Google predstavil svoj najpokročilejší model umelej inteligencie Gemini, ktorý v svojimi schopnosťami a výkonom prekonáva aj konkurenčný model GPT-4 od OpenAI. V čom je Gemini lepší? Podľa spoločnosti má pokročilé schopnosti uvažovania a pri odpovediach na ťažké otázky je uvážlivejší. Nový model bol testovaný pri riešení problémov a vedomostiach v 57 odboroch vrátane matematiky a humanitných vied. Šéf spoločnosti, Sundar Pichai, v tejto súvislosti uviedol, že Gemini predstavuje novú éru umelej inteligencie. Presvedčiť sa o tom môžete sami v nasledujúcom videu, ktoré pripomína sci-fi.
Google ukázal ako si dokáže Gemini kreatívne poradiť s naozaj náročnými úlohami. Konverzáciu dokáže viesť nielen prostredníctvom textu, ale aj v kombinácii s obrazom a zvukom. AI model dokázal napríklad uhádnuť, aký objekt práve používateľ namaľoval na papier. Na otázku, či modrá kačička dokáže plávať na vode zas správne určil, že je vyrobená z gumy, ktorá má menšiu hustotu, a preto sa nepotopí. Gemini následne pokračoval v konverzácii a odpovedal aj na otázku o správnej výslovnosti slova kačička v čínštine. Na povel vymyslieť nejakú zaujímavú hru s mapou zas zareagoval vytvorením hry “uhádni krajinu,” v ktorej dával používateľovi indície, na základe ktorých mal prstom na mape ukázať správnu odpoveď. Správne dokázal nájsť aj skrytý objekt pod jedným z trojice pohárov, navrhnúť objekt na štrikovanie na základe dvoch farebných vlnených klbiek alebo predvídať, čo sa stane s mačkou v pozastavenom videu na mobile.
Google medzičasom priznal, že video ‚tak trochu upravil‘
Od zverejnenia videa na YouTube ubehli dva dni a Google priznal, že ho „tak trochu“ upravil. To samozrejme neznižuje schopnosti modelu Gemini, no stavia ho do úplne nového svetla. Umelá inteligencia dokáže prakticky všetko, čo na videu demonštrovala, no jej interakcia s človekom nemá ani zďaleka takú ľudskú tvár. Firma priznala, že niektoré sekvencie boli pre lepšiu vizualizáciu skrátené, navyše komunikácia s AI neprebiehala pomocou hlasových povelov, tak ako to vyzerá na videu. Pre „reklamné“ účely hlasové povely a odpovede Google nahovoril skutočným človekom. Interakcia prebiehala podobne ako cez četbota ChatGPT – cez textové povely.
Preteky o to, kto je lepší
Google pomocou Gemini napráva povesť zaostávajúceho technologického giganta, ktorého četbot Bard nedokázal presvedčiť v silnej konkurencii modelu GPT od firmy OpenAI, ktorú obrovskými finančnými injekciami dotuje Microsoft. Nový AI model dokáže podľa S. Pichai prekonať aj ľudí v sérii inteligenčných testov. Niečo podobné tu zatiaľ ešte nebolo. Gemini dokáže rozpoznať a generovať text, obrázky a zvuk, no sám o sebe nie je koncovým produktom. Je len akými základným modelom, na ktorého základoch budú postavené existujúce produkty a služby Google, vrátane vyhľadávača a četbota Bard.
Model Gemini bude dostupný v troch verziách – Nano, Pro a Ultra. Kým Nano je najefektívnejším variantom, ktorý bude vykonávať pokročilé úlohy priamo na zariadení, model Pro bude súčasťou četbota Bard. Najvyšší variant Ultra bude schopný vykonávať najnáročnejšie a najkomplexnejšie úlohy a určený bude pre firemných zákazníkov, ale aj vývojárov. Zákazníci v Európe si ale budú musieť nechať zájsť chuť. Najbližšiu dobu totiž Gemini v krajinách EÚ nebude kvôli európskej regulácii GDPR dostupný.