Мир еще не успел привыкнуть к ChatGPT, как технологический гигант Google представил свою новую разработку — Gemini. Это не просто конкурент, а целое семейство моделей искусственного интеллекта, которое обещает изменить наше взаимодействие с технологиями.
Gemini — это первый мультимодальный ИИ, разработанный с нуля. Это значит, что он одновременно понимает и генерирует текст, изображения, аудио и видео.
Что умеет Google Gemini?
— «Видит» и «слышит». Вы можете показать Gemini видео, и он поймет, что происходит на экране, и ответит на вопросы. Например, вы показываете ему видео, как человек пытается вставить ключ, и спрашиваете: «Что он делает неправильно?». Gemini ответит: «Ключ повернут не той стороной».
— Анализирует текст, изображения, код. Он может не только писать стихи, но и объяснять сложные графики, писать и отлаживать код на разных языках программирования.
— Универсальность. Gemini выпущен в трех размерах: Nano (для смартфонов), Pro (для большинства задач) и Ultra (самая мощная версия для сложных задач, способная превзойти ChatGPT-4).
Почему это прорыв?
Предыдущие ИИ работали по принципу "модулей": один модуль для текста, другой для картинок. Gemini воспринимает мир как единое целое, как человек.
— Единая модель. Теперь ИИ может связать текст с видео, аудио с изображением, что открывает невиданные ранее возможности.
— Сложное рассуждение. На презентации Gemini решал сложные задачи, требующие логики и понимания контекста, на уровне, недоступном другим ИИ.
Где мы увидим Gemini?
Gemini уже интегрируется в продукты Google: смартфоны Pixel 8 Pro, чат-бот Bard, поисковые системы и многие другие сервисы.
Итог: Google Gemini — это не просто новый чат-бот. Это ИИ нового поколения, который обещает сделать наше взаимодействие с технологиями более интуитивным, умным и по-настоящему мультимодальным.