След като Google наскоро преименува своя AI модел от Bard на Gemini и обяви множество модели, нещата станаха малко объркващи. И сега има нов модел в микса. Google пусна нов модел Gemini 1.5 Pro. Една от големите мистерии е какво прави по-новия модел Gemini Pro 1.5 различен от по-стария модел Gemini 1.0.
Тук ще разгледаме разликите между двете и нещата, които можете да правите с подобрения AI модел.
Какво е Gemini 1.5 Pro
Gemini 1.5 е моделът от следващо поколение в семейството Gemini от модели с големи езици от Google, който предоставя значителни подобрения спрямо съществуващия модел 1.0.
Ако все още не сте използвали Gemini Basic, той е доста подобен на други модели с изкуствен интелект. Той работи на модела Gemini 1.0 Pro и можете да въведете подкани в лентата за търсене и да помолите AI да търси информация, да генерира съдържание или да създава изображения.
Кой има достъп до него? Докато Gemini 1.0 в момента е достъпен безплатно в няколко региона и множество езици чрез уеб приложението, по-новият модел 1.5 Pro не е достъпен за широката публика в момента. Само бизнес потребители и разработчици могат да го изпробват в момента с помощта на Vertex AI и AI Studio.
Моделът, наличен в момента за тестване, е безплатен и има контекстен прозорец до един милион жетони, но след като бъде пуснат, няма да бъде безплатен. Въпреки че е наличен в Preview безплатно, трябва да очаквате известно забавяне от модела.
Освен това Google първоначално планира да пусне Gemini 1.5 Pro с контекстен прозорец от 128 000 токена, когато бъде пуснат за всички. Може да стартира различни нива на ценообразуване, като базовият модел от 128 000 токена е безплатен, а моделът с един милион токени е наличен на цена, но компанията все още не е направила съобщение.
Gemini 1.0 срещу. Gemini 1.5 Pro
Сега нека да разгледаме функциите, които правят Gemini 1.5 Pro значително надграждане спрямо предишната версия.
По-голям контекстен прозорец
AI моделите като Gemini използват контекстен прозорец, който е направен от токени и включва части от текст, изображения, видеоклипове, аудио, код и т.н. По-големият контекстен прозорец позволява на AI модел да събира и обработва повече информация.
Докато контекстният прозорец на Gemini 1.0 е ограничен до 32 000 токена, по-новият модел 1.5 има контекстен прозорец от един милион токена. (Google дори успешно тества 10 милиона токена по време на тяхното изследване; това е вълнуващо!)
Това обаче е за платената версия на модела Gemini Pro 1.5. Контекстният прозорец на безплатната версия на модела Pro е ограничен до 128 000 токена, което все още е значително повече от това на Gemini 1.0.
С по-големия контекстен прозорец Gemini Pro 1.5 може да обработва 30 000 реда код, 700 000 думи, 11 часа аудио, едночасово видео и дълги текстови документи. Това прави този AI модел по-мощен от GPT-4 модела на OpenAI, захранващ ChatGPT.
По-бързо време за реакция
Gemini 1.5 Pro разчита на най-новата архитектура Transformer и Mixture-of-Experts (MoE), което му позволява да предоставя отговори много по-бързо. Докато нормалният трансформатор функционира като единична невронна мрежа, тези на MoE използват групи от такива мрежи, което води до по-голяма ефективност.
Когато се предоставя вход на AI модели, използващи архитектурата на MoE, те активират само съответните пътища, предотвратявайки загубата на ресурси. Задачата, която трябва да бъде изпълнена, също е разделена между различни невронни модели, осигурявайки по-бързо по-добро качество на изхода.
По този начин с Gemini Pro 1.5 можете да намерите отговори или да генерирате изображения и текстово съдържание по-бързо, което води до по-голяма ефективност и продуктивност.
Превъзходни способности за кодиране
Ако разчитате на Gemini за целите на кодирането, Gemini Pro 1.5 е идеалният AI модел. Може да ви помогне бързо да пишете надежден код, което е възможно главно поради по-големия контекстен прозорец, позволяващ на модела да обработва по-голямо количество данни.
Подобрените способности за решаване на проблеми на Gemini 1.5 Pro му позволяват да обработва по-големи кодови блокове от предишния модел. Освен че ви помага да пишете по-добър код, той може да обясни работата на различни части от кода и да предложи полезни модификации. Това го прави отличен избор за разработчиците.
