Opdag Gemini: Vores mest kraftfulde og avancerede AI-model til dato

Ethvert teknologisk skift er en mulighed for at fremme videnskabelige opdagelser, accelerere menneskelige fremskridt og forbedre liv. Jeg tror, at den overgang, vi ser lige nu med AI, vil være den mest dybtgående i vores levetid, langt større end overgangen til mobil eller internettet før den. AI har potentiale til at skabe muligheder – fra det hverdagsagtige til det ekstraordinære – for mennesker overalt. Det vil bringe nye bølger af innovation og økonomisk fremgang, der driver viden, læring, kreativitet og produktivitet i en skala, der aldrig er set før.

Det er det, der begejstrer mig: muligheden for at gøre AI nyttig for alle, overalt i verden.

Næsten otte år inde i vores rejse som en AI-førende virksomhed, bare øger tempoetMillioner af mennesker bruger nu generativ AI i vores produkter til at gøre ting, de ikke kunne for bare et år siden, lige fra at finde svar på mere komplekse spørgsmål til at bruge nye værktøjer til at samarbejde og skabe. Samtidig bruger udviklere vores modeller og infrastruktur til at bygge nye generative AI-applikationer, og startups og virksomheder over hele verden vokser med vores AI-værktøjer.

Det er en utrolig hastighed, og alligevel er vi kun lige begyndt at skrabe i overfladen af, hvad der er muligt.

Vi griber dette arbejde an med mod og ansvarlighed. Det betyder, at vi er ambitiøse i vores forskning og forfølger de muligheder, der vil bringe enorme fordele for mennesker og samfund, samtidig med at vi indbygger sikkerhedsforanstaltninger og arbejder i partnerskab med regeringer og eksperter for at håndtere risici, efterhånden som AI bliver mere kapabel. Og vi fortsætter med at investere i de allerbedste værktøjer, grundlæggende modeller og infrastruktur og bruger dem til vores produkter og til andre, vejledt af vores AI-principper .

Nu tager vi det næste skridt på vores rejse med Gemini, vores hidtil mest kapable og alsidige model, med topmoderne ydeevne på tværs af mange førende benchmarks. Vores første udgivelse, Gemini 1.0, er optimeret til forskellige størrelser: Ultra, Pro og Nano. Disse er de første modeller fra Gemini-æraen og den første realisering af den vision, vi havde, da vi grundlagde Google DeepMind tidligere på året. Denne nye æra af modeller repræsenterer en af ​​de største videnskabelige og tekniske indsatser, vi nogensinde har gjort som virksomhed. Jeg er virkelig begejstret for, hvad der venter os, og for de muligheder, Gemini vil åbne op for mennesker overalt.

Introduktion til Gemini

Af Demis Hassabis, administrerende direktør og medstifter af Google DeepMind, på vegne af Gemini-teamet

Kunstig intelligens har været omdrejningspunktet for mit livsværk, ligesom det har været for mange af mine forskerkolleger. Lige siden jeg programmerede kunstig intelligens til computerspil som teenager, og i mine år som neuroforsker, hvor jeg forsøgte at forstå, hvordan hjernen fungerer, har jeg altid troet, at hvis vi kunne bygge smartere maskiner, kunne vi udnytte dem til at gavne menneskeheden på utrolige måder.

Dette løfte om en verden, der er ansvarligt styrket af AI, fortsætter med at drive vores arbejde hos Google DeepMind. Vi har længe ønsket at bygge en ny generation af AI-modeller, inspireret af, hvordan mennesker forstår og interagerer med verden. AI, der føles mindre som smart software og mere som noget nyttigt og intuitivt – en eksperthjælper eller assistent.

I dag er vi et skridt tættere på denne vision, når Vi introducerer Gemini , den mest kapable og generelle model, vi nogensinde har bygget.

Gemini er resultatet af omfattende samarbejder mellem teams hos Google, inklusive vores kolleger hos Google Research. Det blev bygget fra bunden til at være multimodalt, hvilket betyder, at det kan generalisere og problemfrit forstå, fungere på tværs af og kombinere forskellige typer information, herunder tekst, kode, lyd, billede og video.

Introduktion af Gemini: vores største og mest kapable AI-model

Gemini er også vores hidtil mest fleksible model – den kører effektivt på alt fra datacentre til mobile enheder. Dens banebrydende funktioner vil forbedre, hvordan udviklere og virksomhedskunder bygger og skalerer med AI, betydeligt.

