Gemini_云技派,专注ai人工智能! 229

Gemini es el nuevo modelo de ai presentado por Google DeepMind, que integra funciones de razonamiento multimodal y supera el rendimiento de modelos anteriores, siendo adecuado para diversas aplicaciones como la obtención de información a partir de literatura científica y programación competitiva.

Gemini se ha construido desde cero como multimodal, lo que significa que puede generalizar y comprender, manipular y combinar sin problemas diferentes tipos de información, incluyendo texto, código, audio, imágenes y vídeo.

Dirección oficial de Gemini: deepmind.google/technologies/gemini/ (requiere acceso científico a internet)

Gemini es también nuestro modelo más flexible hasta la fecha: capaz de funcionar de forma eficiente en todo tipo de dispositivos, desde centros de datos hasta dispositivos móviles. Sus capacidades de última generación mejorarán significativamente la forma en que los desarrolladores y clientes empresariales utilizan la IA para crear y escalar.

Google DeepMind ha optimizado la primera versión de Gemini 1.0 para tres tamaños diferentes:

• Gemini Ultra — nuestro modelo más grande y potente, para tareas altamente complejas.

• Gemini Pro — nuestro mejor modelo para escalar en una amplia variedad de tareas.

• Gemini Nano — nuestro modelo más eficiente para tareas en el dispositivo.

Gemini 1.0 ha sido entrenado para reconocer y comprender simultáneamente texto, imágenes, audio, etc., lo que le permite comprender mejor la información matizada y responder preguntas relacionadas con temas complejos. Esto lo hace especialmente bueno explicando el razonamiento en disciplinas complejas como las matemáticas y la física.

Además, la compleja función de razonamiento multimodal de Gemini 1.0 puede ayudar a comprender información escrita y visual compleja. Esto lo hace único en su capacidad para descubrir conocimientos difíciles de discernir en grandes cantidades de datos. Su capacidad excepcional para extraer conocimientos leyendo, filtrando y comprendiendo información de cientos de miles de documentos ayudará a lograr nuevos avances a velocidad digital en muchos campos, desde la ciencia hasta las finanzas.

Gemini es capaz de crear gráficos a partir de listas de datos, analizar cientos de páginas de investigación y, a continuación, actualizar los gráficos. Otro ejemplo que ofrece es el análisis de la foto de los deberes de matemáticas de una persona y el uso de Gemini para identificar las respuestas correctas y señalar las incorrectas.

Gemini se diferencia cualitativamente de GPT-4 en varios aspectos:

1. Gemini puede generar de forma nativa imágenes y texto, mientras que GPT-4 solo introduce imágenes. No hemos visto esta capacidad en ningún otro modelo grande.

2. Gemini puede introducir de forma nativa vídeo y audio además de imágenes; aquí es donde entra en juego el acceso de Google a grandes cantidades de datos diversos y legítimos. En particular, la comprensión de vídeo resultará muy interesante.