గూగుల్ సీఈఓ సుందర్ పిచాయ్ జెమినీ 2.0, AIలో విప్లవాత్మక మార్పులు చేయాలనే Google ఆశయంలో తదుపరి దశను సూచించే మోడల్ను విడుదల చేస్తున్నట్లు ప్రకటించారు.
జెమిని 1.0 మోడల్ను పరిచయం చేసిన ఒక సంవత్సరం తర్వాత, ఈ ప్రధాన అప్గ్రేడ్లో మెరుగైన మల్టీమోడల్ సామర్థ్యాలు, ఏజెంట్ కార్యాచరణ మరియు AI- ఆధారిత సాంకేతికతలో సరిహద్దులను పెంచడానికి రూపొందించిన వినూత్న వినియోగదారు సాధనాలు ఉన్నాయి.
పరివర్తన AI వైపు దూసుకు
గూగుల్ యొక్క 26-సంవత్సరాల మిషన్ ప్రపంచ సమాచారాన్ని నిర్వహించడం మరియు ప్రాప్యత చేయడం గురించి ప్రతిబింబిస్తూ, పిచాయ్ ఇలా వ్యాఖ్యానించారు, “జెమిని 1.0 సమాచారాన్ని నిర్వహించడం మరియు అర్థం చేసుకోవడం గురించి అయితే, జెమిని 2.0 అది మరింత ఉపయోగకరంగా ఉంటుంది.”
డిసెంబర్ 2022లో విడుదలైన జెమిని 1.0, Google యొక్క మొట్టమొదటి స్థానిక మల్టీమోడల్ AI మోడల్గా గుర్తించదగినది. మొదటి పునరావృతం టెక్స్ట్, వీడియో, ఇమేజ్లు, ఆడియో మరియు కోడ్లను అర్థం చేసుకోవడం మరియు ప్రాసెస్ చేయడంలో అద్భుతంగా ఉంది. ఉత్పాదకత-కేంద్రీకృత నోట్బుక్ఎల్ఎమ్ వంటి అప్లికేషన్లను ఎనేబుల్ చేయడం ద్వారా దాని మెరుగుపరచబడిన 1.5 వెర్షన్ దాని దీర్ఘ-సందర్భ అవగాహన కోసం డెవలపర్లచే విస్తృతంగా స్వీకరించబడింది.
ఇప్పుడు, జెమిని 2.0తో, స్థానిక ఇమేజ్ మరియు ఆడియో ఉత్పత్తి, మెరుగైన తార్కికం మరియు ప్రణాళిక మరియు వాస్తవ-ప్రపంచ నిర్ణయాత్మక సామర్థ్యాలను కలిగి ఉన్న యూనివర్సల్ అసిస్టెంట్గా AI పాత్రను వేగవంతం చేయడం Google లక్ష్యం. పిచాయ్ మాటల్లో చెప్పాలంటే, అభివృద్ధి “ఏజెంటిక్ యుగం” యొక్క ఉదయాన్ని సూచిస్తుంది.
“మేము మరిన్ని ఏజెంట్ మోడల్లను అభివృద్ధి చేయడంలో పెట్టుబడులు పెడుతున్నాము, అంటే వారు మీ చుట్టూ ఉన్న ప్రపంచం గురించి మరింత అర్థం చేసుకోగలరు, అనేక దశలను ముందుగానే ఆలోచించగలరు మరియు మీ పర్యవేక్షణతో మీ తరపున చర్య తీసుకోగలరు” అని పిచాయ్ వివరించారు.
జెమిని 2.0: ప్రధాన లక్షణాలు మరియు లభ్యత
జెమిని యొక్క రెండవ తరం యొక్క ఫ్లాగ్షిప్ మోడల్ అయిన జెమిని 2.0 ఫ్లాష్ యొక్క ప్రయోగాత్మక విడుదల ఈరోజు ప్రకటనలో ఉంది. ఇది వేగవంతమైన ప్రతిస్పందన సమయాలను మరియు అధునాతన పనితీరును అందించేటప్పుడు దాని పూర్వీకులు వేసిన పునాదులపై ఆధారపడి ఉంటుంది.