Vi har optimeret Gemini 1.0, vores første version, til tre forskellige størrelser:

• Gemini Ultra — vores største og mest kapable model til meget komplekse opgaver.
• Gemini Pro — vores bedste model til skalering på tværs af en bred vifte af opgaver.
• Gemini Nano — vores mest effektive model til opgaver på enheden.

Topmoderne ydeevne

Vi har grundigt testet vores Gemini-modeller og evalueret deres ydeevne på en række forskellige opgaver. Fra forståelse af naturligt billede, lyd og video til matematisk ræsonnement overgår Gemini Ultras ydeevne de nuværende, avancerede resultater på 30 af de 32 udbredte akademiske benchmarks, der anvendes i forskning og udvikling af store sprogmodeller (LLM'er).

Med en score på 90,0 % er Gemini Ultra den første model, der overgår menneskelige eksperter. MMLU (massiv multitasking sprogforståelse), som bruger en kombination af 57 fag såsom matematik, fysik, historie, jura, medicin og etik til at teste både verdenskendskab og problemløsningsevner.

Vores nye MMLU-benchmark giver Gemini mulighed for at bruge deres ræsonnementsevner til at tænke mere grundigt, før de besvarer vanskelige spørgsmål, hvilket fører til betydelige forbedringer i forhold til blot at bruge deres førstehåndsindtryk.

Gemini overgår den nyeste ydeevne på en række benchmarks, herunder tekst og kodning.

Gemini Ultra opnår også en topmoderne vurdering på 59,4 % på den nye MMMU- benchmarken, som består af multimodale opgaver, der spænder over forskellige domæner, som kræver bevidst ræsonnement.

I de billedbenchmarks, vi testede, klarede Gemini Ultra sig bedre end tidligere, avancerede modeller, uden hjælp fra optiske tegngenkendelsessystemer (OCR), der udtrækker tekst fra billeder til videre behandling. Disse benchmarks fremhæver Gemini's native multimodalitet og indikerer tidlige tegn på Geminis mere komplekse ræsonnementsevner.

Se mere information i vores teknisk rapport for Gemini .

Gemini overgår den nyeste teknologi på en række multimodale benchmarks.

Næste generations funktioner

Indtil nu har standardmetoden til at oprette multimodale modeller involveret træning af separate komponenter til forskellige modaliteter og derefter sammensætning af dem for nogenlunde at efterligne noget af denne funktionalitet. Disse modeller kan nogle gange være gode til at udføre bestemte opgaver, såsom at beskrive billeder, men har svært ved mere konceptuel og kompleks ræsonnement.

Vi designede Gemini til at være native multimodal, præ-trænet fra starten i forskellige modaliteter. Derefter finjusterede vi det med yderligere multimodale data for yderligere at forbedre dets effektivitet. Dette hjælper Gemini med problemfrit at forstå og ræsonnere om enhver type input fra bunden, langt bedre end eksisterende multimodale modeller – og dets funktioner er state-of-the-art på næsten alle områder.

Lær mere om Tvillingernes muligheder og se hvordan det fungerer .

Sofistikeret argumentation

Gemini 1.0's sofistikerede multimodale ræsonnementsfunktioner kan hjælpe dig med at forstå kompleks skriftlig og visuel information, hvilket gør den unikt dygtig til at afdække viden, der kan være svær at skelne blandt store mængder data.

Dens bemærkelsesværdige evne til at udtrække indsigt fra hundredtusindvis af dokumenter ved at læse, filtrere og forstå information vil bidrage til at levere nye gennembrud med digitale hastigheder inden for mange områder fra videnskab til finans.

Forstå tekst, billeder, lyd og mere

Gemini 1.0 er trænet til at genkende og forstå tekst, billeder, lyd og mere på én gang, så den bedre kan forstå nuanceret information og besvare spørgsmål om komplekse emner. Dette gør den særligt god til at forklare ræsonnement i komplekse fag som matematik og fysik.

Avanceret kodning

Vores første version af Gemini kan forstå, forklare og generere kode af høj kvalitet i verdens mest populære programmeringssprog, herunder Python, Java, C++ og Go. Dens evne til at arbejde på tværs af sprog og ræsonnere omkring kompleks information gør den til en af de førende grundlæggende modeller for kodning i verden.

Gemini Ultra udmærker sig i adskillige kodningsbenchmarks, herunder HumanEvaluation , en vigtig branchestandard til evaluering af ydeevne på kodningsopgaver, og Natural2Code, vores interne datasæt, som bruger forfattergenererede kilder i stedet for webbaseret information.

