Google hat kürzlich sein neues generatives KI -Modell Gemini ver?ffentlicht. Es resultiert aus einer gemeinsamen Anstrengung einer Reihe von Teams bei Google, einschlie?lich Mitgliedern von Google Research.

Das Modell, das Google als die f?higste und allgemeinste KI bezeichnet, die sie bisher entwickelt haben, wurde als multimodal entwickelt. Dies bedeutet, dass Gemini verschiedene Datentypen wie Text, Audio, Bilder, Video und Code verstehen kann.

Für den Rest dieses Artikels werden wir:

behandeln

• Was ist Gemini?
• Was sind die Versionen von Gemini?
• Wie k?nnen Sie auf Gemini zugreifen?
• Gemini Benchmarks erforschte
• Gemini gegen GPT-4
• Anwendungsf?lle für Gemini

Was ist Google Gemini?

Am 6. Dezember 2023 kündigte Google DeepMind Gemini 1.0 an. Bei der Ver?ffentlichung beschrieb Google es als ihre fortschrittlichste Menge von Gro?sprachemodellen (LLMs) und ersetzte damit das Langauge -Modell (Palm 2), die im Mai desselben Jahres debütierten.

Gemini definiert eine Familie multimodaler LLMs, die in der Lage sind, Texte, Bilder, Videos und Audio zu verstehen. Es soll auch in der Lage sein, komplexe Aufgaben in Mathematik und Physik auszuführen und in mehreren Programmiersprachen einen qualitativ hochwertigen Code zu generieren.

Fun Fakt: Sergey Brin, Mitbegründer von Google, wird als einer der Mitwirkenden des Gemini-Modells zugeschrieben.

Bis vor kurzem bestand das Standardverfahren für die Entwicklung multimodaler Modelle aus der Ausbildung einzelner Komponenten für verschiedene Modalit?ten und der Zusammensetzung, um einen Teil der Funktionalit?t nachzuahmen. Solche Modelle zeichneten sich gelegentlich aus, bestimmte Aufgaben auszuführen, z. B. die Beschreibung von Bildern, aber sie haben Probleme mit einem ausgefeilteren und komplexeren Denken.

Gemini wurde als nativ multimodal entwickelt; Somit wurde es von Anfang an auf mehrere Modalit?ten vorgebracht. Um seine Wirksamkeit weiter zu verfeinern, hat Google es mit zus?tzlichen multimodalen Daten abgestimmt.

Infolgedessen ist Gemini deutlich f?higer als vorhandene multimodale Modelle, um eine Vielzahl von Inputs von Grund auf zu verstehen und zu argumentieren, so Sundar Pichai, CEO von Google und Alphabet, sowie Demis Hassabis, CEO und Co-Co-Gründung von Google DeepMind. Sie geben auch an, dass die F?higkeiten von Gemini ?hochmoderne Kunst in fast jeder Dom?ne“ sind.

Google Gemini Schlüsselfunktionen

Zu den Schlüsselmerkmalen des Gemini -Modells geh?ren:

1. Text, Bilder, Audio und mehr

verstehen

multimodales KI ist ein neues AI -Paradigma -Gewinntrieb, bei dem verschiedene Datentypen mit mehreren Algorithmen zusammengeführt werden, um eine h?here Leistung zu erzielen. Gemini nutzt dieses Paradigma, was bedeutet, dass es gut in verschiedene Datentypen integriert ist. Sie k?nnen Bilder, Audio, Text und andere Datentypen eingeben, was zu natürlicheren KI -Interaktionen führt.

2. Zuverl?ssigkeit, Skalierbarkeit und Effizienz

Gemini nutzt die TPUV5-Chips von Google und macht es angeblich fünfmal st?rker als GPT-4. Eine schnellere Verarbeitung macht Gemini in der Lage, komplexe Aufgaben relativ einfach anzugehen und mehrere Anforderungen gleichzeitig zu bearbeiten.

3. Anspruchsvolles Denken

Gemini wurde auf einem enormen Datensatz von Text und Code trainiert. Dies stellt sicher, dass das Modell auf die aktuellsten Informationen zugreifen und genaue und zuverl?ssige Antworten auf Ihre Abfragen liefern kann. Laut Google übertrifft das Modell OpenAs GPT-4- und ?Expert-Level“-Menschen in verschiedenen Intelligenz-Tests (z. B. MMLU-Benchmark).

