Google Gemini
Google Gemini adalah Google rangkaian model AI multimodal asli DeepMind yang dapat mempertimbangkan teks, gambar, audio, video, dan kode.
Ikhtisar
It powers Google's chatbot, Search overviews, and Workspace, and competes head-to-head with OpenAI's GPT models.
Menyelam Lebih Dalam
Gemini diluncurkan pada bulan Desember 2023 dalam tiga ukuran: Ultra, Pro, dan Nano (versi pada perangkat yang berjalan pada ponsel Pixel). Tidak seperti model sebelumnya yang dipasang pada encoder vision terpisah, Gemini dilatih sejak awal tentang teks, gambar, audio, dan video yang disisipkan, sehingga dapat, misalnya, menonton video senyap dan menjelaskan apa yang terjadi. Generasi Gemini 1.5 memperkenalkan desain Mixture-of-Experts dan jendela konteks besar, pertama 1 juta kemudian hingga 2 juta token, cukup untuk menyerap seluruh basis kode, PDF panjang, atau berjam-jam video sekaligus. Gemini menggantikan Bard (chatbot) dan API developer lama berbasis PaLM, menyatukan AI konsumen dan perusahaan Google di bawah satu merek dan mendukung fitur di Android, Chrome, dan Workspace.
Wawasan Teknis
Gemini adalah model bergaya decoder berbasis Transformer yang dilatih dengan arsitektur Mixture-of-Experts (MoE) dalam 1,5+ generasinya: alih-alih mengaktifkan semua parameter untuk setiap token, router mengirimkan setiap token ke subset kecil subnetwork 'ahli' khusus, sehingga memotong komputasi. Multimodalitas aslinya berarti gambar, audio, dan video diberi token ke dalam urutan yang sama seperti teks, membiarkan mekanisme perhatian tunggal bernalar secara bersama-sama di semua modalitas daripada menggabungkan model-model terpisah menjadi satu.
Dampak Strategis
Vendor strategy
Peta jalan vendor memengaruhi fitur apa yang dapat dibangun tim Anda selanjutnya.
Cost and budget
Persyaratan komersial dan opsi penerapan memengaruhi biaya dan risiko jangka panjang.
Risk and safety
Insentif perusahaan membentuk standar produk, postur keselamatan, dan keterbukaan.
Masa Depan Google Gemini
Google mendorong Gemini menuju perilaku agen, model yang merencanakan, menggunakan alat, dan mengambil tindakan multi-langkah atas nama pengguna, yang dicontohkan oleh upaya penelitian seperti Project Astra (asisten multimodal real-time) dan Project Mariner (agen web). Harapkan integrasi yang lebih mendalam di Android, Chrome, dan Workspace, jendela konteks yang lebih panjang dan lebih murah, serta varian Nano pada perangkat yang berfungsi lebih lokal untuk privasi. Penggabungan yang lebih erat dengan Google Penelusuran dan perangkat keras TPU yang dioptimalkan tensor kemungkinan akan terus menurunkan latensi dan biaya.
Implementasi Dunia Nyata
Meringkas PDF setebal 1.500 halaman atau video ceramah berdurasi satu jam yang diunggah langsung ke aplikasi Gemini
Menghasilkan Ikhtisar AI di bagian atas Google Hasil penelusuran untuk kueri yang kompleks
Membuat draf email, merangkum rangkaian pesan, dan menganalisis spreadsheet di dalam Gmail, Dokumen, dan Spreadsheet melalui Gemini di Workspace
Menjalankan fitur di perangkat seperti ringkasan panggilan dan balasan cerdas melalui Gemini Nano di ponsel Pixel tanpa mengirim data ke cloud
Risiko & Pagar Pembatas
Pengumuman peluncuran mungkin melampaui stabilitas alur kerja produksi sebenarnya.
Penetapan harga API atau perubahan kebijakan dapat mematahkan asumsi dalam sekejap.
Ketergantungan pada vendor tunggal meningkatkan biaya lock-in dan migrasi.
Peta Jalan Implementasi
Evaluasi penyedia menggunakan tugas dan kumpulan data Anda sendiri.
Tinjau persyaratan privasi, keamanan, dan hukum sebelum integrasi.
Pertahankan rencana cadangan di seluruh model atau vendor.
Pantau catatan rilis agar perubahan peta jalan tidak mengejutkan tim.
Terus Menjelajah
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Google Gemini quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Google Pikiran Dalam
Pertanyaan yang sering diajukan
What is Google Gemini?
Google Gemini adalah Google rangkaian model AI multimodal asli DeepMind yang dapat mempertimbangkan teks, gambar, audio, video, dan kode. Ini mendukung chatbot Google, ikhtisar Penelusuran, dan Ruang Kerja, serta bersaing langsung dengan model GPT OpenAI.
Apa artinya Gemini adalah 'multimodal asli'?
Multimodalitas asli berarti gambar, audio, dan video diberi token ke dalam urutan yang sama seperti teks dan dilatih bersama, daripada menghubungkan encoder visi terpisah ke model hanya teks.
Ukuran Gemini manakah yang dirancang untuk dijalankan langsung di perangkat, seperti pada ponsel Pixel?
Gemini Nano adalah varian terkecil, dioptimalkan untuk dijalankan secara lokal di perangkat seperti ponsel Pixel untuk fitur seperti ringkasan panggilan dan balasan cerdas.
Produk apa yang digantikan oleh Gemini sebagai chatbot konsumen Google?
Google mengganti nama chatbot Bard menjadi Gemini, menyatukan asisten AI konsumennya dengan nama Gemini.
Teknik arsitektur apa yang digunakan model Gemini 1.5+ untuk meningkatkan efisiensi?
Campuran Pakar merutekan setiap token ke subset kecil subjaringan pakar khusus, sehingga tidak semua parameter diaktifkan untuk setiap token, sehingga menghemat komputasi.
Kira-kira seberapa besar jendela konteks Gemini 1.5, yang memungkinkannya menyerap seluruh basis kode atau berjam-jam video?
Gemini 1.5 memperkenalkan jendela konteks 1 juta token, kemudian diperluas menjadi 2 juta, cukup besar untuk memproses dokumen, basis kode, atau video yang sangat panjang.