Gemini kan også bruges som en motor til mere avancerede kodningssystemer. For to år siden introducerede vi Alfakode , det første AI-kodegenereringssystem, der har nået et konkurrencedygtigt niveau i programmeringskonkurrencer.

Ved hjælp af en specialiseret version af Gemini har vi skabt et mere avanceret kodegenereringssystem, AlphaCode 2, som udmærker sig ved at løse konkurrenceprægede programmeringsproblemer, der går ud over kodning og involverer kompleks matematik og teoretisk datalogi.

Når AlphaCode 2 evalueres på samme platform som den originale AlphaCode, viser den massive forbedringer og løser næsten dobbelt så mange problemer, og vi estimerer, at den overgår 85 % af konkurrenterne – en stigning fra næsten 50 % for AlphaCode. Når programmører samarbejder med AlphaCode 2 ved at definere bestemte egenskaber, som kodeeksemplerne skal følge, præsterer den endnu bedre.

Vi er begejstrede for, at programmører i stigende grad bruger yderst kapable AI-modeller som samarbejdsværktøjer, der kan hjælpe dem med at ræsonnere om problemer, foreslå kodedesign og bistå med implementering – så de kan udgive apps og designe bedre tjenester hurtigere.

Se mere information i vores tekniske rapport om AlphaCode 2. .

Mere pålidelig, skalerbar og effektiv

Vi trænede Gemini 1.0 i stor skala på vores AI-optimerede infrastruktur ved hjælp af Googles specialdesignede Tensor-behandlingsenheder (TPU) v4 og v5e. Og vi designede den til at være vores mest pålidelige og skalerbare model at træne, og vores mest effektive at betjene.

På TPU'er kører Gemini betydeligt hurtigere end før, mindre og mindre kapable modeller. Disse specialdesignede AI-acceleratorer har været kernen i Googles AI-drevne produkter, der betjener milliarder af brugere, såsom Søgning, YouTube, Gmail, Google Maps, Google Play og Android. De har også gjort det muligt for virksomheder over hele verden at træne storskala AI-modeller omkostningseffektivt.

I dag annoncerer vi det mest kraftfulde, effektive og skalerbare TPU-system til dato., Cloud TPU v5p , designet til at træne banebrydende AI-modeller. Denne næste generations TPU vil accelerere Gemini's udvikling og hjælpe udviklere og virksomhedskunder med at træne store generative AI-modeller hurtigere, hvilket gør det muligt for nye produkter og muligheder at nå kunderne hurtigere.

Bygget med ansvarlighed og sikkerhed i centrum

Hos Google er vi forpligtet til at udvikle modig og ansvarlig kunstig intelligens i alt, hvad vi gør. Vi bygger videre på Googles AI-principper og robuste sikkerhedspolitikker i vores produkter, tilføjer vi nye beskyttelser for at tage højde for Gemini's multimodale muligheder. I alle udviklingsfaser overvejer vi potentielle risici og arbejder på at teste og afbøde dem.

Gemini har de mest omfattende sikkerhedsevalueringer af alle Google-brugere AI-modeller til dato, herunder for bias og toksicitet. Vi har udført ny forskning i potentielle risikoområder såsom cyberkriminalitet, overtalelse og autonomi, og har anvendt Google Researchs bedste i sin klasse teknikker til kontradiktorisk testning for at hjælpe med at identificere kritiske sikkerhedsproblemer inden implementeringen af Gemini.

For at identificere blinde vinkler i vores interne evalueringsmetode arbejder vi sammen med en forskelligartet gruppe af eksterne eksperter og partnere for at stressteste vores modeller på tværs af en række problemstillinger.

For at diagnosticere problemer med indholdssikkerhed under Gemini's træningsfaser og sikre, at resultaterne overholder vores politikker, bruger vi benchmarks som f.eks. Virkelige toksicitetsprompter , et sæt af 100.000 prompts med varierende grad af toksicitet taget fra nettet, udviklet af eksperter ved Allen Institute for AI. Mere information om dette arbejde kommer snart.

For at begrænse skade har vi udviklet dedikerede sikkerhedsklassifikatorer til at identificere, mærke og filtrere indhold fra, der f.eks. involverer vold eller negative stereotyper. Kombineret med robuste filtre er denne lagdelte tilgang designet til at gøre Gemini mere sikker og inkluderende for alle. Derudover fortsætter vi med at adressere kendte udfordringer for modeller som fakta, forankring, attribution og bekræftelse.