Подобрени способности за учене и разсъждение
Gemini 1.5 Pro е много по-добър в запазването на информация и може много ефективно да разсъждава в различни мултимодални контексти. Той е изключително опитен в интерпретирането на огромни парчета информация. Поради това можете да използвате този AI модел за лесно идентифициране и локализиране на информация във видеоклипове, аудио и дълги текстови документи.
Освен това може да учи нови езици и може да борави по-лесно с множество езици, без да е необходимо да му се предоставя много информация за тях. Освен това, тъй като може да намери такава информация и дори да я извика от огромни набори от данни, моделът може да се използва с отлични резултати при задачи за разсъждение.
Подобрените възможности за разсъждение и припомняне правят Gemini 1.5 Pro подходящ за голямо разнообразие от цели, като академични изследвания, създаване на съдържание и анализ на код.
Подобрено управление на аудио и визуални задачи
Както беше обяснено по-горе, Gemini 1.5 Pro може да интерпретира информация от изображения и видеоклипове по-добре от по-стария модел. Може да се използва за ефективно интегриране на изображения с текстови данни, като същевременно разбира контекста на различните елементи в изображенията.
Тази възможност го прави добър избор за генериране на текстова информация от визуални данни с минимални усилия. С най-новите възможности за анализ и интерпретация на изображения, този AI модел може да разпознава и категоризира обекти, да разбира техните връзки и да извлича информация от неподвижни изображения.
По същия начин способността за видео анализ на по-новия модел AI е много по-усъвършенствана и му позволява да разпознава модели във видео, да прогнозира резултати и да проследява промените. Gemini 1.5 Pro може да разбира събития, действия и дори емоции до известна степен. Така че може да се използва за получаване на видео анализи с по-голяма точност, отколкото беше възможно с Gemini 1.0.
Що се отнася до аудио подобренията, версията 1.5 Pro на Gemini може да разбира и транскрибира реч с много по-малко грешки в сравнение с други модели. Благодарение на това точността остава висока дори при дълги аудио парчета и преводът на един език от друг при запазване на контекста и значението е по-лесен.
Какво можете да правите с Gemini 1.5 Pro?
Gemini 1.5 Pro ще ви позволи да постигнете много неща, които не са възможни с по-стария AI модел. Ето няколко примера за нещата, които ще можете да правите с Gemini 1.5 Pro; разработчиците и фирмите могат веднага да експериментират с тези:
- Вместо просто да четете и разбирате кратки статии, можете да четете цели книги и дългосрочно текстово съдържание с Gemini 1.5 Pro. Тъй като може лесно да обработва големи количества текстово съдържание и сложни документи, можете дори да го помолите да анализира различни секции и да отговори на свързани въпроси.
- Гледайте пълни филми и получете подробен анализ на всяка сцена. Преди това беше възможно да се направи само за кратки клипове с Gemini 1.0. Например, можете да помолите AI модела да ви предостави информация като мотивацията на героя, символиката и др.
- Слушайте дълги аудио парчета и събирайте информация от тях. Gemini 1.0 ви позволява да правите кратки бележки само от кратки аудио парчета. За разлика от тях можете да използвате актуализирания AI модел, за да слушате дълги лекции, да обобщавате сложни идеи и дори да предоставяте подробни преписи.
- С по-добра способност за припомняне можете да помолите Близнаци да отговори на въпроси относно теми, които са били обсъдени по-рано в разговора. Тази способност може да бъде доста полезна, когато търсите информация по множество теми.
- Използвайки информацията, получена от различни източници, AI моделът може дори да се използва за генериране на творческо съдържание като сценарии или стихове. Творческите области могат да се възползват много от подобрените възможности на Gemini 1.5 Pro.
- Новият модел Pro AI може да ви помогне да напишете правилен код, като разберете цялата програма, вместо само няколко реда. Можете също така да поискате от него предложения, да го използвате за идентифициране на грешки и генериране на кодови фрагменти.
Gemini 1.5 Pro идва с няколко подобрения спрямо предишната версия, които го правят фантастичен инструмент за почти всеки. Сега, когато изкуственият интелект на Google може директно да се конкурира с базирания на GPT-4 ChatGPT, той непременно ще стане по-популярен в ежедневната употреба, след като Google го пусне по-широко.