O Google apresentou ao público o Gemini, seu mais recente modelo de linguagem grande destinado à inteligência artificial generativa. Este inovador mecanismo, projetado para ser a peça central da gigante das buscas, promete versatilidade e poder, atendendo desde tarefas do dia a dia até desafios complexos em pesquisas científicas.
Gemini: Uma plataforma multimodal para todas as necessidades
Diferenciando-se pela abordagem multimodal desde sua concepção, o Gemini tem a capacidade única de lidar com texto, imagem, vídeo, áudio e programação, tudo em uma única plataforma. Este avanço tecnológico elimina a necessidade de criar modelos distintos para processamento de texto e geração de imagens, oferecendo eficiência e praticidade. O Gemini apresenta três variantes de modelo, adaptando-se às diferentes demandas:
- Gemini Ultra: A versão mais robusta para tarefas complexas.
- Gemini Pro: Uma versão intermediária capaz de lidar com uma variedade de tarefas.
- Gemini Nano: A versão mais eficiente, otimizada para processamento local em dispositivos de consumo.
Testes revelam superação Humana em compreensão massiva de linguagem multitarefa
Em uma série de testes rigorosos, o CEO da DeepMind, Demis Hassabis, anunciou que o Gemini é a primeira inteligência artificial a superar os humanos em Compreensão Massiva de Linguagem Multitarefa (MMLU). Com uma pontuação impressionante de 90,0%, o Gemini Ultra superou a pontuação máxima humana de 89,8%, enquanto o concorrente GPT-4 alcançou 86,4%.
Gemini: Integrando texto e imagem para respostas precisas
A capacidade única do Gemini em combinar entradas simultâneas de texto e imagem destaca-se em seu modo “programador”, permitindo aos usuários inserir um vídeo e solicitar tarefas específicas. Essa integração resulta em respostas mais precisas e personalizadas, exemplificadas pelo Gemini Ultra, que superou os modelos de última geração em processamento de imagem, mesmo sem o uso de sistemas de reconhecimento de caracteres.
A primeira geração do Gemini, conhecida como Gemini 1.0, é treinada para reconhecer e entender texto, imagens, áudio e muito mais simultaneamente. Essa capacidade permite uma compreensão mais profunda e nuanceada das informações, destacando-se em áreas complexas como matemática, física e resolução de problemas diversos.
Investimentos em segurança e expansão Global
O CEO Hassabis enfatizou o compromisso da empresa com a segurança, destacando pesquisas em áreas de risco potencial, como cibersegurança, persuasão e autonomia. Além disso, o Google planeja expandir o suporte de idiomas e disponibilidade do Gemini nos próximos meses, bem como integrá-lo em diversos produtos e serviços, incluindo Busca, Google Ads, Google Chrome e Duet AI.
André Carvalho
