemaju untuk prototaip model generatif dan dengan mudah melancarkan aplikasi menggunakan kunci API. Vertex Cloud Google, sebaliknya, adalah platform AI yang diuruskan sepenuhnya yang menawarkan semua alat yang diperlukan untuk membina dan menggunakan AI generatif. Menurut Google, "Vertex AI membolehkan penyesuaian Gemini dengan kawalan data penuh dan faedah dari ciri Google Cloud tambahan untuk keselamatan perusahaan, keselamatan, privasi dan tadbir urus data dan pematuhan."

melalui AICORE, ciri sistem baru dengan Android 14, pemaju Android, bermula dari peranti Pixel 8 Pro, boleh membina dengan Gemini Nano, model yang paling berkesan untuk tugas-tugas di peranti.

tanda aras Gemini diterokai

Model Gemini menjalani ujian yang luas untuk menilai prestasi mereka merentasi pelbagai tugas sebelum pembebasan mereka. Google mengatakan model Gemini Ultra mengatasi hasil canggih yang sedia ada pada 30 daripada 32 penanda aras akademik yang biasa digunakan untuk penyelidikan dan pembangunan model bahasa besar (LLM). Perhatikan tugas -tugas ini terdiri daripada imej semula jadi, audio, dan pemahaman video kepada penalaran matematik.

Dalam catatan blog pengantar Gemini, Google mendakwa Gemini Ultra adalah model pertama yang mengungguli pakar manusia mengenai pemahaman bahasa multitask besar-besaran (MMLU) dengan skor 90.0%. Perhatikan bahawa MMLU menggabungkan 57 subjek yang berbeza, termasuk matematik, fizik, sejarah, undang -undang, perubatan, dan etika, untuk menilai keupayaan seseorang untuk menyelesaikan masalah dan pemahaman umum tentang dunia.

Kaedah penanda aras MMLU baru untuk MMLU membolehkan Gemini membuat penambahbaikan yang ketara dan bukan hanya memanfaatkan kesan pertama dengan menggunakan kuasa penalarannya untuk membincangkan lebih teliti sebelum menjawab soalan yang mencabar.

inilah caranya Gemini dilakukan pada tugas teks:

Penemuan mendedahkan Gemini melepasi prestasi canggih pada pelbagai tanda aras, termasuk teks dan pengekodan. [Sumber]

Model Gemini Ultra juga mencapai canggih pada penanda aras multimodal multimodal (MMMU) yang baru dengan skor 59.4%. Penilaian ini terdiri daripada tugas multimodal di pelbagai domain yang memerlukan penalaran yang disengajakan.

Google berkata, "Dengan tanda aras imej yang kami uji, Gemini Ultra mengatasi model terkini yang terdahulu tanpa bantuan dari sistem pengiktirafan aksara optik (OCR) yang mengekstrak teks dari imej untuk pemprosesan selanjutnya."

Penemuan mendedahkan Gemini juga melampaui prestasi canggih pada pelbagai tanda aras multimodal. [Sumber]

Penanda aras yang ditetapkan oleh Gemini menunjukkan multimodaliti semula jadi model dan menunjukkan bukti awal kemampuannya untuk penalaran yang lebih canggih.

Gemini vs GPT-4

Persoalan yang jelas yang biasanya timbul ialah, "Bagaimana Gemini dibandingkan dengan GPT-4?"

Kedua -dua model mempunyai set ciri yang sama dan boleh berinteraksi dengan dan mentafsirkan teks, imej, video, audio, dan data kod, membolehkan pengguna memohonnya kepada pelbagai tugas.

Pengguna kedua-dua alat mempunyai pilihan untuk memeriksa fakta, tetapi bagaimana mereka pergi untuk menyediakan fungsi ini adalah berbeza. Di mana Openai's GPT-4 menyediakan pautan sumber untuk tuntutan yang dibuatnya, Gemini membolehkan pengguna melakukan carian Google untuk mengesahkan respons dengan mengklik butang.

Ia juga mungkin untuk menambah kedua -dua model dengan sambungan tambahan, walaupun, pada masa penulisan, model Gemini Google jauh lebih terhad.

Sebagai contoh, ada kemungkinan untuk menggunakan alat Google seperti penerbangan, peta, YouTube, dan pelbagai aplikasi ruang kerja mereka dengan Gemini. Sebaliknya, terdapat pemilihan pemalam dan sambungan yang jauh lebih besar untuk GPT-4 OpenAI, yang mana kebanyakannya dicipta oleh pihak ketiga. Penciptaan imej on-the-fly juga mungkin dengan GPT-4; Gemini direka untuk mampu berfungsi, tetapi, pada masa penulisan, ia tidak boleh.

