Zabójca ChatGPT? Co Gemini 1.5 oznacza dla przyszłości sztucznej inteligencji Google?

Google vs OpenAI: czy Google wygrywa?

Po tym, jak Bard nie trafił w gusta fanów AI, Google niedawno zaprezentowało swój najnowszy produkt AI, Gemini. W ramach tej premiery Bard został przemianowany na Gemini i teraz zawiera nowy Gemini Pro LLM. Przyjrzyjmy się bliżej zakresowi tych zmian.

Czym jest Gemini AI?

Gemini reprezentuje najnowszy duży model językowy Google (LLM), po wydaniu LaMDA i PaLM. W przeciwieństwie do swoich poprzedników, Gemini jest natywnie multimodalny, zdolny do rozumienia tekstu, obrazów, mowy i kodu, a także oferuje ulepszone zdolności rozumienia i rozumowania.

Warianty Gemini AI

Sztuczna inteligencja Gemini składa się z trzech dużych modeli językowych:

1. Gemini Nano: Zoptymalizowany pod kątem wydajności na urządzeniu, zapewniający szybkie rozwiązania AI bezpośrednio na urządzeniu osobistym.
2. Gemini Pro: Wszechstronny i skalowalny model, zdolny do radzenia sobie z różnorodnymi zadaniami z solidną wydajnością. Dostępna w darmowej wersji interfejsu czatu Gemini.
3. Gemini Ultra: Szczyt serii Gemini, umożliwiający rozwiązywanie złożonych problemów i rozwijający możliwości sztucznej inteligencji. Wyłącznie dla subskrybentów planu Google One AI Premium.

Modele Gemini zostały wytrenowane przy użyciu TPUv5e i TPUv4, w zależności od ich rozmiarów i konfiguracji. Training Gemini Ultra wykorzystywał dużą flotę akceleratorów TPUv4 należących do Google w wielu centrach danych. Stanowi to znaczny wzrost skali w porównaniu z poprzednim flagowym modelem PaLM-2, który stanowił nowe wyzwania infrastrukturalne.

Porównanie Gemini z innymi programami LLM

Zrozumienie tekstu

Zrozumienie obrazu

Więcej na ten temat można przeczytać tutaj.

Zalety Gemini

1. Płynna integracja ze wszystkimi aplikacjami Google

Gemini płynnie integruje się teraz ze wszystkimi aplikacjami Google, w tym Mapami, YouTube, Gmailem i nie tylko. Aby zapytać o konkretne aplikacje, wystarczy poprzedzić nazwę aplikacji znakiem “@”, a następnie zapytać. Podczas gdy podobne integracje są osiągalne w ChatGPT przy użyciu GPT i wtyczek, mogą one nie oferować takiego samego poziomu płynności jak natywne integracje Gemini.

Słynne doświadczenie Google w technologii wyszukiwarek niewątpliwie rozszerza możliwości Gemini w zakresie przeglądania stron internetowych. Wykorzystując fundamentalne zalety algorytmów wyszukiwania i indeksowania, Gemini oferuje użytkownikom płynne i wydajne przeglądanie.

2. Możliwości multimodalne

Gemini zapewnia teraz funkcje multimodalne, w tym rozumienie obrazu, w interfejsie czatu Gemini bez dodatkowych kosztów. Chociaż jego wydajność podczas testów była przyzwoita, może nie dorównywać dokładności GPT-4V. Niemniej jednak, biorąc pod uwagę, że jest darmowy, nie możemy narzekać, prawda? 😉 Istnieje szansa, że Gemini Ultra może przewyższać GPT-4V w oparciu o metryki

