Google aktualizuje Gemini 1.5 Pro. Co doda do swojego modelu AI?

Mocną stroną Gemini - zaawansowanego rozwiązania AI stworzonego przez Google - są zdolności multimodalne. Model ten został bowiem stworzony z myślą o równoczesnym i płynnym przetwarzaniu różnych rodzajów danych, takich jak tekst, obrazy, audio, wideo i kod. Dzięki temu może on efektywnie wykonywać skomplikowane zadania związane z rozumowaniem i rozwiązywaniem problemów w różnorodnych dziedzinach.

Zgodnie z informacjami podanymi przez The Verge najnowsze uaktualnienie wyposaży model w "uszy", co umożliwi mu analizowanie załadowanych plików dźwiękowych i wyciągania z nich informacji bez potrzeby korzystania z transkryptów tekstowych. Wprowadzenie tej innowacji rozszerzy możliwości w zakresie przetwarzania danych dźwiękowych np. zapisów rozmów biznesowych czy ścieżek dźwiękowych z filmów.

Google ogłosiło również, że po raz pierwszy udostępni szerszej publiczności Gemini 1.5 Pro za pośrednictwem swojej platformy do tworzenia aplikacji AI, Vertex AI. Model ten, będący średnim rozwiązaniem w rodzinie modeli Gemini, już teraz przewyższa pod względem wydajności największy i najbardziej zaawansowany model tej serii, Gemini Ultra. Co ważne, nowy model nie wymaga już szczegółowego dostosowywania. Google uznaje to za znaczący postęp w kwestii dostępności i prostoty użytkowania technologii AI.

Google zapowiedziało także aktualizacje dla innego dużego modelu AI, Imagen 2, odpowiedzialnego za generowanie obrazów na podstawie tekstu. Nowe funkcjonalności, takie jak inpainting i outpainting, pozwalą użytkownikom na dodawanie lub usuwanie elementów z obrazów. Ponadto Google wprowadziło technologię cyfrowego znakowania wodnego SynthID, mającą na celu oznaczanie obrazów stworzonych przez modele Imagen niezauważalnym znakiem wodnym, który umożliwia identyfikację ich pochodzenia.

The Verge poinformował, że Google zdecydował się na nowatorskie posunięcie. Testuje on bowiem sposób na zwiększenie aktualności odpowiedzi AI poprzez integrację ze swoją wyszukiwarką. Dzięki temu AI będzie mogło udzielać odpowiedzi zawierających najnowsze informacje. Jest to istotny krok naprzód, biorąc pod uwagę poprzednie ograniczenia w odpowiedziach modeli językowych. Świadomie unikały one np. pytań o wybory w USA w 2024 roku, był też krytykowane za generowanie historycznie niepoprawnych obrazów.