Sebaliknya, masa tindak balas Gemini lebih cepat daripada GPT-4, yang kadang-kadang boleh diperlahankan atau terganggu sepenuhnya kerana jumlah pengguna di platform.

menggunakan kes-kes untuk Gemini

Model Gemini Google boleh melakukan pelbagai tugas di beberapa modaliti, seperti teks, audio, imej, dan pemahaman video.

Menggabungkan modaliti yang berbeza untuk memahami dan menjana output juga mungkin disebabkan oleh sifat multimodal Gemini.

Contoh kes penggunaan untuk Gemini termasuk:

Summarization Text

Model Gemini dapat meringkaskan kandungan dari pelbagai jenis data. Menurut kertas penyelidikan bertajuk Gemini: Mengawal gaya ringkasan peringkat kalimat dalam ringkasan teks abstrak, model Gemini "mengintegrasikan penulisan semula dan penjana untuk meniru penulisan semula dan teknik abstrak, masing-masing."

iaitu Gemini secara adaptif memilih sama ada untuk menulis semula ayat dokumen tertentu atau menghasilkan ayat ringkasan sepenuhnya dari awal. Penemuan eksperimen mendedahkan bahawa pendekatan yang digunakan oleh Gemini mengatasi garis dasar abstrak dan menulis semula tulen pada tiga dataset penanda aras, mencapai hasil terbaik di Wikihow.

Generasi Teks

Gemini boleh menjana input berasaskan teks sebagai tindak balas kepada prompt pengguna-teks ini juga boleh didorong oleh antara muka chatbot gaya Q & A. Oleh itu, Gemini boleh digunakan untuk menangani pertanyaan pelanggan dan menawarkan bantuan secara semulajadi, yang dapat membebaskan tanggungjawab ejen manusia untuk memohon lebih banyak tugas yang kompleks dan meningkatkan kepuasan pelanggan.

Ia juga boleh digunakan untuk penulisan kreatif, seperti pengarang bersama novel, menulis puisi dalam pelbagai gaya, atau menghasilkan skrip untuk filem dan drama. Ini dapat meningkatkan produktiviti penulis kreatif dan mengurangkan ketegangan yang disebabkan oleh blok penulis.

Teks Terjemahan & Pemprosesan Audio

Dengan keupayaan berbilang bahasa yang luas, model Gemini dapat memahami dan menterjemahkan lebih dari 100 bahasa yang berbeza. Menurut Google, Gemini melepasi prestasi canggih GPT-4V "pada pelbagai tanda aras multimodal," seperti pengiktirafan ucapan automatik (ASR) dan terjemahan ucapan automatik.

pemprosesan imej & video

Gemini dapat memahami dan mentafsir imej, menjadikannya sesuai untuk imej imej dan kes -kes penggunaan Q & A visual. Model ini juga boleh menghuraikan visual kompleks, termasuk gambar rajah, angka, dan carta, tanpa memerlukan alat OCR luaran.

analisis kod dan generasi

pemaju boleh menggunakan Gemini untuk menyelesaikan tugas pengekodan kompleks dan debug kod mereka. Model ini mampu memahami, menjelaskan, dan menjana bahasa pengaturcaraan yang paling banyak digunakan, seperti Python, Java, C, dan Go.

Kesimpulan

Model bahasa besar multimodal Google (LLMS), Gemini, adalah pengganti Lamda dan Palm 2. Gemini juga mampu menghasilkan kod berkualiti tinggi dalam banyak bahasa pengaturcaraan yang paling popular.

Model ini telah mencapai keupayaan terkini dalam pelbagai tugas, dan ramai di Google percaya ia mewakili lonjakan yang ketara ke hadapan dalam bagaimana AI dapat membantu meningkatkan kehidupan seharian kita.

Teruskan pembelajaran anda dengan sumber -sumber berikut:

• llamaindex: Menambah data peribadi ke llms
• alternatif 10 chatgpt teratas yang boleh anda cuba hari ini
• Pengenalan kepada Chatgpt

Dan sebelum anda pergi, jangan lupa untuk melanggan saluran YouTube kami. Kami mempunyai kandungan yang hebat untuk semua topik yang paling relevan dan trend, termasuk tutorial mengenai cara membina aplikasi multimodal dengan Gemini, begitu juga dengan melihat.

Atas ialah kandungan terperinci Apa itu Google Gemini? Semua yang anda perlu tahu mengenai saingan chatgpt Google. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!