Gemini Ultra: cel mai ambițios model AI al Google

2024

În decembrie 2023, Google DeepMind a dezvăluit Gemini, o familie de modele AI multimodale concepute de la zero pentru a înțelege simultan text, imagini, audio, video și cod.

Gemini Ultra, cea mai mare variantă, a devenit primul model care a depășit GPT-4 la majoritatea benchmarkurilor academice, inclusiv MMLU (obținând 90,0% față de 86,4% al GPT-4) și alte sarcini de raționament.

Dar ceea ce făcea Gemini unic din punct de vedere arhitectural era multimodalitatea sa nativă. Spre deosebire de modelele antrenate pe text și cărora li s-a adăugat ulterior viziunea, Gemini a fost antrenat de la început să proceseze împreună mai multe modalități. Asta însemna că putea raționa despre un videoclip la fel cum raționa despre text, înțelegând secvențe temporale, relații spațiale și conexiuni intermodale.

Pentru Google, Gemini reprezenta ani de muncă în care s-au combinat priceperea în cercetare a DeepMind cu expertiza în infrastructură a Google Brain. Fuziunea acestor două echipe în 2023 a fost îndreptată tocmai spre a produce ceva de genul acesta.

Mesajul către industrie era clar: cursa AI nu mai era doar despre OpenAI. Google avea talentul, datele, puterea de calcul și acum și modelul cu care să concureze la frontieră.