GEMINI: ИННОВАЦИОННАЯ ЯЗЫКОВАЯ МОДЕЛЬ ОТ GOOGLE AI Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.07

Чопанова А.О.

преподаватель кафедра Медицинской физики и информатики Туркменский государственный медицинский университет имени М.Каррыева

Туркменистан, г. Ашхабад

Гурбанова М.Ш.

преподаватель кафедра Медицинской физики и информатики Туркменский государственный медицинский университет имени М.Каррыева

Туркменистан, г. Ашхабад

Нурыев С.

преподаватель кафедра Медицинской физики и информатики Туркменский государственный медицинский университет имени М.Каррыева

Туркменистан, г. Ашхабад

GEMINI: ИННОВАЦИОННАЯ ЯЗЫКОВАЯ МОДЕЛЬ ОТ GOOGLE AI

Аннотация: Данная статья представляет обзор инновационной языковой модели, разработанной исследовательской группой Google AI под названием Gemini. Модель представляет собой мощный инструмент для обработки естественного языка, основанный на передовых методах глубокого обучения. В статье рассматриваются основные принципы работы модели, её потенциальные применения и перспективы развития.

Ключевые слова: Gemini, Google AI, языковая модель, обработка естественного языка, глубокое обучение, искусственный интеллект.

Gemini — это большая языковая модель (LLM), разработанная Google AI. LLM — это тип искусственного интеллекта, который может понимать и

писать текст на человеческом уровне. Gemini обучается на обширной базе данных текста и кода, что позволяет ему выполнять широкий спектр задач.

Google объявила о запуске главного конкурента ChatGPT — ИИ-модели Gemini, которая обходит GPT-4 в большинстве тестов. По словам гендиректора компании Сундара Пичаи, Gemini — это огромный шаг вперёд в развитии ИИ, который в конечном итоге повлияет практически на все продукты Google. Модель способна на «продвинутые рассуждения» в нескольких форматах и появился в открытом доступе 13 декабря 2023.

Сундар Пичаи анонсировал выход Gemini на конференции I/O в июне. Сейчас под именем Gemini Google выпустила сразу несколько ИИ-моделей. Так, «лёгкая» Gemini Nano предназначена для работы на устройствах Android. Модель Gemini Pro вскоре станет основой многих сервисов Google, и в первую очередь чат-бота Bard. Самую мощную модель, Gemini Ultra, разработчики называют крупнейшей LLM, которую когда-либо выпускала Google. Она, по всей видимости, предназначена для центров обработки данных и корпоративных приложений.

Модель ИИ Gemini - инновационный продукт, обладающий уникальной способностью обрабатывать информацию разных типов: текст, видео, аудио и программный код. При этом с аудио и видео она справляется так же хорошо, как и с текстом.

Основные умения:

• делает выводы на базе изученных данных, выполняет перевод текстов,

ведет диалог;

• решает задачи, пользуясь математическим мышлением;

• генерирует программный код и создает документацию;

• распознает и понимает изображения, видео и аудио.

Этот искусственный интеллект выдает более сложные размышления, отвечает на непростые вопросы и понимает гораздо больше нюансов информации, чем его предшественник Bard. Работая в режиме

многозадачности, он может извлекать самые ценные и важные данные из сотен тысяч документов. Кроме того, Gemini 1.0 оснащен обновленным инструментом AlphaCode 2, благодаря которому модель понимает, объясняет и генерирует программный код высокого качества на самых распространенных языках - Java, C++, Python и Go. Она демонстрирует отличные результаты в решении задач по программированию, выходящих за рамки простого кодинга и включающих элементы теоретической информатики и высшей математики. Все это дает Google веские основания полагать, что их модель поможет совершить прорывы во множестве сфер, от науки до экономики и финансов.

По словам представителей компании, Gemini изначально обучался работе с разными форматами информации, а не осваивал дополнительный функционал после запуска основного, как другие модели. В качестве примера работы новинки они представили видеоролик, где чат-бот Bard на базе Gemini помогает студенту выполнить домашнее задание по физике. В качестве вводных данных учащийся загружает в него фото вопросов, написанных на листе бумаги. Изучив их, ИИ дает пошаговые ответы с уравнениями.

Одно из конкурентных преимуществ искусственного интеллекта Gemini - высокая адаптивность к любым устройствам. Его можно будет использовать практически везде, начиная от простого смартфона и заканчивая крупными центрами обработки данных.

В чем уникальность нового ИИ

Представители Google утверждают, что Gemini - новаторская модель ИИ, потенциал которой, как мы уже упоминали, позволит опередить GPT-4 от OpenAI и живых экспертов. Весь спектр ее возможностей базируется на двух основных чертах - мультимодальности и человечности.

