Google anunció Gemini: el modelo de Inteligencia Artificial más avanzado que ha desarrollado hasta la fecha. Este es el resultado de los esfuerzos colaborativos a gran escala por parte de distintos equipos de Google, incluidos Google DeepMind y Google Research y se trata del proyecto científico y de investigación más grande de la compañía hasta el momento.
Se ha optimizado Gemini 1.0, la primera versión de este modelo, en tres dimensiones diferentes:
- Gemini Ultra: el modelo de mayor capacidad y tamaño para tareas complejas
- Gemini Pro: el mejor modelo para escalar una amplia gama de tareas
- Gemini Nano: el modelo más eficiente para tareas en dispositivos móviles.
¿Qué es Gemini?
Es un modelo de Inteligencia Artificial multimodal, lo que significa que puede generar y comprender, operar y combinar a la perfección diferentes tipos de información, incluyendo texto, imágenes, audios, videos y lenguajes de programación.
También es el modelo más flexible hasta el momento, capaz de ejecutarse eficientemente en cualquier dispositivo, desde móviles hasta centros de datos. Gemini mejorará significativamente la forma en la que los clientes corporativos y desarrolladores construyen y escalan con IA.
“La inteligencia artificial ha sido el enfoque principal de mi trabajo a lo largo de mi vida, al igual que para muchos de mis colegas de investigación”, anunció Demis Hassabis, CEO y cofundador de Google DeepMind.
“Desde programar IA para videojuegos cuando era adolescente, hasta mis años como investigador en neurociencia tratando de comprender el funcionamiento del cerebro, siempre he creído que si pudiéramos construir máquinas más inteligentes, podríamos aprovecharlas para beneficiar a la humanidad de maneras increíbles. Esta promesa de un mundo responsablemente potenciado por la IA sigue impulsando nuestro trabajo en Google DeepMind. Durante mucho tiempo, hemos querido construir una nueva generación de modelos de IA, inspirados en la forma en que las personas comprenden e interactúan con el mundo. Una IA que se sienta menos como un software inteligente y más como algo útil e intuitivo: un ayudante o asistente experto. Hoy, estamos un paso más cerca de esta visión al presentar a Gemini, el modelo más capaz y general que hemos construido hasta ahora”, dijo.
Basado en tecnología de última generación
Hasta el momento, el método estándar para crear modelos multimodales consistía en entrenar componentes separados para distintas modalidades, y luego unirlos para imitar a grandes rasgos algunas de sus funciones. A veces, estos modelos pueden ser buenos en determinadas tareas, como la descripción de imágenes, pero tienen algunas dificultades con el razonamiento más conceptual y complejo.
Por eso, la compañía diseñó Gemini, para que fuera un modelo de IA multimodal de forma nativa, es decir, previamente entrenado en diferentes modalidades (y desde el inicio). Se perfeccionó con datos multimodales adicionales para poder mejorar su eficacia. Esto ayuda a Gemini a comprender y razonar sin problemas todo tipo de entradas desde el principio, mucho mejor que los modelos multimodales existentes, y sus capacidades son de vanguardia en casi todos los ámbitos.
Pruebas comparativas
Este nuevo modelo de IA se ha puesto a prueba rigurosamente y evaluando su rendimiento en una amplia variedad de tareas que abarcan: desde la comprensión de imágenes naturales, audio y video, hasta codificación y el razonamiento matemático. El desempeño de Gemini Ultra supera 30 de los 32 puntos de referencia académicos ampliamente utilizados en la investigación y el desarrollo de grandes modelos lingüísticos. Podrán conocer más en este documento técnico, haciendo clic aquí.
Gemini a disposición del mundo
Gemini 1.0 se encontrará disponible en una serie de productos y plataformas:
Para usuarios
- A partir de hoy, Bard con Gemini Pro estará disponible en inglés en más de 170 países y territorios. Esta herramienta será más capaz en cuestiones como comprender y resumir, razonar, generar ideas, escribir y planificar. Esta es la mayor mejora de calidad de Bard desde su lanzamiento. \
- También se llevará “Gemini” a Pixel. Pixel 8 Pro es el primer teléfono inteligente diseñado para ejecutar Gemini Nano que impulsa nuevas funciones como resumir en la aplicación de Grabadora e implementar Redacción Inteligente en Gboard, comenzando con WhatsApp, y el próximo año se incluirán más aplicaciones de mensajería.
- Como parte de las exhaustivas verificaciones de confianza y seguridad de Gemini Ultra, Google lo pondrá a disposición de clientes, desarrolladores, socios y expertos en seguridad y responsabilidad seleccionados para que experimenten y den su opinión antes de lanzarlo para desarrolladores y clientes corporativos, a principios del año que viene.\
- A principios del 2024, la compañía lanzará Bard Advanced: una nueva experiencia de IA avanzada mediante la que podrá acceder a los mejores modelos y capacidades, comenzando por Gemini Ultra.\
- Y ya estamos trabajando para que Gemini potencie otros productos como Search, Chrome, nuestros anuncios y Duet AI.
Para clientes y desarrolladores
A partir del 13 de diciembre, desarrolladores y clientes podrán acceder a Gemini Pro a través de la API de Gemini en Google AI Studio y en Vertex AI de Google Cloud.
- AI Studio es una herramienta web gratuita que ayuda a desarrolladores a prototipar y lanzar aplicaciones de manera rápida y sencilla.\
- Vertex AI, por su parte, permite una personalización de Gemini con control total sobre los datos y suma los beneficios de Google Cloud como seguridad, privacidad, gobernanza de datos y compliance de nivel corporativo.
Los desarrolladores de Android podrían crear aplicaciones sobre Gemini Nano, nuestro modelo más eficiente para dispositivos móviles, a través de AI Core.