జెమిని 2.0 ఫ్లాష్ మల్టీమోడల్ ఇన్పుట్లు మరియు అవుట్పుట్లకు మద్దతు ఇస్తుంది, ఇందులో టెక్స్ట్తో కలిపి స్థానిక చిత్రాలను రూపొందించే సామర్థ్యం మరియు స్టీరబుల్ టెక్స్ట్-టు-స్పీచ్ బహుభాషా ఆడియోను ఉత్పత్తి చేయగల సామర్థ్యం కూడా ఉన్నాయి. అదనంగా, వినియోగదారులు Google శోధన మరియు మూడవ పక్షం వినియోగదారు నిర్వచించిన ఫంక్షన్ల వంటి స్థానిక సాధనాల ఏకీకరణ నుండి ప్రయోజనం పొందవచ్చు.
డెవలపర్లు మరియు వ్యాపారాలు జెమిని API ద్వారా జెమిని 2.0 ఫ్లాష్కి యాక్సెస్ను పొందుతాయి Google AI స్టూడియో మరియు వెర్టెక్స్ AIపెద్ద మోడల్ పరిమాణాలు జనవరి 2024లో విస్తృత విడుదలకు షెడ్యూల్ చేయబడ్డాయి.
గ్లోబల్ యాక్సెసిబిలిటీ కోసం, జెమిని యాప్ ఇప్పుడు 2.0 ఫ్లాష్ ప్రయోగాత్మక మోడల్ యొక్క చాట్-ఆప్టిమైజ్ చేసిన వెర్షన్ను కలిగి ఉంది. ముందస్తుగా స్వీకరించేవారు ఈ అప్డేట్ చేయబడిన అసిస్టెంట్ని డెస్క్టాప్ మరియు మొబైల్లో అనుభవించవచ్చు, మొబైల్ యాప్ రోల్ అవుట్ త్వరలో అందుబాటులో ఉంటుంది.
Google శోధన వంటి ఉత్పత్తులు కూడా జెమిని 2.0తో మెరుగుపరచబడుతున్నాయి, అధునాతన గణిత సమస్యలు, కోడింగ్ విచారణలు మరియు మల్టీమోడల్ ప్రశ్నలు వంటి క్లిష్టమైన ప్రశ్నలను నిర్వహించగల సామర్థ్యాన్ని అన్లాక్ చేస్తాయి.
AI ఆవిష్కరణల సమగ్ర సూట్
జెమిని 2.0 ప్రారంభం దాని సామర్థ్యాలను ప్రదర్శించే బలవంతపు కొత్త సాధనాలతో వస్తుంది.
అటువంటి ఒక ఫీచర్, డీప్ రీసెర్చ్, AI రీసెర్చ్ అసిస్టెంట్గా పనిచేస్తుంది, సమగ్ర నివేదికలుగా సమాచారాన్ని కంపైల్ చేయడం ద్వారా సంక్లిష్ట అంశాలను పరిశోధించే ప్రక్రియను సులభతరం చేస్తుంది. మరొక అప్గ్రేడ్ జెమిని-ప్రారంభించబడిన AI ఓవర్వ్యూలతో శోధనను మెరుగుపరుస్తుంది, ఇది క్లిష్టమైన, బహుళ-దశల వినియోగదారు ప్రశ్నలను పరిష్కరించగలదు.
ట్రిలియం అని పిలువబడే Google యొక్క ఆరవ తరం టెన్సర్ ప్రాసెసింగ్ యూనిట్లను (TPUలు) ఉపయోగించి ఈ మోడల్ శిక్షణ పొందింది, ఇది “జెమిని 2.0 శిక్షణ మరియు అనుమితిలో 100% శక్తిని కలిగి ఉంది” అని పిచాయ్ పేర్కొన్నాడు.
ట్రిలియం ఇప్పుడు అందుబాటులో బాహ్య డెవలపర్ల కోసం, Google యొక్క స్వంత పురోగతికి మద్దతు ఇచ్చే అదే మౌలిక సదుపాయాల నుండి ప్రయోజనం పొందేందుకు వారిని అనుమతిస్తుంది.