Создать действительно эффективный и привлекательный для пользователей мультимодальный ИИ можно только путем слияния разных

моделей искусственного интеллекта. Языковая модель, компьютерное зрение, обработка графов и звука, программирование и кодирование - все это нужно интегрировать между собой и грамотно согласовать, чтобы достичь полной синергии. Так, если сильно упростить, выглядит разработка мультимодального ИИ. Это очень сложная, монументальная задача, и Google удалось ее решить, создав Gemini. Более того, корпорация собирается пойти еще дальше и вывести эту концепцию на беспрецедентный уровень.

С мультимодальностью разобрались, теперь - о человечности. Причина сногсшибательного успеха практически любого генеративного ИИ заключается в имитации машиной того, что делает человек. О чем именно идет речь? Люди не фрагментируют свою деятельность на задачи, не зависящие друг от друга: коммуникацию, кодинг, написание отчетов, графическое творчество. Они могут заниматься всем этим одновременно. Например, в процессе создания рисунка вы звоните коллеге и уточняете некоторые детали изображения, после чего пишете в мессенджер своему руководителю и отправляете ему отчет о проделанной работе за месяц. Человеческий мозг способен одномоментно воспринимать, интерпретировать и понимать данные разных форматов: текст, речь, звуки и изображения. Благодаря этому, мы осознаем окружающую нас среду, реагируем на раздражители и стимулы, а также находим инновационные и нестандартные способы решения задач. Gemini от Google получил ту же способность, приблизившись таким образом еще на шаг к человеку.

Обучение модели

Для обучения Gemini корпорация Google задействовала рекордные вычислительные мощности, использовав самые прогрессивные обучающие чипы TPUv5. Ее система тензорных процессоров TPUv5p - единственная технология в мире, которая обеспечивает одновременную работу 16 384 чипов. Этот сверхмощный ускоритель ИИ предназначен для центров обработки данных, где обучаются и запускаются крупномасштабные

генеративные модели. Именно он дал Google возможность наделить такой массивный продукт, как Gemini, максимумом знаний и умений.

В основе обучения любой модели ИИ лежат не только мощность чипов и их количество, но и данные. Без них ничего не выйдет. А вот в этой сфере Google практически нет равных. По данным консалтинговой компании SemiAnalysis, коллекция данных этой корпорации, содержащих только код, оценивается приблизительно в 40 триллионов токенов. Это количество эквивалентно сотням петабайт (для наглядности можете представить себе текст миллионов книг). Один такой комплект Google в 4 раза превышает объем всех данных (кодовых и некодовых), которые были использованы для обучения ChatGPT-4.

Главный исполнительный директор Alphabet Inc. и Google Сундар Пичаи и генеральный директор дочерней компании Google DeepMind Демис Гассабис считают появление Gemini огромным скачком в развитии ИИ, который затронет почти все продукты корпорации. Сферы применения Gemini

Искусственный интеллект сегодня активно внедряется во многих сферах: промышленности, технологиях, образовании, науке, бизнесе. Gemini найдет применение в таких областях:

• Компьютерное зрение (выявление объектов и аномалий, обработка и понимание ßD-сцены).

• Наука о геопространственных данных (круглосуточный мониторинг, объединение информации, полученной из нескольких источников, ее анализ и структурирование).

• Охрана здоровья (профилактическая медицина, персонализация системы здравоохранения, биосенсоры).

• Компьютерно-интегрированные и интеллектуальные технологии (LLM, синтез данных, передача системам предметных знаний, расширение диапазона возможностей принятия решений на основе данных).

Известно о 3 версиях LLM:

Gemini Ultra — самая большая и мощная;

Gemini Pro - для широкого спектра задач;

Gemini Nano - для пользователей Android.

Nano

Gemini Nano - самая маленькая модель. Лучше всего она подходит для решения задач, требующих помощи ИИ, непосредственно на устройстве, без подключения к внешнему серверу. Примеры таких задач: подведение итогов текста, предложение ответа в приложении чата. Кроме удобства, эта модель ИИ гарантирует пользователям сохранение конфиденциальности их данных.

Nano разработана для смартфонов и представлена в 2 версиях. Одна располагает 1,8 миллиарда параметров и предназначена для более медленных устройств. Вторая обладает 3,25 миллиарда параметров, поэтому ею можно пользоваться на телефонах помощнее.

