Quinta-feira Google revelar Gemini 1.5 Pro, que a empresa descreve como oferecendo “desempenho significativamente melhorado” em comparação com o modelo anterior. O caminho da IA ​​da empresa – visto internamente como crítico para o seu futuro – segue-se ao lançamento do Gemini 1.0 Ultra na semana passada, juntamente com a mudança de marca do chatbot Bard (para Gemini) para se alinhar com as capacidades mais poderosas e versáteis do novo modelo.

Em uma postagem de anúncio no blog, o CEO do Google, Sundar Pichai, e o CEO do Google DeepMind, Demis Hassabis, tentam equilibrar a garantia de seu público sobre a segurança ética da IA, ao mesmo tempo que promovem as capacidades de seus modelos em rápida evolução. “Nossas equipes continuam a ultrapassar os limites dos nossos modelos mais recentes com a segurança em sua essência”, resumiu Pichai.

A empresa precisa enfatizar a segurança dos céticos da IA ​​(incluindo um ex-executivo do Google) e dos reguladores governamentais. Mas também precisa enfatizar o desempenho acelerado de seus modelos para desenvolvedores de IA, clientes em potencial e investidores que temem que a empresa tenha sido muito lenta para responder ao sucesso da OpenAI com o ChatGPT.

Pichai e Hassabis dizem que o Gemini 1.5 Pro oferece resultados semelhantes aos do Gemini 1.0 Ultra. No entanto, o Gemini 1.5 opera neste nível de forma mais eficiente, com menores requisitos computacionais. Os recursos multimídia incluem processamento de texto, imagens, vídeos, áudio ou código. À medida que os modelos de IA avançam, eles continuarão a oferecer um conjunto mais diversificado de capacidades em uma única caixa de reivindicação (outro exemplo recente é a integração do OpenAI para gerar imagens DALL-E 3 no ChatGPT).

O Gemini 1.5 Pro também pode lidar com até 1 milhão de tokens, ou seus módulos de modelagem de dados alimentados por IA podem processá-los em uma única solicitação. O Google afirma que o Gemini 1.5 Pro pode processar mais de 700.000 palavras, uma hora de vídeo, 11 horas de áudio e bases de código com mais de 30.000 linhas de código. A empresa afirma ter “testado com sucesso” uma versão que suporta até 10 milhões de tokens.

A empresa afirma que o Gemini 1.5 Pro mantém alta precisão em consultas com maior número de tokens quando tem mais dados novos para aprender. Ela diz que gostou do modelo Avaliação de agulha em palheiro. Neste teste, os desenvolvedores inserem uma pequena informação dentro de um longo bloco de texto para ver se o modelo de IA consegue capturá-la. O Google disse que o Gemini 1.5 Pro pode encontrar texto incorporado 99% do tempo em blocos de dados de até 1 milhão de tokens.

O Google diz que o Gemini 1.5 Pro pode refletir sobre vários detalhes das transcrições da missão lunar Apollo 11 de 402 páginas. Além disso, ele pode analisar pontos da trama e eventos de um filme mudo de 44 minutos estrelado por Buster Keaton. “Como a longa janela de contexto do 1.5 Pro é a primeira do tipo entre modelos de grande escala, estamos constantemente desenvolvendo novas avaliações e benchmarks para testar suas novas capacidades”, escreveu Hassabis.

Google lança Gemini 1.5 Pro com capacidade de 128.000 tokens mesmo número É aí que os modelos GPT-4 da OpenAI (anunciados publicamente) atingem seu limite. Hassabis diz que o Google acabará introduzindo novos níveis de preços que suportam até 1 milhão de consultas únicas.

O Gemini 1.5 Pro também é adepto do aprendizado de novas habilidades a partir de informações em longos prompts – sem ajustes adicionais (“aprendizado no contexto”). Em um padrão chamado Tradução automática de um livro,A modelo aprendeu um guia gramatical para Kalamang, uma língua falada por menos de 200 falantes em todo o mundo e na qual nunca havia sido treinada antes. A empresa afirma que o Gemini 1.5 Pro aprende o desempenho em um nível semelhante ao que um ser humano aprende o mesmo conteúdo ao traduzir do inglês para Kalamang.

Em uma parte do anúncio que chamará a atenção dos desenvolvedores, o Google afirma que o Gemini 1.5 Pro pode realizar tarefas de resolução de problemas em blocos de código mais longos. “Quando recebem um prompt contendo mais de 100.000 linhas de código, eles podem raciocinar melhor por meio de exemplos, sugerir modificações úteis e fornecer explicações sobre como funcionam diferentes partes do código”, escreveu Hassabis.

No que diz respeito à ética e à segurança, o Google afirma que está adotando “a mesma abordagem para a publicação responsável” que fez com os modelos Gemini 1.0. Isto inclui o desenvolvimento e aplicação de técnicas de red teaming, onde um grupo de desenvolvedores éticos atuam essencialmente como advogados do diabo, testando “uma série de danos potenciais”. Além disso, a empresa afirma que realiza um exame minucioso em áreas como integridade de conteúdo e danos representacionais. A empresa afirma que continua a desenvolver novos testes éticos e de segurança para as suas ferramentas de IA.

O Google lança acesso antecipado ao Gemini 1.5 para desenvolvedores e clientes corporativos. A empresa planeja eventualmente torná-lo mais amplamente disponível. Atualmente, o Gemini 1.0 está disponível para os consumidores, juntamente com um Alternativa profissional Que custa $ 20 por mês.