అగ్రగామి ఏజెంట్ అనుభవాలు
జెమిని 2.0తో పాటుగా మానవ-AI సహకారం యొక్క భవిష్యత్తును అన్వేషించడానికి రూపొందించబడిన ప్రయోగాత్మక “ఏజెంటిక్” ప్రోటోటైప్లు:
- ప్రాజెక్ట్ ఆస్ట్రా: యూనివర్సల్ AI అసిస్టెంట్
ఈ సంవత్సరం ప్రారంభంలో I/Oలో మొదటిసారిగా పరిచయం చేయబడింది, వాస్తవ-ప్రపంచ AI పరస్పర చర్యలను మెరుగుపరచడానికి ప్రాజెక్ట్ ఆస్ట్రా జెమిని 2.0 యొక్క మల్టీమోడల్ అవగాహనలోకి ప్రవేశించింది. విశ్వసనీయ టెస్టర్లు Androidలో అసిస్టెంట్ని ట్రయల్ చేసారు, దాని బహుభాషా సంభాషణలు, మెమరీ నిలుపుదల మరియు శోధన, లెన్స్ మరియు మ్యాప్స్ వంటి Google సాధనాలతో ఏకీకరణ చేయడంలో సహాయపడే అభిప్రాయాన్ని అందించారు. ప్రోటోటైప్ AI గ్లాసెస్ వంటి ధరించగలిగిన సాంకేతికతలో దాని అప్లికేషన్ కోసం తదుపరి పరిశోధనలు జరుగుతున్నందున, ఆస్ట్రా మానవునికి సమీపంలో సంభాషణ జాప్యాన్ని కూడా ప్రదర్శించింది.
- ప్రాజెక్ట్ మారినర్: వెబ్ ఆటోమేషన్ను పునర్నిర్వచించడం
ప్రాజెక్ట్ మెరైనర్ అనేది ప్రయోగాత్మక వెబ్ బ్రౌజింగ్ అసిస్టెంట్, ఇది బ్రౌజర్లోని ఫారమ్ల వంటి టెక్స్ట్, ఇమేజ్లు మరియు ఇంటరాక్టివ్ ఎలిమెంట్లలో తర్కించగల జెమిని 2.0 సామర్థ్యాన్ని ఉపయోగిస్తుంది. ప్రారంభ పరీక్షలలో, ఇది ఎండ్-టు-ఎండ్ వెబ్ టాస్క్లను పూర్తి చేయడం కోసం WebVoyager బెంచ్మార్క్లో 83.5% సక్సెస్ రేటును సాధించింది. Chrome పొడిగింపును ఉపయోగించే ప్రారంభ పరీక్షకులు మెరైనర్ సామర్థ్యాలను మెరుగుపరచడంలో సహాయం చేస్తున్నారు, అయితే సాంకేతికత వినియోగదారు-స్నేహపూర్వకంగా మరియు సురక్షితంగా ఉండేలా Google భద్రతా చర్యలను అంచనా వేస్తుంది.
- జూల్స్: డెవలపర్ల కోసం కోడింగ్ ఏజెంట్
జూల్స్, డెవలపర్ల కోసం రూపొందించబడిన AI-ఆధారిత సహాయకుడు, కోడింగ్ సవాళ్లను పరిష్కరించడానికి నేరుగా GitHub వర్క్ఫ్లోస్లో కలిసిపోతుంది. ఇది స్వయంప్రతిపత్తితో పరిష్కారాలను ప్రతిపాదించగలదు, ప్రణాళికలను రూపొందించగలదు మరియు కోడ్-ఆధారిత పనులను అమలు చేయగలదు-అన్నీ మానవ పర్యవేక్షణలో. ఈ ప్రయోగాత్మక ప్రయత్నం వివిధ డొమైన్లలో బహుముఖ AI ఏజెంట్లను సృష్టించే Google యొక్క దీర్ఘకాలిక లక్ష్యంలో భాగం.
