Google lance son modèle de nouvelle génération : Gemini 1.5 192

Après avoir lancé Gemini (que Google espère amener au sommet du secteur de l'ia) il y a seulement deux mois, l'entreprise a déjà annoncé une nouvelle version. Google a lancé aujourd'hui Gemini 1.5, et la propose aux développeurs et aux entreprises avant le lancement d'une version grand public complète.

Gemini 1.5 dispose d'une capacité de compréhension contextuelle d'un million de tokens, ce qui en fait actuellement le plus performant ! Gemini 1.5 offre une compréhension et un raisonnement multimodaux : il est capable de comprendre et de raisonner de manière très complexe sur du texte, du code, des images, de l'audio et de la vidéo. Il permet d'analyser 1 heure de vidéo, 11 heures d'audio, plus de 30 000 lignes de code ou plus de 700 000 mots de texte.

Présentation de Gemini 1.5 :

1. Amélioration des performances : Gemini 1.5 présente des améliorations de performances significatives sur plusieurs dimensions, en particulier une avancée majeure dans la capacité à traiter des informations contextuelles longues, pouvant traiter en continu jusqu'à un million de tokens,拥有了迄今为止所有大型基础模型中最长的上下文窗口。

2. Architecture efficace : Gemini 1.5 est conçu avec une nouvelle architecture de mélange d'experts (MoE), ce qui rend son entraînement et son service plus efficaces. Tout en maintenant une qualité similaire à celle du modèle 1.0 Ultra, il réduit les besoins en calcul.

Lors des tests sur un panel d'évaluations de texte, de code, d'images, d'audio et de vidéo, Gemini 1.5 Pro a surpassé Gemini 1.0 Pro dans les benchmarks LLM avec un score de 87 %. Et ses performances sont globalement comparables à celles du plus grand modèle 1.0 Ultra.

3. Capacité d'apprentissage en contexte : Cette caractéristique permet à Gemini 1.5 de traiter et d'analyser de grandes quantités d'informations, comme 1 heure de vidéo, 11 heures d'audio, des bases de code de plus de 30 000 lignes ou des textes de plus de 700 000 mots.

Lorsqu'on fournit à Gemini 1.5 Pro un manuel de grammaire de la langue kalamang, il est capable d'acquérir de nouvelles compétences à partir des informations fournies, et d'accomplir des tâches de traduction de l'anglais vers le kalamang, avec un niveau de traduction similaire à celui d'un humain apprenant à partir du même contenu.

Le kalamang est une langue rare parlée par moins de 200 personnes dans le monde !

Cette réussite met en évidence la capacité de Gemini 1.5 Pro à traiter des langues rares ou peu répandues, et démontre également ses solides performances en matière de compréhension et d'application d'informations textuelles longues et complexes. Cette capacité revêt une importance considérable pour les applications d'apprentissage des langues, de traitement du langage naturel et d'échanges interculturels.

4. Compréhension et raisonnement multimodaux : Gemini 1.5 est capable de comprendre et de raisonner de manière très complexe sur des contenus de différentes modalités (texte, code, images, audio et vidéo), par exemple en analysant un film muet de 44 minutes et en capturant avec précision les points clés de l'intrigue et les détails.

5. Performances améliorées : Lors des tests sur un panel complet d'évaluations de texte, de code, d'images, d'audio et de vidéo, il est capable de comprendre et de raisonner de manière très complexe sur du texte, du code, des images, de l'audio et de la vidéo. Gemini 1.5 peut analyser avec précision les points clés de l'intrigue d'un film muet de 44 minutes, démontrant ainsi une compréhension approfondie de contenus issus de différents médias.

Fonctionnement de Gemini 1.5 :

Technologie MoE : en divisant le modèle en petits réseaux neuronaux « experts » et en activant de manière sélective les chemins d'experts les plus pertinents en fonction du type d'entrée, la technologie MoE améliore considérablement l'efficacité du modèle. Grâce à une série d'innovations en apprentissage automatique, Gemini 1.5 est capable de traiter et d'analyser des quantités d'informations sans précédent, offrant aux développeurs et aux entreprises clientes de nouvelles capacités pour leurs modèles et applications. Cette capacité de fenêtre contextuelle longue est particulièrement adaptée aux scénarios d'application nécessitant le traitement de grandes quantités de données et de situations complexes, tels que l'analyse approfondie de documents volumineux, la compréhension de contenu vidéo, l'analyse de code complexe et la fusion de données multimodales.

Google est actuellement engagé dans une course intense pour construire les meilleurs outils d'intelligence artificielle, car les entreprises du monde entier tentent de définir leur propre stratégie en matière d'IA, et de déterminer si elles doivent signer des accords de développement avec OpenAI, Google ou d'autres sociétés. Le jour même, deux heures après la publication de Gemini Pro 1.5 par Google, OpenAI a annoncé son modèle de génération de vidéo à partir de texte : Sora, un modèle conçu pour permettre aux utilisateurs du web de générer des vidéos IA de haute qualité à partir de simples invites textuelles.