Projekt Gemini od Google to zaawansowany model języka sztucznej inteligencji (AI), który został oficjalnie zaprezentowany publiczności. Gemini jest dostępny dla użytkowników w usługach Bard od Google oraz w smartfonie Pixel 8 Pro, z planowanym wprowadzeniem modelu dla przedsiębiorstw, znanego jako Gemini Pro i to już 13 grudnia​.

Gemini to duży model językowy LLM wykorzystujący generatywną sztuczną inteligencję. Jest to też pierwszy model trenowany jako mulimodalny, czyli nie uczył się najpierw tekstu a potem obrazków lecz doskonalił się w kilku dziedzinach jednocześnie. Jest zdolny do podsumowywania tekstu, tworzenia obrazów i odpowiadania na pytania. Gemini został wytrenowany na jednostkach przetwarzających tensory (TPU) v4 i v5e firmy Google​ ​. Model ten występuje w trzech wersjach: Ultra, Pro i Nano, z których każda ma różne zastosowania. Wersja Ultra jest najbardziej zaawansowana, Nano jest najmniejsza i najbardziej efektywna, a Pro znajduje się pomiędzy nimi, zapewniając ogólną funkcjonalność dla zadań ogólnych​ ​.

Jedną z interesujących cech Gemini jest jego zdolność do programowania w popularnych językach, takich jak Python, Java, C++ i Go. Google wykorzystał Gemini do ulepszenia swojego systemu generowania kodu opartego na AI, znanego jako AlphaCode​​. Gemini ma również być włączony do kolejnych produktów i usług Google, w tym Reklam, Chrome i Duet AI, a w przyszłości ma być również używany w wyszukiwarce Google​

Gemini i produkty oparte na nim, takie jak chatboty, będą konkurować z takimi technologiami jak GPT-4 firmy OpenAI, Copilot firmy Microsoft (oparty na GPT-4), Claude AI firmy Anthropic, Llama 2 firmy Meta i innymi. Google twierdzi, że Gemini Ultra przewyższa GPT-4 w kilku testach, w tym w masowym wielozadaniowym teście rozumienia języka ogólnego i generowaniu kodu Python​

Od 13 grudnia klienci korporacyjni i programiści będą mieli dostęp do Gemini Pro poprzez interfejs API Gemini w Vertex AI lub Google AI Studio. Google spodziewa się, że Gemini Nano będzie ogólnie dostępny dla programistów i klientów korporacyjnych na początku 2024 roku. Programiści Androida będą mogli wykorzystać ten model języka do tworzenia aplikacji Gemini na urządzeniach przez AndroidAICore​

Szczególnie interesującą cechą Gemini jest jego zdolność do „rozumienia i rozumowania na temat intencji użytkowników”, co zostało podkreślone przez Palasha Nandy'ego, dyrektora inżynierii w Google. Gemini generuje spersonalizowany interfejs użytkownika w zależności od tego, czy użytkownik szuka obrazów czy tekstu, a także sygnalizuje obszary, w których potrzebuje dodatkowych informacji i prosi o wyjaśnienia​

Projekt Gemini od Google stanowi znaczący postęp w dziedzinie generatywnych modeli językowych, oferując zaawansowane możliwości w tworzeniu obrazów, kodowania i rozumowania. Jego integracja z istniejącymi produktami Google oraz plany wdrożenia w innych usługach pokazują, jak technologia ta może znacząco wpłynąć na przyszłość sztucznej inteligencji i jej zastosowań.