Ogłoszenie Google na swoim nowym modelu językowym, Gemini, wzbudziło zasłonę ciekawości i sceptycyzmu. Chociaż film promocyjny obiecywał niezwykłe wyniki, niektóre badania i obserwacje rzuciły światło znaczne rozbieżności pomiędzy tym, co pokazane, a rzeczywistymi możliwościami systemu. Według wybitne źródła, bardzo ostrożnie, jego potencjał byłby niższy niż to, co opisano.
Prawda kryjąca się za filmem promocyjnym Gemini: dym i ogień?
Podczas niedawnego prezentacja BliźniątGoogle udostępniło społeczeństwu film prezentujący rzekomo zaawansowane możliwości nowego modelu językowego sztucznej inteligencji. Jednak niedługo potem niektóre media, w tym m.in Bloomberg, zaczęli wątpić w autentyczność tych przedstawień.
Na filmie Gemini wydawało się być w stanie natychmiast zinterpretować szereg gestów, w tym kamień, papier i nożyczki. Jednak, jak się później okazało, aby uzyskać dokładne odpowiedzi od Bliźniąt, musisz pokazać wszystkie trzy gesty i zadaj konkretne pytania przewodnie. Sugeruje to, że rzeczywisty proces jest bardziej skomplikowany i mniej intuicyjny, niż początkowo sądzono.
Wątpliwości wzbudziły oskarżenia o „upiększanie” rzeczywistych możliwości sieci neuronowej Przejrzystość i uczciwość Google w prezentacji swoich innowacji. Według części pracowników Google, którzy woleli zachować anonimowość, film demonstracyjny nie odzwierciedlał dokładnie rzeczywistych możliwości Gemini. Pogląd ten dodatkowo potwierdził Eli Collinas od Google DeepMind, który przyznał, że niektóre z zademonstrowanych funkcji, jak np. rysunek kaczki, znajdują się one nadal na poziomie badań i nie są w pełni zintegrowane z produktem.
Pomimo tych rewelacji Google utrzymuje, że film miał w zamierzeniu uproszczonym przedstawieniem możliwości Gemini ze względu na rozrywkę i przejrzystość. Opis filmu na YouTube faktycznie przyznaje, że prezentacja została skrócona do tych celów.
Podczas testu przeprowadzonego z Gemini za pośrednictwem chatbota Google Bard dziennikarze zauważyli, że możliwości nowego modelu AI nie odbiegały znacząco od możliwości GPT-3.5. Rodzi to pytanie o faktyczny postęp technologiczny, jaki reprezentuje Gemini w porównaniu z istniejącymi modelami.
Trzy warianty Bliźniąt
Istnieją trzy wersje sieci neuronowej: Ultra, Pro e Nano. Ten pierwszy przeznaczony jest do pracy w centrach danych i aplikacjach korporacyjnych, drugi skupia się na Bardzie i innych usługach Google, zaś Nano przeznaczony jest do pracy offline na Androidzie. Ten ostatni został już zapowiedziany Pixel 8 Pro XNUMX. Jako przykład jego wykorzystania Google pokazał zestawienie informacji z nagrań głosowych.
