Multimodalita od začiatku
V decembri 2023 Google predstavil svoj najväčší projekt. Gemini má byť odpoveďou na GPT-4. Súboj gigantov začína a Google ukazuje, že v AI ešte nepovedal posledné slovo.
Čím je Gemini iný?
Gemini bol trénovaný inak – natívne pre text, obraz aj video. To mu dáva unikátne schopnosti chápania kontextu. Väčšina iných modelov sú "zlepenec" rôznych neurónových sietí (jedna pre text, iná pre obraz). Gemini je "jeden mozog".
MMLU Benchmark
Gemini Ultra bol prvým modelom, ktorý prekonal ľudských expertov v MMLU (Massive Multitask Language Understanding) benchmarku s skóre 90.0%. Test zahŕňa 57 predmetov od matematiky po právo.
Nano, Pro, Ultra
Google rozdelil model na tri veľkosti, čo je strategický ťah pre rôzne segmenty:
- Nano: Beží priamo v telefóne (Pixel 8 Pro). Ideálny pre sumarizáciu správ.
- Pro: Zlatá stredná cesta pre väčšinu úloh, integrovaná do Barda.
- Ultra: Najvýkonnejší model pre komplexné problémy, coding a logiku.
Kľúčové zistenia
- Integrácia: Google má výhodu ekosystému (Android, Gmail, Docs).
- Výkon: Google dobehol (a možno predbehol) OpenAI.
- Multimodalita: Budúcnosť interakcie je hlas a video, nie text.
