Google kaster handsken ned med Gemini, deres nye store sprogmodel (LLM).
Gemini-projektet er primært udviklet af Google DeepMind og signalerer et kommende opgør med OpenAI's ChatGPT.
Informationen rapporterede, at Google har givet tidlig adgang til Gemini for en udvalgt gruppe af udviklere, hvilket antyder, at en betaudgivelse er nært forestående.
Når Google kombinerer sine betydelige ressourcer med forskningslaboratorierne Brain og DeepMind, kan Geminis potentielle indflydelse på AI-industrien blive enorm.
Mens OpenAI er braget ind på AI-scenen og har taget kontrol over offentlige brugere med ChatGPT, er Google støttet af Årtiers forskning i kunstig intelligens og ejer betydelige proprietære datasæt.
Googles CEO Sundar Pichai afslørede Gemini under Google I/O-udviklerkonferencen i maj 2023. Han sagde, at Gemini er designet "fra bunden til at være multimodal" og kombinerer DeepMinds AlphaGo-systemstyrker med kraftfulde sprogmodelleringsfunktioner.
Demis Hassabis, CEO for DeepMind, tilføjede mere kontekst og sagde, at Gemini ikke er en enkelt model, men snarere en "serie af modeller" og sandsynligvis vil arbejde med tekst, billeder og muligvis endda tale og lyd.
Dette svarer til retningen for Google Bard, som indeholder billedfunktionalitet med tilladelse fra Google Lens.
Fremtidige forbedringer kan omfatte funktioner som "hukommelse og planlægning, der kan muliggøre opgaver, der kræver ræsonnement", ifølge Pichai.
Googles chefforsker Jeffrey Dean afslørede, at Gemini vil bruge Googles nye AI-infrastruktur, Pathways, til at opskalere sin træning på forskellige datasæt.
Dean antydede, at systemet potentielt kunne overstige størrelsen på OpenAI's GPT-3, som indeholder over 175 milliarder parametre - men det ville betyde, at Gemini stadig er en generation bagud i forhold til GPT-4.
Men antallet af parametre er ikke alt, og Gemini kan adskille sig fra andre LLM'er på andre måder.
Ud over at arbejde med flere datatyper angav Hassabis for eksempel, at Gemini kunne krydsvalidere oplysninger med Google Search.
Industriens reaktion
Hassabis afslørede, at Gemini viser "meget lovende tidlige resultater" i et møde i september. interview med Time.
En rapport af Semi-analyse siger, at Gemini overstiger 430 milliarder parametre, hvilket er betydeligt højere end GPT-3's estimat på 200 milliarder. Parametertallet for GPT-4 er ukendt, men det rapporteres at være omkring 1 billion ifølge en håndfuld analyser.
Semi Analysis-indlægget hævder også, at Gemini vil "smadre" GPT-4's prætræningsflops med 5 gange, og at der er planer om at slå den med 20 gange. Selvom det er spekulativt, vil det betyde, at Gemini er betydeligt mere kraftfuld end GPT-4 rent beregningsmæssigt.
I indlægget står der: "Om Google har modet til at offentliggøre disse modeller uden at neutralisere deres kreativitet eller deres eksisterende forretningsmodel, er en anden diskussion."
Som Sundar Pichai sagde, vil dagens chatbots "se trivielle ud" i sammenligning inden for et par år.
Om Gemini vil bryde GPT-4's dominans, er dog stadig uvist.