Pro

Gemini Pro - модель-универсал среднего размера (100 миллиардов параметров), справляющаяся с широким спектром задач. Она понимает сложные запросы и быстро дает ответы. Ее основное предназначение - ядро последней версии чат-бота Bard. Кроме того, ее уже используют в корпоративных центрах обработки данных Google. Представители корпорации утверждают, что она превзошла ряд других генеративных моделей ИИ и даже широко известную GPT-3.5 от OpenAI.

Разработчики и корпоративные пользователи могут получить доступ к Gemini Pro посредством API через сервисы Google AI Studio и Google Cloud Vertex AI.

Ultra

Gemini Ultra - самая крупная и мощная модель, предназначенная для решения сверхсложных задач. Количество ее параметров превышает 1 триллион. На данный момент Ultra превосходит возможности всех

существующих моделей искусственного интеллекта в мире. Ей первой удалось обогнать человека в стандартном тесте MMLU, получив 90%. Подробнее об этом вы сможете узнать в следующем разделе.

Доступ к Ultra пока имеют лишь избранные эксперты по безопасности, тестировщики и ключевые бизнес-партнеры корпорации. В начале 2024 года Google собирается открыть его для всех ее разработчиков и корпоративных пользователей. На это время также запланирован запуск ИИ-ассистента Bard Advanced, который обретет все возможности этой версии Gemini.

Gemini VS GPT-4

Тесты, проведенные Google, продемонстрировали, что Gemini оказалась лучше любого продукта OpenAI. Корпорация поделилась двумя таблицами со сравнением собственной разработки с моделью GPT-4. Согласно представленным в них данным, по абсолютному большинству показателей лидирует Gemini. Например, в тестах MMLU правильными были 90% ее ответов. Результат ChatCPT - 86,4 процента. Интересно, что ей удалось обойти даже человека с уровнем эксперта, который в этих тестах обычно набирает 89,8%.

Для справки: MMLU (Massive Multitask Language Understanding) -стандартный тест, с помощью которого измеряют способности искусственного интеллекта. Он состоит из набора задач по 57 тематическим кластерам, которые включают математику, физику, географию, историю, право, экономику, медицину, этику, а также сложные вопросы, посвященные логическим ошибкам, моральным проблемам в повседневности и так далее.

В 30 тестах из 32, проведенных в рамках исследования LLM Gemini, она обошла GPT-4. По результатам трех тестов на способность осмысливать информацию и делать правильные выводы эта модель одержала уверенную победу в двух из них. Также она была первой в обоих тестах по созданию программного кода и математике.

Какие задачи могут выполнять Близнецы?

• Создание креативных текстов: песни, рассказы, сценарии, фрагменты кода, электронные письма, письма и многое другое.

• Языковой перевод: перевод текстов с одного языка на другой с сохранением их смысла.

• Отвечать на вопросы: отвечать на открытые, сложные или странные вопросы всесторонне и подробно.

• Краткое изложение текстов: написание краткого изложения длинных текстов, сохраняя при этом самое важное.

Gemini еще находится в стадии разработки, но уже научился выполнять все эти задачи на высоком уровне. Он может бегло и бегло писать тексты, точно переводить языки, исчерпывающе и подробно отвечать на вопросы, кратко резюмировать тексты.

Что делает Близнецов особенными?

Gemini - одна из самых продвинутых программ LLM в мире. Он превосходен по нескольким причинам:

• Размер: Gemini обучается на обширной базе данных текста и кода, что позволяет ему изучать сложные шаблоны и улучшать свою производительность при выполнении различных задач.

• Скорость: Близнецы могут обрабатывать тексты с высокой скоростью, что позволяет им быстро и точно отвечать на вопросы и задачи.

• Точность: Близнецы уделяют особое внимание точности как при создании текстов, так и при переводе языков.

• Креативность: Близнецы могут создавать креативные и оригинальные тексты, такие как стихи, рассказы и сценарии.

Как можно использовать Близнецов?

Gemini можно использовать через простой веб-интерфейс. Просто введите текст или вопрос, и Gemini предоставит вам желаемый результат. Будущее Близнецов

Близнецы - это только начало. Команда Google AI продолжает развивать и совершенствовать модель, и ожидается, что в будущем она сможет выполнять еще множество задач, таких как:

• Написание маркетингового контента

• Генерация кода

• Писать книги

• Сочинение музыки и более

Gemini Advanced: усовершенствованная языковая модель от Google AI.

Gemini Advanced — это расширенная версия языковой модели Gemini от Google AI. Он был разработан с целью предоставления улучшенных возможностей для решения сложных задач, сохраняя при этом простоту использования и доступность.