3. Bezpłatny dostęp dla hobbystów i studentów

Dla aspirujących programistów LLM, którzy chcą zanurzyć się w tej dziedzinie, ale napotykają ograniczenia w dostępie do interfejsów API GPT ze względu na koszty, Google oferuje bezpłatny dostęp do interfejsu API Gemini Pro 1.0. Dzięki temu można wykonać do 60 zapytań na minutę w Google AI Studio, bezpłatnym internetowym narzędziu dla programistów. Google AI Studio umożliwia szybkie tworzenie podpowiedzi i uzyskanie klucza API do tworzenia aplikacji. Logując się do Google AI Studio za pomocą konta Google, możesz skorzystać z tego bezpłatnego limitu. To doskonała okazja, aby rozpocząć swoją przygodę z LLM i zapoznać się z osadzaniem, wektorowymi bazami danych, wyszukiwaniem semantycznym i nie tylko.

4. Stosunek jakości do ceny

Za 20 USD miesięcznie użytkownicy mogą uzyskać dostęp do GPT-4 za pośrednictwem ChatGPT Plus. Alternatywnie, za tę samą cenę mogą uzyskać dostęp do Gemini Advanced z Gemini Ultra 1.0, który obejmuje dodatkowe korzyści, takie jak 2 TB przestrzeni dyskowej w chmurze i integrację z aplikacjami Google, takimi jak Gmail i Dokumenty. Dostęp do Gemini Advanced wymaga jednak subskrypcji planu Google One AI Premium. Pomimo tego wymogu, oferuje większą wartość za swoje pieniądze.

Wprowadzenie planu średniego poziomu z 500 GB przestrzeni dyskowej i dostępem do Gemini Advanced pomiędzy planami Standard i Premium znacznie zwiększyłoby dostępność Gemini, szczególnie dla studentów i użytkowników o umiarkowanych wymaganiach dotyczących przestrzeni dyskowej. Google, jeśli słuchasz, rozważ tę sugestię.

Co dalej z Gemini?

Google DeepMind stale rozwija model Gemini, a niedawno, zaledwie tydzień temu, wprowadzono Gemini Pro 1.5. W tym zaktualizowanym wariancie okno kontekstu zostało rozszerzone do 128 000 tokenów. Dodatkowo, wybrana grupa deweloperów i klientów korporacyjnych może teraz eksperymentować z jeszcze większymi oknami kontekstowymi do 1 miliona tokenów poprzez prywatne podglądy w AI Studio i Vertex AI. Aby spojrzeć na to z innej perspektywy, typowa książka non-fiction zawiera około 300 000 tokenów. Dzięki oknu kontekstowemu Gemini Pro 1.5 z 1 milionem tokenów użytkownicy mogą teraz przesyłać całe książki w żądaniach zapytań – to znaczący postęp w porównaniu z oknem kontekstowym GPT-4 z 128 000 tokenów.

Wśród nasycenia LLM w branży sztucznej inteligencji, Google wydaje się tym razem trafić w dziesiątkę dzięki ulepszonej architekturze, szybkim reakcjom i płynnej integracji z ekosystemem Google. Może to być rzeczywiście krok we właściwym kierunku, utrzymujący OpenAI i innych konkurentów na palcach.

W erze sztucznej inteligencji kluczowe znaczenie dla firm ma posiadanie dobrze wyszkolonych pracowników, a włączenie sztucznej inteligencji do szkolenia pracowników może być znaczącą inwestycją. Jeśli szukasz rozwiązań AI do szkolenia swoich pracowników, Cody jest odpowiednim narzędziem dla Ciebie. Podobnie jak ChatGPT i Gemini, Cody może zostać przeszkolony w zakresie danych biznesowych, zespołu, procesów i klientów, korzystając z unikalnej bazy wiedzy. Cody jest niezależny od modelu, co ułatwia przełączanie modeli zgodnie z wymaganiami.

Dzięki Cody firmy mogą wykorzystać moc sztucznej inteligencji do stworzenia spersonalizowanego i inteligentnego asystenta, który zaspokaja ich potrzeby, co czyni go obiecującym dodatkiem do świata rozwiązań biznesowych opartych na sztucznej inteligencji.