Mi a Google Gemini AI eszköze (korábban Bard)? Minden, amit tudnia kell
A Google párbeszédes AI chatbotja folyamatosan frissítéseket kap - még új nevet is kapott. Szeretné kipróbálni a Geminit (korábban Google Bard)? Íme, amit tudnod kell.
Mi az a Gemini (korábban Google Bard)?
A Gemini a Google társalgási AI chatbotja, amely a ChatGPT-hez hasonlóan működik, azzal a legnagyobb különbséggel, hogy a Google szolgáltatása az internetről szerzi be az információkat. (A ChatGPT adatai 2021-ig korlátozottak)
A legtöbb mesterséges intelligencia csevegőbothoz hasonlóan a Gemini is tud kódolni, matematikai problémákat megválaszolni, és segít az írási szükségletekben. Februártól a Gemini képeket is generálhat. Az eléréséhez nem kell mást tennie, mint ellátogatni a Gemini webhelyére, és bejelentkezni a Google-fiókjába.
Mikor jelentették be az akkoriban Google Bard néven ismert Geminit?
A Bardot először február 6-án jelentette be a Google és az Alphabet vezérigazgatója, Sundar Pichai nyilatkozatában. A Google Bard valamivel több mint egy hónappal később, 2023. március 21-én jelent meg. Majd közel egy évvel később a Bardot átkeresztelték Geminire.
Mikor nevezték át a Google Bardot Gemini-re? Miért?
A Google február 8-án átnevezte a Google Bard-ot Gemini-re, ezzel is jelezve a Google LLM-jét, amely az AI chatbotot működteti. "A legfejlettebb technológiát tükrözendő, a Bard mostantól egyszerűen Gemini lesz" - mondta Sundar Pichai, a Google vezérigazgatója a bejelentésben.
Amikor a Google Bard csaknem egy éve először megjelent, volt néhány jelentős hibája. Azóta két nagy nyelvi modell (LLM) frissítéssel és számos frissítéssel jelentősen nőtt, és az új név egy módja annak, hogy a múltban hagyjuk a múlt hírnevét.
Hogyan működik a Gemini, a Google chatbotja?
A Gemini bevezetése óta számos nagy nyelvi modell (LLM) frissítésen ment keresztül. Kezdetben az akkoriban Bard néven ismert Gemini a LaMDA könnyű modellváltozatát használta, amely kevesebb számítási teljesítményt igényelt, és több felhasználóra is méretezhető volt.
A LaMDA a Transformerre, a Google neurális hálózati architektúrájára épült, amelyet a vállalat 2017-ben talált ki és nyitott forráskóddal. Érdekes módon a GPT-3, a ChatGPT nyelvi modellje szintén a Transformerre épült a Google szerint.
A chatbot teljesítménye sok felhasználót nem nyűgözött le; ennek eredményeként a Google gyorsan változott, és a chatbotot PaLM 2-re frissítette, amelyet a Google I/O 2023-on mutattak be. A PaLM 2 - a PaLM fejlettebb változata, amelyet 2022 áprilisában adtak ki - lehetővé tette, hogy a Gemini sokkal hatékonyabb legyen. és magasabb szinten teljesít, mint az eredeti modell.
Aztán 2023 decemberében a Google ismét frissítette a Geminit, ezúttal a Geminire, a cég eddigi legképességesebb és legfejlettebb LLM-jére. Igen, az AI chatbotnak és a mögöttes LLM-nek ugyanaz a neve. Pontosabban, a Gemini a Gemini Pro angol nyelvre finomhangolt verzióját használja.
A Google saját LLM-ek - LaMDA, PaLM 2 és Gemini - használatára vonatkozó döntése merész volt, mert a jelenleg legnépszerűbb mesterséges intelligencia-csevegőbotok némelyike, köztük a ChatGPT és a Copilot, a GPT-sorozat nyelvi modelljét használják.
A Google Gemini elérhető a nyilvánosság számára?
A Google I/O-n a technológiai óriás bejelentette, hogy a továbbiakban nem lesz várólista a Gemini számára, vagyis jelenleg nyitva áll a nagyközönség számára.
Korábban a Gemini várólistája 2023. március 21-én nyílt meg, és a technológiai óriás korlátozott számú felhasználó számára biztosított hozzáférést az Egyesült Államokban és az Egyesült Királyságban.
Hol lehet elérni a Geminit?
A felhasználók a Geminit asztali számítógépen keresztül érhetik el annak önálló webhelyén. Hamarosan a felhasználók mobilon is elérhetik a Geminit az újonnan bemutatott Gemini Android-alkalmazáson vagy a Google iOS-alkalmazásán keresztül.
