जेमिनी अनलीशेड: एआय थ्रोन आणि आऊटशाईन चॅटजीपीटी-4 क्राउन करण्यासाठी गूगलची बोल्ड बिड

कृत्रिम बुद्धिमत्तेच्या सदैव विकसित होणाऱ्या दृश्यात, टायटन्सच्या संघर्ष नवीन क्रेसेंडो पर्यंत पोहोचले आहे कारण गूगल त्याच्या भक्कम जेमिनी, ओपनाईच्या चॅटग्प्टला डिथ्रोनिंग करण्याच्या उद्देशाने बहुआयामी एआय मॉडेल आहे. हा क्लॅश एआय युगातील एक महत्त्वाचा क्षण आहे, गूगल सीईओ सुंदर पिचाई जेमिनी युगाची सुरुवात म्हणून ओळखतो.

जेमिनी, एआय मॉडेल्सचे कुटुंब, तीन वेगवेगळ्या फ्लेवर्समध्ये पदार्पण: अल्ट्रा, प्रो आणि नॅनो. अँड्रॉईड डिव्हाईससाठी डिझाईन केलेले लाईटवेट नॅनो आवृत्ती मूळ ऑफलाईन चालविण्यासाठी सेट केली आहे. प्रो प्रकार सुधारित बार्डसह गूगलच्या एआय सेवांना शक्ती देते, तर एआय क्षेत्रातील हेवीवेट अल्ट्रा मॉडेल, डाटा सेंटर आणि एंटरप्राईज ॲप्लिकेशन्ससाठी पॉईज केले जाते.

गुगल डिप्लॉईंग जेमिनी प्रोसह बार्ड वाढविण्यासाठी, चॅटजीपीटीचे त्यांचे उत्तर, हरवलेल्या मैदानाचा पुन्हा दावा करण्यासाठी बॅटलग्राऊंड सेट केले आहे. पिक्सेल 8 प्रो वापरकर्त्यांना जेमिनी नॅनोसह नवीन वैशिष्ट्ये दिली जातात, तर विकसक आणि उद्योग ग्राहकांना गूगल क्लाऊडमधील गूगल जनरेटिव्ह एआय स्टुडिओ किंवा व्हर्टेक्स एआय मार्फत जेमिनी प्रोचा ॲक्सेस मिळतो.

जेमिनी आणि GPT-4 दरम्यानचा घर्षण हा केवळ शब्दांचा युद्ध नाही तर एक सावधगिरीने मोजलेला स्पर्धा आहे. 32 बेंचमार्क मधील परिणाम सादर करून गूगल क्लेम सुप्रीमसी हे प्रमाणित करत आहे की जेमिनी त्यांच्यापैकी 30 मध्ये GPT-4 पेक्षा अधिक कामगिरी करते. ही उत्कृष्टता मॉडेलच्या स्थापनेपासून बहुपद्धतीच्या दिशेने धोरणात्मक गतिमान व्हिडिओ आणि ऑडिओशी समजून घेण्यासाठी आणि संवाद साधण्यासाठी जेमिनीच्या क्षमतेतून येते.

(स्रोत: https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf)

फिगर 1 | भौतिक समस्येसाठी विद्यार्थ्यांच्या उपायाची पडताळणी करीत आहे. हे मॉडेल सर्व हस्तलिखित कंटेंटला योग्यरित्या ओळखण्यास आणि तर्क व्हेरिफाय करण्यास सक्षम आहे. प्रतिमेतील मजकूर समजून घेण्याच्या वर, समस्या सेट-अप समजून घेणे आवश्यक आहे आणि लेटेक्स निर्माण करण्यासाठी सूचनांचे योग्यरित्या अनुसरण करणे आवश्यक आहे.

जेमिनीची अष्टपैलू मजकूर, प्रतिमा, व्हिडिओ आणि ऑडिओ स्विकारणे, भविष्यातील विस्तारांच्या वचनांसह कृतीमध्ये विस्तार करणे आणि स्पर्श करणे - अधिक निर्मित आणि अचूक एआय मॉडेल्ससाठी एक पायरी. बेंचमार्क स्नॅपशॉट प्रदान करताना, सत्य टेस्ट रोजच्या युजरच्या संवादामध्ये असते, मग ते ब्रेनस्टॉर्मिंग कल्पना असतील, माहिती हवी असतील किंवा कोडिंग असतील.