4. Erweiterte Codierung

Gemini 1.0 kann in den am h?ufigsten verwendeten Programmiersprachen wie Python, Java, C und GO hochwertige Code verstehen, erkl?ren und generieren-dies macht es zu einem der führenden Fundamentmodelle für die globale Codierung.

Das Modell zeichnet sich auch in mehreren Codierungsbenchmarks aus, darunter Humaneval, einem hoch angesehenen Industriestandard zur Bewertung der Leistung bei Codierungsaufgaben; Es wurde auch in Googles internem Datensatz gut abgewickelt, wodurch der mit dem Autor erstellte Code anstelle von Informationen aus dem Web nutzt.

5. Verantwortung und Sicherheit

Die KI -Prinzipien und -Richtlinien von Google wurden

neue Schutzma?nahmen hinzugefügt, um die multimodalen Funktionen von Gemini zu berücksichtigen. Google sagt: "Gemini hat bisher die umfassendsten Sicherheitsbewertungen eines Google -AI -Modells, einschlie?lich der Verzerrung und Toxizit?t." Sie sagten auch, sie h?tten "neuartige Forschungen zu potenziellen Risikobereichen wie Cyber-Straftaten, überzeugung und Autonomie durchgeführt und Google Researchs erstklassigen kontroversen Testtechniken angewendet, um kritische Sicherheitsprobleme im Vorfeld der Bereitstellung von Gemini zu identifizieren."

Was sind die Versionen von Gemini?

Google sagt, dass Gemini, der Nachfolger von Lamda und Palm 2, ihr ?bisher flexibelste Modell - in der Lage ist, alles von Rechenzentren bis hin zu mobilen Ger?ten effizient zu betreiben“. Sie sind auch der Meinung

Die erste Version von Gemini, nicht überraschend benannt Gemini 1.0, wurde in drei verschiedenen Gr??en ver?ffentlicht:

• Gemini-Nano -Gemini-Nano ist das effizienteste Modell für Aufgaben auf dem Ger?t, für die eine effiziente AI-Verarbeitung erforderlich ist, ohne sich mit externen Servern zu verbinden. Mit anderen Worten, es wurde so konzipiert, dass es auf Smartphones ausgeführt wird, insbesondere auf Google Pixel 8.
• Gemini Pro - Gemini Pro ist das optimale Modell für die Skalierung verschiedener Aufgaben. Es wurde entwickelt, um Bard, Google, von AI Chatbot zu betreiben. Somit kann es komplexe Abfragen verstehen und schnell reagieren.
• Gemini Ultra -Gemini Ultra ist das gr??te und f?higste Modell für komplexe Aufgaben und überschreitet die aktuellen Ergebnisse des Stand der Technik in 30 der 32 h?ufig verwendeten Benchmarks für Gro?sprachmodell (LLM) Forschung und Entwicklung.

Wie k?nnen Sie auf Gemini zugreifen?

Seit dem 13. Dezember 2023 konnten Entwickler und Unternehmenskunden über die API von Gemini in Google AI Studio oder Google Cloud Vertex AI auf Gemini Pro zugreifen.?

Hinweis Google AI Studio ist eine frei verfügbare Browser-basierte IDE, mit der Entwickler generative Modelle Prototypen verwenden und Anwendungen mithilfe eines API-Schlüssels problemlos starten k?nnen. Google Cloud Vertex hingegen ist eine vollst?ndig verwaltete KI -Plattform, die alle Tools bietet, die zum Erstellen und Gebrauch generativer KI erforderlich sind. Laut Google erm?glicht ?Vertex AI die Anpassung von Gemini mit vollst?ndiger Datenregelung und profitiert von zus?tzlichen Google -Cloud -Funktionen für Unternehmenssicherheit, Sicherheit, Datenschutz sowie Datenregierungsführung und Compliance.“

Durch Aicore, ein neues Systemfunktion mit Android 14, k?nnen Android-Entwickler aus Pixel 8 Pro-Ger?ten mit Gemini Nano erstellen, dem effizientesten Modell für On-Device-Aufgaben.

Gemini Benchmarks erforschte

Die Gemini -Modelle wurden vor ihrer Ver?ffentlichung umfangreiche Tests über eine breite Palette von Aufgaben unterzogen. Laut Google übertrifft sein Gemini Ultra-Modell die vorhandenen hochmodernen Ergebnisse von 30 der 32 h?ufig verwendeten akademischen Benchmarks für LLM-Forschung und -entwicklung. Beachten Sie, dass diese Aufgaben vom natürlichen Bild, Audio und Videoverst?ndnis bis hin zum mathematischen Denken reichen.

