Няма спор, че в момента компанията OpenAI диктува какво се случва в сферата на генеративния изкуствен интелект (Gen AI). Нейните алгоритми са внедрени в собствения ѝ бот ChatGTP, като използват и от услугите на Microsoft, които са част от Copilot, Bing и т.н.

Google е в догонваща роля, като по-рано тази година пусна своя чатбот Bard. Той обаче бързо се „спъна“, като се оказа, че допуска елементарни фактологични грешки. Така ChatGPT остана мерилото, което може също да не е идеално, но се справя по-добре от конкурентите си.

Няколко месеца по-късно Google се завръща с нов отговор – значително подобрения алгоритъм Gemini, който ще бъде внедрен в Bard, Google Search, Google Assistant и други услуги на ИТ гиганта. И… отново се „спъна“, разказва darik.bg.

Създаване на изображение с AI харчи ток колкото зареждане на смартфон

Много по-големи амбиции

Google представи Gemini малко неочаквано. Първо се появиха слухове в специализираните издания, че компанията е почти готова с алгоритъма.

След това последва втора вълна спекулации, че дебютът е планиран за декември тази година, но е отложен за март догодина, тъй като има проблеми с Gemini и компанията иска да пусне алгоритъма, когато е готов. И малко след това Google действително представи Gemini.

Компанията обяви, че той е много по-бърз, прецизен и ефикасен спрямо другите алгоритми. Google се похвали, че технологията ще предостави възможности от следващо поколение.

Gemini ще има три версии. Gemini Nano – по-лека версия на алгоритъма, която може да се използва в рамките на устройства, като смартфони, без нужда от интернет връзка. Gemini Pro – най-масовата версия на модела, която е част от Bard и ще може да се използва за различни задачи.

Gemini Ultra е най-голямата и сложна версия на разработката, която ще е за „много сложни задачи“ и се очаква повечето ѝ възможности да са платени.

Gemini Pro е конкурент на GPT-3.5 на OpenAI, а Gemini Ultra – на GPT-4. Google казва, че Gemini Ultra превъзхожда GTP-4 в 30 от 32 най-популярни академични теста за проверка на способностите на големи езикови модели.

Gemini Ultra е и първият алгоритъм от такъв тип, който се справя по-добре от човек на 57 стандартни теста, които проверяват познанията и експертизата на хора в сферата на математика, физика, история, право и т.н.

Изкуственият интелект се включва в битката срещу климатичните промени

Впечатляващо, нали? Има и още. Google казва, че Gemini е мултимодален, т.е. може да работи едновременно с текст, снимки, видео и аудио.

Той ще може да разбира хората, когато му говорят, както и да се справя с по-сложни комбинации от въпроси, например гласова команда, която му казва да разгледа дадена снимка.

Също така ще може да отговаря и с няколко вида съдържание. Например, да направи съпътстващи илюстрации за приказка, която му е казано да напише. Или пък диаграми и дори клипове, които да визуализират дадена информация и т.н.

Gemini ще може да извлича информация от „стотици хиляди документи“ и ще помага за резоюмирането на големи обеми данни, както и за реализиране на нови идеи и възможности в множество сфери, включително наука, финанси, програмиране и т.н.

Gemini Nano ще бъде внедрен в смартфон Pixel 8 Pro на Google, за да подобрява множество аспекти в работата на устройството.

Това е своеобразна демонстрация какво можем да очакваме от AI в смартфоните – от подобряване на качеството на видеозаписите, до резюмета на записи, умни отговори на съобщения според контекста на разговора, оптимизиране на общата продуктивност и т.н.

Скоро AI ще харчи ток колкото цяла държава

Чудесно, но…

Всичко казано досега са предимно очаквания. Те бяха бързо „охладени“, след като се появиха първите отзиви на потребителите, които изпробваха Gemini Pro през Google Bard.

Социалните мрежи се изпълниха с примери, в които Bard, който вече използва Gemini Pro, допуска множество разнородни грешки в най-различни теми и задачи.

И още по-лошо, Google беше обвинена, че е „фалшифицирала“ демонстрационен клип с възможностите на Gemini, съобщи TechCrunch.

Клипът трябва да покаже някои от способностите на алгоритъма, включително описаните мултимодални отговори, като подчертава, че на места е съкратено времето за отговор за прегледност на клипа, т.е. реално ботът ще отговаря малко по-бавно.

Това не е чак такъв проблем, но след като анализатори обърнаха внимание на разминавания между казаното от компанията и реалните действия на бота при тестването му, Google призна: „Създадохме демото, като използваме видео записи, които да тестват способностите на Gemini в множество ситуации. След това даваме команди на Gemini с тези кадри от записите и текст“, казва компанията.

Накратко, вместо да „слуша“ и да „гледа“ както в клипа, Gemini е бил контролиран стандартно чрез текст.

Каква е причината за сътресенията в Open AI

Можем да очакваме, че всичко това ще стане реалност догодина, когато тръгне и Gemini Ultra. Защото в момента само Gemini Pro е достъпен през Bard, а Nano – през Pixel 8 Pro.

Gemini Ultra ще заработи след няколко месеца – време, през което компанията да поправи грешките и да подобри работата на алгоритъма. И тя този път действително трябва да го направи.

Трети подобен гаф може да се окаже много тежък удар за репутацията на Google, както и за доверието към технологиите ѝ.

Разбира се, тя вече е „твърде голяма, за да се срине“ и проблемите няма да доведат до края на компанията. Но също така рискува да изостане от конкурентите си и да изтласка потребителите да използват предимно техните услуги поне в сферата на Gen AI.

А именно Gen AI може да се окаже следващият трилионен бизнес, затова не е добра идея да се допускат грешки, още повече пък да се повтарят и дори потретват.

Новините на Darik Business Review във Facebook , Instagram , LinkedIn и Twitter !