כדי להתמודד עם התחרות הגדולה מבית OpenAI, והספונספרית שלה מיקרוסופט - גוגל הכריזה היום (רביעי) על Gemini ("מזל תאומים"), המודל המתקדם ביותר שבנו עד כה, עם יכולות חשיבה מולטי-מודאלית מתוחכמות, כך שהוא מסוגל להבין גם טקסט, גם וידאו ותמונות וגם קול - וגם לענות בפורמטים הללו. לצורך השוואה, גוגל הציגה טבלה שלפיה הביצועים של Gemini עולים על אלה של ChatGPT 4.
"זה המודל הראשון מתוך דור חדש של מודלים של בינה מלאכותית, בהשראת הדרך שבה בני אדם מבינים את העולם ומתקשרים איתו", כתב סונדאר פיצ'אי, מנכ"ל גוגל. "בדקנו בקפדנות את דגמי ה-Gemini שלנו והערכנו את הביצועים שלהם במגוון רחב של משימות מתמונה טבעית, אודיו ווידאו ועד חשיבה מתמטית, הביצועים של Gemini Ultra עולים על התוצאות העדכניות ביותר ב-30 מתוך 32 אמות המידה האקדמיות הנפוצות בשימוש במחקר ופיתוח של מודלים של שפה גדולה".
עד כמה המודל חכם? תוכלו להציג כך ל-Gemini אובייקטים דרך המצלמה של המכשיר שלכם (אנדרואיד, כמובן), והוא ידע להגיב באמצעות קול ולהגיד מה הוא רואה דרך העדשה.
ובואו נעשה רגע סדר: בסך הכל, Gemini מורכב משלושה מודלים שונים לשימושים שונים - אולטרה, פרו ונאנו. כצפוי, אולטרה הוא המודל המתקדם והמתוחכם ביותר שמיועד לשימושים מורכבים לעסקים וארגונים, והוא "עולה על מומחים אנושיים", כך לדברי גוגל; פרו הוא מודל ביניים שישולב במרבית המוצרים של גוגל בשנה הבאה; מודל הנאנו הוא הקומפקטי ביותר ומיועד לפעול במכשירים ניידים.
המודל Gemini Pro פועל כבר עכשיו דרך Bard, כאשר גוגל מבטיחה שיפור משמעותי של יכולות הבנה, תמצות, הסקת מסקנות, כתיבה וגם וגם תוצאות טובות יותר לבקשות ליצירת קוד. כמו כן, בגוגל מבטיחים כי בהמשך Gemini ישולב בסוגי מודאליות נוספים, כאשר בתחילת השנה הבאה יושק Bard Advanced, חוויה חדשה שתשלב את המודלים הכי מתקדמים של החברה - תחילה עם Gemini Ultra.