Az Android felhasználóknak lehetőségük lesz letölteni a Gemini alkalmazást a Google Play Áruházból, vagy feliratkozni a Google Asszisztensen keresztül. Amint ezt megteszik, hozzáférhetnek a Gemini segítségéhez az alkalmazásból vagy bárhonnan, ahol a Google Asszisztens általában aktiválva van, például a bekapcsológomb megnyomásával, a sarokban húzással vagy akár az „Ok Google” kimondásával.
Milyen nyelveken érhető el a Gemini?
A Gemini GYIK-je szerint februártól a chatbot több mint 40 nyelven érhető el, ami jelentős előnyt jelent legnagyobb riválisával, a ChatGPT-vel szemben, amely csak angolul érhető el.
A Google által megosztott teljes nyelvlista a következőket tartalmazza: arab, bengáli, bolgár, kínai (egyszerűsített/hagyományos), horvát, cseh, dán, holland, angol, észt, perzsa, finn, francia, német, görög, gudzsaráti, héber , hindi, magyar, indonéz, olasz, japán, kannada, koreai, lett, litván, malajálam, marathi, norvég, lengyel, portugál, román, orosz, szerb, szlovák, szlovén, spanyol, szuahéli, svéd, tamil, telugu, thai , török, ukrán, urdu és vietnami.
Megfordíthatom a képkeresést vagy a multimodális keresést a Geminiben?
Júliusi frissítési hullámában a Google hozzáadta a multimodális keresést, lehetővé téve a felhasználók számára, hogy képeket és szöveget vigyenek be a chatbotba.
A multimodális keresés a Google Lens Geminibe való integrálásával lehetséges, amelyet eredetileg a Google I/O-n jelentettek be. Ez a funkció azért hasznos, mert a felhasználók feltölthetnek egy képet, és további információkat kérhetnek a Geminitől, vagy beépíthetik a promptba.
Például, ha meglát egy növényt, és tudni akarja, milyen növény az, mindössze annyit kell tennie, hogy készítsen egy képet, és kérdezze meg az Ikreket. Megmutattam Gemininek egy képet a kutyusomról, és az pontosan tudta azonosítani, hogy a kutyám Yorkie, ahogy az alábbi képen is látható.
A Gemini képeket is tartalmaz a válaszaiban?
Igen, 2023 májusának végén a Geminit frissítettük, és képeket is tartalmazott a válaszaiban. A képek a Google-ból származnak, és akkor jelennek meg, amikor feltesz egy olyan kérdést, amelyre egy fénykép hozzáadásával jobban megválaszolható.
Például amikor megkérdeztem Geminit: "Melyek a legjobb helyek, amelyeket érdemes meglátogatni New Yorkban?", akkor listát adott a helyekről, és mindegyikhez mellékelt fényképeket.
Tudsz képeket generálni a Geminiben?
Igen, 2024. február 1-től a Gemini képes képeket generálni a Google DeepMind által kifejlesztett Imagen 2, a Google legfejlettebb szöveg-kép modelljének felhasználásával. Használata egyszerű. Mindössze annyit kell tennie, hogy megkéri az Ikreket, hogy „rajzoljon”, „generáljon” vagy „hozzon létre” egy képet, és mellékelje a leírást annyi - vagy kevés - részlettel, amennyire szükséges.
Az eredmények lenyűgözőek, és meglehetősen tisztességesen kezelik az olyan összetett feladatokat, mint a kéz vagy az arc, amint az az alábbi képen is látható. Automatikusan két fotót generál, de ha négyet szeretne látni, kattintson a „többet generál” lehetőségre.
Van fizetős előfizetési szint a Gemini számára?
Február 8-án a Google bemutatta az új Google One AI Premium csomagot, amely havi 19,99 dollárba kerül, ugyanannyiba, mint az OpenAI és a Microsoft prémium csomagjai, a ChatGPT Plus és a Copilot Pro. Az előfizetéssel a felhasználók hozzáférhetnek a Gemini Advanced szolgáltatáshoz, amelyet az Ultra 1.0, a Google legképességesebb mesterséges intelligencia modellje hajt.
A kiadás szerint az Ultra 1.0-nak köszönhetően a Gemini Advanced olyan összetett feladatokat tud megbirkózni, mint a kódolás, a logikai érvelés és még sok más. Egy AI Premium csomag felhasználói ezenkívül 2 TB tárhelyet, Google Fotók szerkesztési funkciókat, 10%-os visszatérítést a Google Store-jutalmakból, a Google Meet prémium videohívási funkcióit és a Google Naptár továbbfejlesztett időpont-ütemezését kapják.
A legjobb az egészben az, hogy a Google két hónapos ingyenes próbaverziót kínál a felhasználóknak az új csomag részeként. A kezdéshez látogassa meg ezt az oldalt és regisztráljon.