(स्रोत: https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf)

फिगर 2 | जेमिनी मजकूर, प्रतिमा, ऑडिओ आणि व्हिडिओच्या अंतर्निहित क्रमांकांना इनपुट म्हणून समर्थन करते (इनपुट क्रमांकातील विविध रंगांच्या टोकन्सद्वारे स्पष्टपणे). हे इंटरलीव्हड फोटो आणि टेक्स्टसह प्रतिसाद आऊटपुट करू शकते.

ChatGPT च्या जलद आरोहणाद्वारे गूगल, कृत्रिम सामान्य बुद्धिमत्तेच्या (एजीआय) मार्गावर सावध तरीही आशावादी दृष्टीकोन वर जोर देते. जेमिनीची सुरक्षा आणि जबाबदारी कठोर चाचणी करण्यात येते, कटिंग-एज एआयच्या शोधात येणाऱ्या अनपेक्षित आव्हानांचा स्वीकार करते.

गुगलच्या धोरणामध्ये कार्यक्षमता एक प्रमुख खेळाडू बनते, जेमिनी जलद आणि स्वस्त म्हणून स्पष्ट केली जाते, गूगलच्या टेन्सर प्रोसेसिंग युनिट्स (टीपीयूएस) वर प्रशिक्षित केले जाते. टीपीयू v5p प्रणाली सहभागी डेटा केंद्रांची क्षमता वाढवते, जे जेमिनीच्या प्रदर्शनासाठी, विशेषत: अल्ट्रा प्रकारावर नियंत्रित बीटा म्हणून उपचार केला जातो.

जेव्हा जेमिनी टप्प्यावर पाऊल ठेवते, तेव्हा गूगलच्या महत्त्वाकांक्षांच्या प्रतिध्वनी उलगडतात. एआयच्या परिवर्तनशील शक्तीवर पिचईचा दीर्घकालीन विश्वास जेमिनीमध्ये त्याचे अभिव्यक्तीकरण आढळते. सर्च इंजिनपासून ते ॲड प्लॅटफॉर्मपर्यंत विविध गूगल प्रॉडक्ट्समध्ये मॉडेलचे एकीकरण, टेक जायंटच्या प्रभावात भूकंपयुक्त बदल करण्याची क्षमता हेरल्ड करते.

तथापि, जेमिनी सुरू केले तरीही, त्याच्या सूक्ष्मतेशिवाय नाही. प्रो आवृत्ती, आता उपलब्ध, बार्डमध्ये सुधारणा आणते, परंतु अल्ट्रा प्रकार, गूगलच्या जनरेटिव्ह एआयच्या चक्राच्या रूपात स्पष्ट केले जाते, पुढील छाननीसाठी परत आले आहे. जेमिनीच्या विकासादरम्यान सामोरे जाणाऱ्या आव्हानांवर ही सावधगिरी संकेत देते, ज्यामध्ये नॉन-इंग्रजी प्रश्नांचा हाताळणी आणि अद्याप निर्धारित मॉनेटायझेशन धोरण यांचा समावेश होतो.

अनिश्चिततेमध्ये, जेमिनीच्या क्षमतेतून चमक. हे फिजिक्स होमवर्कमधील आव्हानांचा सामना करते, स्टेप-बाय-स्टेप सोल्यूशन्ससह यूजरला सहाय्य करते आणि वैज्ञानिक पेपर्स समजून घेण्यासाठी, चार्ट्स अपडेट करण्यासाठी आणि बरेच काही प्रदर्शित करते. जेमिनीचे वचन बेंचमार्कच्या पलीकडे जाते, ज्यामध्ये विविध पद्धतींमध्ये युजरना अखंडपणे सक्षम करण्याचा प्रयत्न केला जातो.

जेमिनीची कथा गूगलसाठी रिडेम्पशनची गाथा म्हणून ओळखली जाते, सावधगिरी, महत्त्वाकांक्षा आणि एआयमध्ये नवीन युगाचे वचन यासह विणले जाते. जेमिनी स्पॉटलाईटमध्ये पाऊल ठेवत असताना, जगातील घड्याळ, या एआय महाकाव्याच्या दुर्लक्ष अध्याय पाहण्यास उत्सुक.