In einem Gemini-Einführungs-Blog-Beitrag ist Google, dass Gemini Ultra das erste Modell ist, das menschliche Experten zum massiven Multitasking-Sprachverst?ndnis (MMLU) mit einer Punktzahl von 90,0%übertroffen hat. Beachten

Die neue MMLU -Benchmark -Methode an MMLU erm?glicht es Gemini, erhebliche Verbesserungen vorzunehmen, anstatt nur seine ersten Eindrücke zu nutzen, indem er seine Argumentationsbefugnis nutzt, um gründlicher zu überlegen, bevor sie auf herausfordernde Fragen antworten.

Hier ist, wie Gemini bei Textaufgaben ausgeführt wurde:

Die Ergebnisse zeigen, dass Gemini auf einer Vielzahl von Benchmarks, einschlie?lich Text und Codierung, die Leistung der modernen Leistung übertrifft. [Quelle]

Das Gemini-Ultra-Modell erreichte auch das neue MMMU-Benchmark (Multidiscipline Multimodal Understanding) mit einer Punktzahl von 59,4%. Diese Bewertung besteht aus multimodalen Aufgaben in verschiedenen Bereichen, die absichtliche Argumente erfordern.

Google sagte, ?Mit den von uns getesteten Bildbenchmarks übertraf die frühere Modelle der Gemini Ultra übertriffte frühere Modelle auf dem neuesten Stand der Technik ohne Unterstützung von optischen Charaktererkennungssystemen (OCR), die Text aus den Bildern zur weiteren Verarbeitung extrahieren.”

Die Ergebnisse zeigen, dass Gemini auch die hochmoderne Leistung auf einer Vielzahl multimodaler Benchmarks übertrifft.?[Quelle]

Die von Gemini festgelegten Benchmarks demonstrieren die angeborene Multimodalit?t des Modells und zeigen frühe Beweise für seine F?higkeit für ausgefeiltere Argumentation.

Gemini gegen GPT-4

Die offensichtliche Frage, die normalerweise als n?chstes stellt, lautet: ?Wie vergleichen sich Gemini mit GPT-4?“

Beide Modelle haben ?hnliche Funktionss?tze und k?nnen mit Text-, Bild-, Video-, Audio- und Codedaten interagieren und interpretieren, sodass Benutzer sie auf verschiedene Aufgaben anwenden k?nnen.

Benutzer beider Tools haben die M?glichkeit, Fakten zu überprüfen, aber wie sie diese Funktionalit?t bereitstellen, ist unterschiedlich. Wenn OpenAIs GPT-4 Quelllinks für die von ihm geltenden Behauptungen enth?lt, erm?glicht Gemini den Benutzern, eine Google-Suche durchzuführen, um die Antwort zu best?tigen, indem Sie auf eine Schaltfl?che klicken.

Es ist auch m?glich, beide Modelle mit zus?tzlichen Erweiterungen zu erweitern, obwohl das Gemini -Modell von Google zum Zeitpunkt des Schreibens viel begrenzter ist.

Zum Beispiel ist es m?glich, Google -Tools wie Flüge, Karten, YouTube und ihre Auswahl an Arbeitsbereichsanwendungen mit Gemini zu verwenden. Im Gegensatz dazu gibt es eine weitaus gr??ere Auswahl an Plug-Ins und Erweiterungen für OpenAIs GPT-4, von denen die meisten von Dritten erstellt werden. Mit GPT-4 ist auch die Bildung von Bild auf der Fliege m?glich. Gemini ist so konzipiert, dass sie zu solcher Funktionen f?hig sein kann, aber zum Zeitpunkt des Schreibens kann es nicht.

Andererseits sind die Reaktionszeiten von Gemini schneller als die von GPT-4, was gelegentlich verlangsamt oder vollst?ndig unterbrochen werden kann, weil sie auf der Plattform blo?e Benutzervolumen haben.

Anwendungsf?lle für Gemini

Gemini -Modelle von Google k?nnen verschiedene Aufgaben in verschiedenen Modalit?ten wie Text, Audio, Bild und Videoverst?ndnis ausführen.

verschiedene Modalit?ten kombinieren, um die Ausgabe zu verstehen und zu erzeugen, ist auch aufgrund der multimodalen Natur von Gemini m?glich.