- గేమింగ్ అప్లికేషన్లు మరియు అంతకు మించి
Gemini 2.0 వర్చువల్ ఎన్విరాన్మెంట్లలోకి విస్తరించడం ద్వారా, Google DeepMind తెలివైన గేమ్ ఏజెంట్లపై Supercell వంటి గేమింగ్ భాగస్వాములతో కలిసి పని చేస్తోంది. ఈ ప్రయోగాత్మక AI సహచరులు గేమ్ చర్యలను నిజ సమయంలో అర్థం చేసుకోవచ్చు, వ్యూహాలను సూచించవచ్చు మరియు శోధన ద్వారా విస్తృత పరిజ్ఞానాన్ని కూడా యాక్సెస్ చేయవచ్చు. జెమిని 2.0 యొక్క ప్రాదేశిక తార్కికం రోబోటిక్స్కు ఎలా మద్దతు ఇస్తుందనే దానిపై పరిశోధన కూడా నిర్వహించబడుతోంది, భవిష్యత్తులో భౌతిక-ప్రపంచ అనువర్తనాలకు తలుపులు తెరుస్తుంది.
AI అభివృద్ధిలో బాధ్యతను పరిష్కరించడం
AI సామర్థ్యాలు విస్తరిస్తున్నందున, Google భద్రత మరియు నైతిక పరిగణనలకు ప్రాధాన్యత ఇవ్వడం యొక్క ప్రాముఖ్యతను నొక్కి చెబుతుంది.
సంభావ్య ప్రమాదాలను తగ్గించడానికి రెస్పాన్సిబిలిటీ అండ్ సేఫ్టీ కమిటీ పర్యవేక్షణ ద్వారా జెమిని 2.0 విస్తృతమైన రిస్క్ అసెస్మెంట్లకు గురైందని Google పేర్కొంది. అదనంగా, దాని పొందుపరిచిన తార్కిక సామర్థ్యాలు అధునాతన “రెడ్-టీమింగ్” కోసం అనుమతిస్తాయి, డెవలపర్లు భద్రతా దృశ్యాలను అంచనా వేయడానికి మరియు భద్రతా చర్యలను స్కేల్లో ఆప్టిమైజ్ చేయడానికి వీలు కల్పిస్తాయి.
వినియోగదారు గోప్యతను పరిష్కరించడానికి, దుర్వినియోగాన్ని నిరోధించడానికి మరియు AI ఏజెంట్లు విశ్వసనీయంగా ఉండేలా చూసుకోవడానికి Google భద్రతలను కూడా అన్వేషిస్తోంది. ఉదాహరణకు, ప్రాజెక్ట్ మారినర్ హానికరమైన ప్రాంప్ట్ ఇంజెక్షన్లను నిరోధించేటప్పుడు, ఫిషింగ్ లేదా మోసపూరిత లావాదేవీల వంటి బెదిరింపులను నిరోధించేటప్పుడు వినియోగదారు సూచనలకు ప్రాధాన్యతనిచ్చేలా రూపొందించబడింది. ఇంతలో, ప్రాజెక్ట్ ఆస్ట్రాలోని గోప్యతా నియంత్రణలు వినియోగదారులు సెషన్ డేటా మరియు తొలగింపు ప్రాధాన్యతలను నిర్వహించడాన్ని సులభతరం చేస్తాయి.
బాధ్యతాయుతమైన అభివృద్ధికి సంస్థ యొక్క నిబద్ధతను పిచాయ్ పునరుద్ఘాటించారు, “AIని నిర్మించడానికి మొదటి నుండి బాధ్యత వహించడమే ఏకైక మార్గం అని మేము దృఢంగా విశ్వసిస్తున్నాము.”
జెమిని 2.0 ఫ్లాష్ విడుదలతో, డొమైన్ల అంతటా పరస్పర చర్యలను మార్చగల సామర్థ్యం గల యూనివర్సల్ అసిస్టెంట్ను రూపొందించే దాని దృష్టికి Google దగ్గరగా ఉంది.
ఇవి కూడా చూడండి: మెషిన్ అన్లెర్నింగ్: పరిశోధకులు AI మోడల్లను డేటాను ‘మర్చిపోయేలా’ చేస్తారు
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర ఈవెంట్తో సహా ఇతర ప్రముఖ ఈవెంట్లతో కలిసి ఉంది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో.
TechForge ద్వారా అందించబడే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
