Google Gemini
Google Gemini ialah Google Keluarga model AI multimodal asli DeepMind yang boleh menaakul merentas teks, imej, audio, video dan kod.
Gambaran keseluruhan
It powers Google's chatbot, Search overviews, and Workspace, and competes head-to-head with OpenAI's GPT models.
Menyelam dalam
Gemini dilancarkan pada Disember 2023 dalam tiga saiz: Ultra, Pro dan Nano (versi pada peranti yang dijalankan pada telefon Pixel). Tidak seperti model terdahulu yang dipasang pada pengekod penglihatan yang berasingan, Gemini telah dilatih dari awal tentang teks, imej, audio dan video bersilang, jadi ia boleh, sebagai contoh, menonton video senyap dan menerangkan perkara yang berlaku. Generasi Gemini 1.5 memperkenalkan reka bentuk Mixture-of-Experts dan tetingkap konteks yang besar, pertama 1 juta kemudian sehingga 2 juta token, cukup untuk menelan keseluruhan pangkalan kod, PDF panjang atau jam video sekali gus. Gemini menggantikan kedua-dua Bard (chatbot) dan API pembangun berasaskan PaLM lama, menyatukan AI pengguna dan perusahaan Google di bawah satu jenama dan ciri penjanaan merentas Android, Chrome dan Workspace.
Wawasan Teknikal
Gemini ialah model gaya penyahkod berasaskan Transformer yang dilatih dengan seni bina Campuran Pakar (MoE) dalam 1.5+ generasinya: bukannya mengaktifkan semua parameter untuk setiap token, penghala menghantar setiap token kepada subset kecil subrangkaian 'pakar' khusus, memotong pengiraan. Multimodaliti aslinya bermaksud imej, audio dan video ditandakan ke dalam urutan yang sama seperti teks, membiarkan satu mekanisme perhatian memberi alasan bersama merentas semua modaliti dan bukannya mencantumkan model berasingan bersama-sama.
Kesan Strategik
Strategi vendor
Peta jalan vendor mempengaruhi ciri yang boleh dibina oleh pasukan anda seterusnya.
Kos dan bajet
Terma komersial dan pilihan penggunaan mempengaruhi kos dan risiko jangka panjang.
Risiko dan keselamatan
Insentif syarikat membentuk keingkaran produk, postur keselamatan dan keterbukaan.
Masa Depan Google Gemini
Google sedang mendorong Gemini ke arah tingkah laku agen, model yang merancang, menggunakan alatan dan mengambil tindakan berbilang langkah bagi pihak pengguna, yang dicontohkan oleh usaha penyelidikan seperti Project Astra (pembantu multimodal masa nyata) dan Project Mariner (ejen web). Jangkakan penyepaduan yang lebih mendalam merentas Android, Chrome dan Ruang Kerja, tetingkap konteks yang lebih panjang dan lebih murah serta varian Nano pada peranti melakukan lebih banyak cara setempat untuk privasi. Gandingan yang lebih ketat dengan Google Carian dan perkakasan TPU yang dioptimumkan tensor berkemungkinan akan terus mengurangkan kependaman dan kos.
Pelaksanaan Dunia Sebenar
Merumuskan PDF 1,500 halaman atau video kuliah selama sejam yang dimuat naik terus ke dalam apl Gemini
Menjana Gambaran Keseluruhan AI di bahagian atas Google Hasil carian untuk pertanyaan kompleks
Mendraf e-mel, meringkaskan urutan dan menganalisis hamparan dalam Gmail, Dokumen dan Helaian melalui Gemini dalam Ruang Kerja
Menjalankan ciri pada peranti seperti ringkasan panggilan dan balasan pintar melalui Gemini Nano pada telefon Pixel tanpa menghantar data ke awan
Risiko & Pengawal
Pengumuman pelancaran mungkin melebihi kestabilan dalam aliran kerja pengeluaran sebenar.
Harga API atau anjakan dasar boleh memecahkan andaian semalaman.
Kebergantungan vendor tunggal meningkatkan kos kunci masuk dan penghijrahan.
Hala Tuju Pelaksanaan
Nilai penyedia menggunakan tugasan dan set data anda sendiri.
Semak privasi, keselamatan dan syarat undang-undang sebelum penyepaduan.
Kekalkan pelan sandaran merentas model atau vendor.
Pantau nota keluaran supaya perubahan peta jalan tidak mengejutkan pasukan.
Teruskan Meneroka
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
Panduan seterusnya
Google DeepMind
Soalan lazim
What is Google Gemini?
Google Gemini ialah Google Keluarga model AI multimodal asli DeepMind yang boleh menaakul merentas teks, imej, audio, video dan kod. Ia menguasai bot sembang Google, Gambaran keseluruhan Carian dan Ruang Kerja serta bersaing secara langsung dengan model GPT OpenAI.
Apakah yang dimaksudkan bahawa Gemini adalah 'berbilang mod asli'?
Multimodaliti asli bermaksud imej, audio dan video ditandakan ke dalam urutan yang sama seperti teks dan dilatih secara bersama, dan bukannya menyambungkan pengekod penglihatan yang berasingan kepada model teks sahaja.
Saiz Gemini yang manakah direka untuk dijalankan secara langsung pada peranti, seperti pada telefon Pixel?
Gemini Nano ialah varian terkecil, dioptimumkan untuk dijalankan secara setempat pada peranti seperti telefon Pixel untuk ciri seperti ringkasan panggilan dan balasan pintar.
Apakah produk yang digantikan oleh Gemini sebagai chatbot pengguna Google?
Google menjenamakan semula bot sembang Bardnya sebagai Gemini, menyatukan pembantu AI penggunanya di bawah nama Gemini.
Apakah teknik seni bina yang digunakan oleh model Gemini 1.5+ untuk meningkatkan kecekapan?
Campuran Pakar mengarahkan setiap token ke subset kecil subrangkaian pakar khusus, jadi tidak semua parameter diaktifkan untuk setiap token, menjimatkan pengiraan.
Kira-kira berapa besar boleh diperolehi tetingkap konteks Gemini 1.5, membolehkannya menelan keseluruhan pangkalan kod atau jam video?
Gemini 1.5 memperkenalkan tetingkap konteks sebanyak 1 juta token, kemudian berkembang kepada 2 juta, cukup besar untuk memproses dokumen, pangkalan kod atau video yang sangat panjang.