Вот некоторые преимущества Gemini Advanced:

• Улучшенные когнитивные способности: Gemini Advanced прошел обучение на обширной базе данных, что позволяет ему лучше понимать мир и обрабатывать сложную информацию. В результате он может выполнять широкий спектр задач, в том числе:

• Понимание текста: углубленный анализ смысла текста, выявление контекста и выявление намерений.

• Создание текста: творческое и информативное написание с адаптацией к желаемому стилю и формату.

• Перевод: точный и естественный перевод между языками, сохраняющий смысл исходного текста.

• Отвечая на вопросы: давая исчерпывающие и точные ответы на открытые, сложные и даже странные вопросы.

• Улучшенные творческие способности: Gemini Advanced может создавать самые разнообразные творческие текстовые форматы, такие

как песни, коды, сценарии, музыкальные произведения, электронные письма, письма и многое другое. Он постарается изо всех сил удовлетворить все требования.

• Улучшенные возможности кодирования: Gemini Advanced может писать высококачественный код с глубоким пониманием синтаксиса и функциональных требований.

• Улучшение возможностей обработки естественного языка (НЛП): Gemini Advanced оснащен расширенными возможностями НЛП, которые позволяют ему выполнять такие задачи, как распознавание эмоций, анализ настроений, распознавание сущностей и многое другое.

• Улучшенные возможности обучения: Gemini Advanced постоянно учится и совершенствуется на основе взаимодействия с пользователями и новых данных.

• Улучшения своего общения. Gemini Advanced теперь доступен в рамках программы Google One AI Premium.

Для кого предназначен Gemini Advanced?

Gemini Advanced предназначен для широкого круга пользователей, в том числе:

• Писатели: писатели и журналисты могут использовать Gemini Advanced, чтобы черпать идеи, быстро и легко писать тексты, а также улучшать качество написанного.

• Программисты: Программисты могут использовать Gemini Advanced для написания высококачественного кода, экономии времени и повышения своей производительности.

• Студенты: Студенты могут использовать Gemini Advanced для изучения новых предметов, написания научных статей и проведения исследований.

• Деловые люди: Деловые люди могут использовать Gemini Advanced для создания презентаций, написания отчетов и улучшения своего общения.

Для всех, кто хочет проявлять творческий подход : Gemini Advanced — это мощный инструмент, который может помочь любому проявить творческий подход и развивать новые идеи.

Google позиционирует Gemini как мощную модель искусственного интеллекта с высокоразвитыми возможностями мультимодального мышления. Корпорация утверждает, что она даже мощнее GPT-4.

Gemini может обрабатывать различные формы информации, такие как видео, аудио и текст.

Gemini может работать на разных устройствах, от центров обработки данных до мобильных устройств.

Идеально подходит для кодирования

Как пояснили в Google, Gemini может понимать, объяснять и генерировать высококачественный код на самых распространенных языках программирования, таких как Python, Java, C++ и Go. В заключение:

Gemini Advanced — это продвинутая и мощная языковая модель, которую можно использовать для решения самых разных задач. Он предлагает расширенные когнитивные возможности, расширенные творческие возможности, расширенные возможности кодирования, расширенные возможности НЛП и расширенные возможности обучения.

СПИСОК ЛИТЕРАТУРЫ:

1. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165.

2. Google AI Blog. (2021). Introducing MUM: A new milestone for AI understanding. [Online]. Available: https://ai.googleblog.com/2021/10/introducing-mum-new-milestone-for-ai.html.

3. Google Research. (2021). Introducing LaMDA: Our breakthrough conversation technology. [Online]. Available: https://research.google/our-research/laMDA/.

4. Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. arXiv preprint arXiv:2103.00020.

5. Ramesh, A., Goyal, A., Peng, C., Chia, R. K., Tang, Z., Zhu, P., ... & Oliva, A. (2021). Zero-shot text-to-image generation. arXiv preprint arXiv:2102.12092.

Chopanova A.O.

Lecturer, Department of Medical Physics and Informatics Turkmen State Medical University named after M. Karryev Turkmenistan, Ashgabat

Gurbanova M.Sh.

Lecturer, Department of Medical Physics and Informatics Turkmen State Medical University named after M. Karryev Turkmenistan, Ashgabat

Nuryev S.

Lecturer, Department of Medical Physics and Informatics Turkmen State Medical University named after M. Karryev Turkmenistan, Ashgabat

GEMINI: INNOVATIVE LANGUAGE MODEL FROM GOOGLE AI

Abstract: This article provides an overview of an innovative language model developed by the Google AI research group called Gemini. The model is a powerful natural language processing tool based on advanced deep learning techniques. The article discusses the basic principles of the model, its potential applications and development prospects.

Key words: Gemini, Google AI, language model, natural language processing, deep learning, artificial intelligence.