Mi volt a vita a Gemini körül, a Bard idején, amikor először indult?
Az akkoriban Google Bard néven ismert Gemini durva indítást ért el, a Bard bemutatója pontatlan információkat közölt a James Webb Űrteleszkópról (JWST).
Az induláskor a Google Twitteren közzétette az AI csevegőszolgáltatás demóját, amelyben a felszólítás így szólt: "Milyen új felfedezésekről beszélhetek a James Webb űrteleszkópból a 9 évesemnek?" Bard így válaszolt: "A JWST készítette a legelső képeket a saját Naprendszerünkön kívüli bolygóról." Az emberek gyorsan észrevették, hogy a kimeneti válasz tényszerűen helytelen.
"Ez rávilágít a szigorú tesztelési folyamat fontosságára, amit ezen a héten indítunk el a Trusted Tester programunkkal" - mondta a Google szóvivője a ZDNET-nek.
A chatbot tényleges teljesítménye is sok negatív visszajelzéshez vezetett.
A ZDNET tapasztalatai szerint Bard nem válaszolt az alapvető kérdésekre, hosszabb volt a várakozási idő, nem tüntette fel automatikusan a forrásokat, és elhalványult a megalapozottabb versenytársakhoz képest. Sundar Pichai, a Google vezérigazgatója a ChatGPT-hez és a Bing Chathez képest, amely jelenleg másodpilóta, Bardot „egy felpörgetett Civicnek” nevezte.
A Gemini legújabb Gemini-frissítésének meg kellett volna oldania minden olyan problémát, amely a chatbot kezdeti kiadását sújtotta.
Miért döntött úgy a Google, hogy bemutatja a Geminit (akkoriban Bardot), amikor mégis?
Térjünk vissza 2022 novemberének végére, amikor megjelent a ChatGPT. Kevesebb mint egy héttel az indulás után a ChatGPT-nek több mint egymillió felhasználója volt. A svájci UBS bank elemzése szerint a ChatGPT minden idők leggyorsabban növekvő „alkalmazása” lett. Más technológiai cégek, köztük a Google, látták ezt a sikert, és szerettek volna egy darabot az akcióból.
Ugyanazon a héten, amikor a Google bemutatta a Bardot - 2023 februárjában - a Microsoft bemutatta az új, mesterséges intelligencia által továbbfejlesztett Binget, amely a következő generációs OpenAI LLM-en fut, kifejezetten keresésre szabva.
Milyen más AI-szolgáltatásokkal rendelkezik a Google?
A Google más mesterséges intelligencia-szolgáltatásokat is kifejlesztett, amelyeket még nem tettek közzé a nyilvánosság számára. A technológiai óriás általában enyhén lépked az AI-termékekkel kapcsolatban, és addig nem adja ki őket, amíg a vállalat nem biztos a termék teljesítményében.
E technológiák közül azonban sok elérhető a Google Labs szolgáltatáson keresztül. Jelenleg elérheti az ImageFX-et, a Google lenyűgöző, önálló AI képgenerátorát; Search Generative Experience, amely a mesterséges intelligenciát beépíti a Google szokásos keresőjébe; NotebookLM, a Google AI-first notebookja; és a MusicFX, egy mesterséges intelligencia-eszköz zene generálására, hogy csak néhányat említsünk.
Mi az a Google Labs?
A Google Labs egy olyan platform, ahol tesztelheti a vállalat korai ötleteit a funkciókkal és termékekkel kapcsolatban, és visszajelzést adhat arról, hogy a kísérletek bevezetésre kerültek-e, és milyen változtatásokat hajtanak végre a megjelenésük előtt. Annak ellenére, hogy a Google Labs technológiái előzetes verzióban vannak, rendkívül funkcionálisak.
Például az ImageFX, a Google önálló AI képgenerátora elérhető a Google Labs-ban, és rendkívül lenyűgöző. Gyakorlatilag foglalkoztam a generátorral, és megdöbbentem, hogy milyen jó.
Mi a Google Gemini AI modellje?
A Google I/O 2023 rendezvényen a vállalat bejelentette a Geminit, a Google DeepMind által létrehozott nagy nyelvi modellt. A Google I/O idején a vállalat arról számolt be, hogy az LLM még korai fázisában volt. A Google ezután decemberben a nyilvánosság számára is elérhetővé tette Gemini modelljét.
A Gemini három méretben kapható: Gemini Nano, Gemini Pro és Gemini Ultra. Minden méret alkalmassá teszi a Gemini-t különböző feladatokra. A Gemini, a Google mesterséges intelligencia chatbotja a Gemini Pro technológiával működik, ezért a grom Bard nevet kapta Geminire.