Ansvarlighed og sikkerhed vil altid være centrale for udviklingen og implementeringen af vores modeller. Dette er en langsigtet forpligtelse, der kræver samarbejde, så vi arbejder med branchen og det bredere økosystem for at definere bedste praksis og sætte sikkerhedsbenchmarks gennem organisationer som f.eks. MLCommons , Grænse Modelforum og dens AI-sikkerhedsfond , og vores Sikker AI-ramme (SAIF), , som blev designet til at hjælpe med at afbøde sikkerhedsrisici specifikke for AI-systemer i den offentlige og private sektor. Vi vil fortsætte med at samarbejde med forskere, regeringer og civilsamfundsgrupper over hele verden, mens vi udvikler Gemini.

Gør Gemini tilgængelig for verden

Gemini 1.0 rulles nu ud på tværs af en række produkter og platforme:

Gemini Pro i Google-produkter

Vi bringer Gemini til milliarder af mennesker gennem Google-produkter.

Fra i dag Bard vil bruge en finjusteret version af Gemini Pro til mere avanceret ræsonnement, planlægning, forståelse og meget mere. Dette er den største opgradering til Bard siden lanceringen. Den vil være tilgængelig på engelsk i mere end 170 lande og territorier, og vi planlægger at udvide til forskellige modaliteter og understøtte nye sprog og steder i den nærmeste fremtid.

Vi tager også Tvillingerne til Pixel . Pixel 8 Pro er den første smartphone designet til at køre Gemini Nano, som driver nye funktioner som Summarize i Recorder-appen og udruller Smart Reply i Gboard, startende med WhatsApp, Line og KakaoTalk. ¹ — med flere beskedapps på vej næste år.

I de kommende måneder vil Gemini være tilgængelig i flere af vores produkter og tjenester, såsom Søgning, Annoncer, Chrome og Duet AI.

Vi er allerede begyndt at eksperimentere med Gemini i Search, hvor det gør vores Search Generative Experience (SGE) hurtigere for brugerne, med en 40% reduktion i latenstid på amerikansk engelsk, sammen med forbedringer i kvaliteten.

Bygger med tvillingerne

Fra den 13. december kan udviklere og virksomhedskunder få adgang til Gemini Pro via Gemini API i Google AI Studio eller Google Cloud Vertex AI .

Google AI Studio er et gratis, webbaseret udviklerværktøj til hurtig prototypeudvikling og lancering af apps med en API-nøgle. Når det er tid til en fuldt administreret AI-platform, giver Vertex AI mulighed for Gemini-tilpasning med fuld datakontrol og udnytter yderligere Google Cloud-funktioner til virksomhedssikkerhed, tryghed, privatliv samt datastyring og overholdelse af regler.

Android-udviklere vil også kunne bygge med Gemini Nano, vores mest effektive model til opgaver på enheder, via AICore, en ny systemfunktion tilgængelig i Android 14, startende med Pixel 8 Pro-enheder. Tilmeld dig en tidlig forhåndsvisning af AICore .

Gemini Ultra kommer snart

For Gemini Ultra gennemfører vi i øjeblikket omfattende tillids- og sikkerhedstjek, herunder red-teaming af betroede eksterne parter, og yderligere forfining af modellen ved hjælp af finjustering og forstærkningslæring fra menneskelig feedback (RLHF), før den gøres generelt tilgængelig.

Som en del af denne proces vil vi gøre Gemini Ultra tilgængelig for udvalgte kunder, udviklere, partnere og sikkerheds- og ansvarlighedseksperter til tidlig eksperimentering og feedback, inden vi ruller det ud til udviklere og virksomhedskunder i starten af næste år.

Tidligt næste år lancerer vi også Bard Avanceret , en ny, banebrydende AI-oplevelse, der giver dig adgang til vores bedste modeller og funktioner, startende med Gemini Ultra.

Gemini-æraen: Muliggør en fremtid præget af innovation

Dette er en vigtig milepæl i udviklingen af AI og starten på en ny æra for os hos Google, da vi fortsætter med hurtigt at innovere og ansvarligt udvikle vores modellers muligheder.

Vi har gjort store fremskridt med Gemini indtil videre, og vi arbejder hårdt på at udvide dets muligheder yderligere til fremtidige udgivelser, herunder fremskridt inden for planlægning og hukommelse, og vi øger kontekstvinduet for at behandle endnu mere information og give bedre svar.

Vi er begejstrede for de fantastiske muligheder i en verden, der er ansvarligt styrket af AI – en fremtid præget af innovation, der vil øge kreativiteten, udvide viden, fremme videnskaben og transformere, hvordan milliarder af mennesker lever og arbejder verden over.