Gemini (ranije poznat kao Bard) je porodica multimodalnih velikih jezičnih modela (LLM) razvijenih od strane Google DeepMind. Služi kao osnova za Googleov chatbot i AI asistent, a razvijen je kao direktan konkurent modelima poput OpenAI-jevog ChatGPT.
Gemini modeli su dizajnirani da budu multimodalni, što znači da mogu razumjeti, operisati i kombinovati različite vrste informacija uključujući tekst, slike, zvuk i video, čineći ih sposobnim za obavljanje složenih zadataka rasuđivanja.
Opis Gemini predstavlja najnapredniji skup modela vještačke inteligencije (AI) koje je Google razvio. Dostupan je u nekoliko verzija prilagođenih različitim potrebama:
Gemini Nano: Najefikasniji model dizajniran za zadatke na samom uređaju (on-device), poput rezimiranja teksta ili sugerisanja odgovora direktno na pametnom telefonu. Gemini Pro: Model srednje veličine koji pokreće većinu funkcionalnosti Gemini asistenta i Googleovih proizvoda, nudeći brze performanse i napredno razmišljanje. Gemini Ultra: Najveći i najsposobniji model, dizajniran za visoko kompleksne zadatke. Pristup Ultri je obično dostupan putem pretplate na uslugu Gemini Advanced.
Multimodalnost Ključna karakteristika Geminija je njegova izvorna multimodalnost. Za razliku od ranijih modela koji su tekstualne podatke integrisali sa drugim modalitetima (poput slika) u kasnijoj fazi, Gemini je obučen na različitim podacima od početka, omogućavajući mu da besprijekorno razumije i generiše odgovore bazirane na tekstu, slikama i drugim medijima u istom kontekstu.
Kontekstni prozor Gemini je poznat po svojim velikim kontekstnim prozorima, koji određuju koliko informacija model može "zapamtiti" i obraditi u jednom upitu. Napredne verzije Geminija (npr. Gemini 1.5 Pro) podržavaju kontekstni prozor od 1 milion tokena (što odgovara oko 1.500 stranica teksta), što ga čini jednim od najsposobnijih modela za analizu dugih dokumenata, kodova i video zapisa.
Razvoj i historija Google je prvi put najavio Gemini krajem 2023. godine. Model je razvijen kao nasljednik ranijeg Bard chatbota, koji je prvobitno koristio LaMDA i kasniji model PaLM 2.
Decembar 2023.: Google zvanično lansira Gemini, u početku ga integrišući u svoje proizvode i čineći ga dostupnim programerima. Februar 2024.: Chatbot "Bard" se zvanično preimenuje u Gemini, a lansirana je i mobilna aplikacija koja zamjenjuje Google Assistant na Android uređajima u nekim regijama. Također je predstavljena pretplata Gemini Advanced za pristup najmoćnijem modelu. Maj 2024. i kasnije: Lansiranje porodice modela Gemini 3.0 i 3.1, s fokusom na povećanje brzine, efikasnosti i kapaciteta kontekstnog prozora.
Integracija Gemini je integrisan u širok spektar Googleovih proizvoda i usluga:
Gemini Aplikacija: Samostalni AI asistent (chatbot) dostupan na webu i kao mobilna aplikacija. Google Workspace: Integracija u aplikacije kao što su Gmail, Google Docs i Google Sheets za pomoć pri pisanju, rezimiranju i generisanju sadržaja (putem usluge Duet AI, koja je kasnije preimenovana u Gemini for Workspace). Android: Mogućnost da zamijeni Google Assistant kao primarni glasovni asistent. Google Search: Korištenje Gemini modela za pokretanje generativnih iskustava u pretrazi (Search Generative Experience - SGE).
Reference
Vanjski linkovi