グーグル発表済みは、AIモデルGeminiを発表した。Geminiは、テキスト、コード、オーディオ、画像、ビデオなど、さまざまなタイプの情報を同時に理解し、操作し、組み合わせることができる、Google'のこれまでで最も強力で汎用性の高いAIモデルである。

最先端のパフォーマンス

グーグルが発表したネイティブのマルチモーダルAIモデル「ジェミニ」は、モジュール式のAIモデルをゼロから作り上げることを重視している。人間が五感を持ち、同時に世界を知覚・感知するのと同様に、ジェミニもまた、テキスト、コード、オーディオ、画像、ビデオなど、さまざまなタイプの情報を包括的かつシームレスに理解し、操作し、組み合わせることができる。

この能力は、他の個別に構築されたテキストモデルや音声モデルを後でつなげて結果を出す場合の有効性を凌駕する。

GoogleはGeminiモデルを厳密にテストし、様々なタスクにわたってその性能を評価している。自然な画像、音声、ビデオの理解から数学的推論に至るまで、Gemini Ultraの性能は、大規模言語モデル(LLM)の開発に使用される32の広く使用されている学術的ベンチマークのうち30において、現在の最先端の結果を上回っている。

人間を超えて

最高レベルのジェミニ・ウルトラのスコアは90.0%に達し、MMLU（大規模マルチタスク言語理解）において人間の専門家を上回った最初のモデルとなった。

3つのバージョン

Geminiは、データセンターからモバイルデバイスまで、さまざまなプラットフォームで効率的に実行できる、これまでで最も適応性の高いモデルです。その高度な機能は、AIを活用する開発者と企業顧客の両方にとって、開発とスケーラビリティの選択肢を大幅に改善することになるでしょう。

Googleは、最初のバージョンであるGemini 1.0を3つの異なるサイズに最適化した：

-ジェミニ・ウルトラ - 非常に複雑な作業に対応する、最大かつ最も高性能なモデル。

-Gemini Pro - 幅広いタスクのスケーリングに最適なモデル。

-Gemini Nano - オンデバイスタスクのための最も効率的なモデル。

バードの参加

GoogleのAIチャットボットBardは、高度な推論、計画、理解などを実行するためにGemini Proの改良版の使用を開始した。これはBardの発売以来最大のアップグレードとなる。Bardは、170以上の国と地域で英語で利用可能で、近い将来、さまざまなモードに拡大し、新しい言語や場所をサポートする予定である。

インターネット不要

グーグルはPixelにもGeminiを導入した。Pixel 8 ProはGemini Nanoを搭載した初のスマートフォンで、レコーダーアプリの'Summarize'などの新機能をサポートしている。これはインターネット接続を必要とせず、携帯電話のGeminiを使って録音ファイルから会議の要約を整理することができる。WhatsAppを皮切りに、Gboardでスマートリプライを開始し、来年にはさらに多くのアプリケーションを導入する予定だ。

グーグルおよびアルファベットCEOのスンダル・ピチャイはこう述べた、

AIを世界中のあらゆる人の役に立つものにするチャンスです；