Beispiele für Anwendungsf?lle für Gemini geh?ren:

Textübersicht

Gemini -Modelle k?nnen Inhalte aus verschiedenen Datentypen zusammenfassen. Laut einem Forschungspapier mit dem Titel Gemini: Steuerung des Satzebenes auf Satzebene in der abstrakten Textübersicht integriert das Gemini-Modell ?integriert Umschreibungen und einen Generator, um das Umschreiben und Abtrkten von Satztechniken nachzuahmen.

, n?mlich, w?hlt Gemini adaptiv aus, ob ein bestimmter Dokumentsatz umschreibt oder einen zusammenfassenden Satz vollst?ndig von Grund auf neu erstellt. Die Ergebnisse der Experimente zeigten, dass der von Gemini verwendete Ansatz die reinen abstrakten und umgeschriebenen Baselines auf drei Benchmark -Datens?tzen übertraf und die besten Ergebnisse zu WikiHow erzielte.

Textgenerierung

Gemini kann als Antwort auf eine Benutzeraufforderung textbasierte Eingaben generieren-dieser Text kann auch von einer Chatbot-Schnittstelle im Q & A-Stil angesteuert werden. Daher kann Gemini eingesetzt werden, um Kundenanfragen zu behandeln und auf natürliche und dennoch ansprechende Weise Unterstützung anzubieten, was die Verantwortung der menschlichen Agenten freisetzen kann, sich mehr auf komplexe Aufgaben anzuwenden und die Kundenzufriedenheit zu verbessern.

Es kann auch zum kreativen Schreiben verwendet werden, z. B. für die Mitautorisierung eines Romans, zum Schreiben von Gedichten in verschiedenen Stilen oder zum Generieren von Skripten für Filme und Theaterstücke. Dies kann die Produktivit?t kreativer Schriftsteller erheblich steigern und die durch den Writer's Block verursachte Spannung verringern.

Textübersetzung & Audioverarbeitung

Mit ihren breiten mehrsprachigen F?higkeiten k?nnen die Gemini -Modelle über 100 verschiedene Sprachen verstehen und übersetzen. Laut Google übertrifft Gemini die hochmoderne Leistung von CHAT GPT-4V ?auf einer Reihe multimodaler Benchmarks“ wie automatische Spracherkennung (ASR) und automatische Sprachübersetzung.

Bild- und Videoverarbeitung

Gemini kann Bilder verstehen und interpretieren, wodurch es für Bildunterschriften und visuelle Q & A -Anwendungsf?lle geeignet ist. Das Modell kann auch komplexe Bilder, einschlie?lich Diagramme, Abbildungen und Diagramme, analysieren, ohne externe OCR -Tools zu erfordern.

Codeanalyse und Generation

Entwickler k?nnen Gemini verwenden, um komplexe Codierungsaufgaben zu l?sen und ihren Code zu debuggen. Das Modell ist in der Lage, in den am h?ufigsten verwendeten Programmiersprachen wie Python, Java, C und Go zu verstehen, zu erkl?ren und zu generieren.

Schlussfolgerung

Googles neuer Satz multimodaler gro?er Sprachmodelle (LLMs), Gemini, ist der Nachfolger von Lamda und Palm. Gemini ist auch in der Lage, in vielen der beliebtesten Programmiersprachen einen hochwertigen Code zu generieren.

Das Modell hat in verschiedenen Aufgaben modernste F?higkeiten erreicht, und viele bei Google glauben, dass es einen bedeutenden Sprung nach vorne darstellt, wie KI unser t?gliches Leben verbessern kann.

Setzen Sie Ihr Lernen mit den folgenden Ressourcen fort:

• llamaindex: Hinzufügen personenbezogener Daten zu LLMs
• Die Top 10 Chatgpt -Alternativen, die Sie heute ausprobieren k?nnen
• Einführung in Chatgpt

Und bevor Sie gehen, vergessen Sie nicht, unseren YouTube -Kanal zu abonnieren. Wir haben gro?artige Inhalte für die relevantesten und trendigsten Themen, einschlie?lich eines Tutorials zum Erstellen von multimodalen Apps mit Gemini.

Das obige ist der detaillierte Inhalt vonWas ist Google Gemini? Alles, was Sie über den Chatgpt -Rivalen von Google wissen müssen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!