A ChatGPT 2022. november végi berobbanása indította el a mamutcégek, startupok nagy nyelvmodelljei (large language models, LLM), és megvalósulásaik versengését. A Google eleinte óvatosan reagált az OpenAI fejlesztésére, aztán persze teljesen beleállt, és a Bard képében jött a válasz. A Google most bejelentette, hogy az eddigi chatbot új néven, Geminiként folytatja pályafutását, hogy a felhasználók különböző formában továbbra is hozzáférjenek a mesterséges intelligenciás csevegő megoldásaikhoz.
A dobogósok
A generatív mesterséges intelligencia (MI) rövid, de annál eseménydúsabb története jelentős részben a szakterületet domináló két vállalatról, a Microsoft által támogatott OpenAI-ról és az úttörő londoni DeepMindot szűk tíz éve felvásárolt Google-ról szól. Egyelőre előnyben az OpenAI, a chatbotok listáját a GPT-4 legújabb két változata vezeti (a ChatGPT a GPT-4-t használja). Eközben a hivataloson már Gemini néven futó, multimodalitásban is előremutató Bard bronzérmesként liheg az előtte lévők képzeletbeli nyakába.
Egyrészt a toplisták, helyezések folyamatosan módosulnak, másrészt az OpenAI huzamosabb ideje a dobogó legfelső fokán áll. Mi meg lassan elveszünk a sok mesterséges intelligenciás fejlesztésben, de ez így jó, mert nem mindig pörgött ennyire a terület.
Sokat tud a Gemini
A korábban Duet AI néven futó rendszer látványos funkcióival szintén a Gemini brand alatt fut már. A Bardon keresztül 2023. december 6-tól a Gemini Pro 1.0 változata több mint 40 nyelven és 230 országban ingyenesen hozzáférhető. A vállalat nagy dobása, hogy három méretben, három árral: a Pro mellett a Nano és az Ultra változatban jelentette be a Geminit. Ezek a gyakorláshoz használt adatsor mérete és képességeik alapján különböznek egymástól.
A Gemini Nano máris natív alkalmazásként fut a Google Pixel 8 Pro és a Samsung Galaxy S24 készülékeken.
Emellett elstartolt az elsőgenerációs Ultra változat is: a Gemini Advanced, amely havi 19,99 dolláros Google One AI Premium előfizetéssel jár (kéthónapos ingyenes tesztidőszakkal). A prémium előfizetők a 2 terabájtos tárhely mellett hamarosan élvezhetik az MI szolgáltatást a Gmail, Docs, Slides, Sheets alkalmazásokban is (korábban ez a szolgáltatás futott Duet AI néven).
Összehasonlításképp a GPT-4 csak a ChatGPT havi húsz dolláros GPT-Plus előfizetésével használható. A GPT-3.5 és a GPT-4 a Microsoft Bing Chaten és más eszközökön keresztül ingyen ugyan elérhető korlátozott mennyiségben, de a fókusz a ChatGPT-n van, míg a Google-nál most szinte minden Gemini.
Átnevezési erőfeszítéseit folytatva, a Google az Androidon is elindított egy önálló Gemini-alkalmazást, míg maga a Gemini-élmény az iPhone-on szintén átélhető, ha le van töltve az iOS-re a Google applikáció.
A folyamatos hírözönből látható: hatalmas felhajtás veszi körül a Geminit, csakhogy ezúttal a szokásos hype-nál sokkal többről van szó: a Google Asszisztens nyugdíjazásához vezető komoly előrelépésről. A Gemini hamarosan mindenhol (okostelefon, okosóra, tablet és az ökoszisztéma más hardvere) átveszi a helyét.
A Google Asszisztens nyugdíjazása
Az elsődlegesen mobil- és otthoni automatizációs eszközökre kitalált, MI-alapú asszisztenst szűk nyolc éve, 2016. május 18-án vezették be. A kommunikáció kétoldalú, elsősorban hangalapú, de billentyűzettel is lehetséges. A 2018-as CES-en debütáltak az első Asszisztens-alapú okos eszközök, hangfalak videó-képernyővel. A „segéd” ma már kilencvennél több országban, harmincnál több nyelven érhető el, havonta több mint ötszázezren használják.
Tavaly októberben mutatták be az Assistant with Bard megoldást, majd később már csak Bard nevű mobilváltozatát, amely immár Gemini néven folytatja pályafutását. Ő lesz az androidos készülékek elsőszámú asszisztense, míg az eredeti csak opcionális marad. A lépés azt is jelzi, hogy
a szép szólamok ellenére a generatív mesterséges intelligencia előtti virtuális segédek, mint a Google Asszisztens vagy a rivális Apple Siri, nem váltották be a hozzájuk fűzött, időnként túlzó reményeket.
A Google elmondta a Gemini kapcsán, hogy ez az első lépés az igazi MI-asszisztens építésében. Hányszor hallottunk már ilyet az elmúlt években: lényegében már 2016-ban beígérték az MI-forradalmat, hiszen az Asszisztens és Siri is arra rendeltetett, az lett volna a sorsuk, de nem aggódunk, mert a forradalom hamarosan, és az utóddal megtörténhet. Több ok miatt is bizakodhatnak a Google vezetői.
Multimodális MI
A Geminihez ugyanúgy hozzáférünk az androidos telefonon, mint az Asszisztenshez. Hosszan lenyomva tartjuk a bekapcsoló gombot, hang- vagy gesztusutasítást használunk, aztán máris rendelkezésünkre áll, teljesen függetlenül attól, hogy milyen appal bíbelődünk eközben.
A Gemini okostelefonos jelenlétének előnye, hogy ismeri a képernyőn megjelenő tartalmat.
Rákattintunk mondjuk egy macska képére, aki leveri a kávésbögrénket. Rögvest hívhatjuk a Geminit, és megkérhetjük, írjon egy, a rossz cicát bemutató, a családi WhatsApp csoportban megosztandó üzenetet. Az MI-képességeit kiaknázó chatbot teljesíti kérésünket.
Az Asszisztens nem képes ilyenre, mint ahogy a képernyőn olvasható újságcikkekkel kapcsolatos kérdéseket sem képes megválaszolni. Gemini az Asszisztens feladatai mellett minden mást is tud, ami egy multimodális bottól elvárható. A tipikus virtuális segéd tevékenységeinek kivitelezése – mint hogy beállítja az ébresztőt, felhív egy megbízhatatlan barátot, kezeli az intelligensotthon-berendezéseket – az új chatbotnak sem okoz gondot.
(Képek: Google)
