Résumé:
- Une version préliminaire de Google Gemini est déjà disponible pour les développeurs sélectionnés. Elle permet de générer du texte, des images et du code de manière humaine en fonction des inputs des utilisateurs.
- Ce système vise à rivaliser avec GPT-4 d’OpenAI, actuellement le modèle de langage le plus avancé connu publiquement.
- Il intègre des grands modèles de langage pour comprendre les requêtes et générer du texte, des images et du code de manière humaine en fonction des inputs des utilisateurs.
- Les capacités complètes de Gemini devraient être au niveau de GPT-4 une fois lancé officiellement auprès des utilisateurs via les services Google Cloud.
En mai 2023, lors de la conférence des développeurs Google I/O, le PDG Sundar Pichai a annoncé le lancement prochain du système d’intelligence artificielle (IA) de l’entreprise, Google Gemini.
Développé par la division Google DeepMind (Brain Team + DeepMind), ce grand modèle de langage (LLM) pourrait rivaliser avec des systèmes d’IA tels que ChatGPT d’OpenAI et peut-être même les surpasser.
Bien que les détails sur Gemini soient encore rares, les dernières interviews et rapports permettent de comprendre ce que l’on peut en attendre.
Google Gemini sera multimodal
Google Gemini, conçu par DeepMind, combine les forces du système AlphaGo, connu pour maîtriser le jeu complexe de Go, avec des capacités de modélisation de langage étendues. Il est conçu dès le départ pour être multimodal, intégrant du texte, des images et d’autres types de données. Cela pourrait permettre des capacités conversationnelles plus naturelles. Il pourrait également offrir des capacités futures telles que la mémoire et la planification, qui pourraient permettre des tâches nécessitant du raisonnement.
Google Gemini Peut Utiliser Des Outils et des APIs
Gemini est un modèle AI multimodal de nouvelle génération créé par Google qui peut utiliser des outils et des APIs pour permettre des efforts de collaboration plus larges. Selon le chef scientifique de Google, Jeffrey Dean, Gemini utilisera Pathways, l’infrastructure AI de Google, pour permettre une formation à grande échelle sur des ensembles de données diversifiés. Gemini pourrait devenir le plus grand modèle de langage créé à ce jour, dépassant probablement la taille de GPT-3 avec plus de 175 milliards de paramètres.
Il sera disponible en différentes tailles et capacités
Selon Demis Hassabis, PDG de DeepMind, Gemini est une « série de modèles » qui sera disponible en différentes tailles et capacités. Les techniques utilisées dans AlphaGo, comme l’apprentissage par renforcement et la recherche d’arbre, pourraient donner à Gemini de nouvelles capacités telles que la résolution de problèmes et le raisonnement.
Hassabis a également déclaré que Gemini pourrait utiliser la mémoire, vérifier les faits contre des sources telles que Google Search et améliorer l’apprentissage par renforcement pour améliorer la précision et réduire les contenus hallucinogènes dangereux.
Les premiers résultats de Google Gemini sont prometteurs
Selon une interview de septembre avec Hassabis, Gemini vise à combiner l’échelle et l’innovation. Il a déclaré que l’incorporation de la planification et de la mémoire est à un stade exploratoire précoce. Hassabis a également déclaré que Gemini pourrait utiliser des méthodes de récupération pour produire des blocs entiers d’informations, plutôt que de générer mot à mot, afin d’améliorer la cohérence factuelle. Il a révélé que Gemini s’appuie sur le travail multimodal de DeepMind, comme le système de légendage d’images Flamingo. Dans l’ensemble, Hassabis a déclaré que Gemini montre des « résultats très prometteurs ».
Les Chatbots Avancés Comme Assistants Personnels Universels
Dans une interview avec Wired, Sundar Pichai, PDG de Google, a déclaré que les systèmes d’IA conversationnelle tels que Bard ne sont pas l’état final, mais des étapes menant à des chatbots plus avancés. Il a affirmé que Gemini et les futures versions deviendront finalement des « assistants personnels universels incroyables » intégrés dans la vie quotidienne des gens dans des domaines tels que les voyages, le travail et le divertissement. Pichai a souligné que Gemini combinera les forces du texte et des images, affirmant que les chatbots d’aujourd’hui « semblent triviaux » en comparaison dans quelques années.
Les concurrents s’intéressent aux performances de Gemini
Les récentes spéculations sur les performances de Gemini, le nouvel outil d’IA de Google, ont suscité l’intérêt des concurrents.
Are the numbers wrong?
— Elon Musk (@elonmusk) August 30, 2023
Le PDG d’OpenAI Sam Altman , a tweeté en réponse à un article qui rapportait que Gemini pourrait surpasser GPT-4.
Bien qu’il n’y ait pas eu de réponse officielle à la question de Musk sur la véracité des chiffres fournis par SemiAnalysis, cela montre que les concurrents sont attentifs aux développements de Google.
Des entreprises sélectionnées ont un accès précoce à Gemini
Selon des rapports, Google a donné à un petit groupe de développeurs externes un accès précoce à son logiciel d’intelligence artificielle conversationnelle Gemini. Cela suggère que Gemini pourrait bientôt être prêt pour une version bêta et son intégration dans des services tels que Google Cloud Vertex AI.
Meta travaille sur un LLM pour rivaliser avec OpenAI
Meta, anciennement connu sous le nom de Facebook, est également en train de développer un nouveau modèle de langue de grande envergure (LLM) pour rivaliser avec le modèle GPT qui alimente ChatGPT d’OpenAI. Selon le Wall Street Journal, Meta travaille sur un modèle d’IA qui rivalisera avec OpenAI. Meta a récemment annoncé la sortie de Llama 2, un modèle d’IA open-source, en partenariat avec Microsoft. La société semble déterminée à créer de manière responsable une IA plus accessible.
Le Compte à Rebours Pour Google Gemini
Les informations disponibles indiquent que Gemini pourrait représenter une avancée significative dans le traitement du langage naturel. La fusion des dernières recherches en intelligence artificielle de DeepMind avec les vastes ressources informatiques de Google rend l’impact potentiel difficile à surestimer.
Si Gemini répond aux attentes, il pourrait entraîner un changement dans l’IA interactive, s’alignant sur les ambitions de Google de « rendre l’IA accessible de manière responsable à des milliards de personnes ».
Les dernières nouvelles de Meta et de Google sont survenues quelques jours après le premier forum Insight AI, où les PDG de la tech se sont rencontrés en privé avec une partie du Sénat américain pour discuter de l’avenir de l’IA.
Foire aux questions
Google Gemini est le nom du nouveau modèle d’intelligence artificielle de Google, qui vise à rivaliser avec ChatGPT-4 d’OpenAI. Gemini est un modèle multimodal, capable de traiter différents types de données et de tâches en même temps, comme la génération de texte, d’images, de code ou de musique. Gemini est encore en phase d’entraînement et devrait être lancé en décembre 2023. Google espère que Gemini permettra de créer des applications et des services plus intelligents et plus créatifs pour les utilisateurs et les entreprises.
Oui, il existe d’autres modèles multimodaux similaires à Gemini, qui peuvent traiter différents types de données et de tâches en même temps, comme la génération de texte, d’images, de code ou de musique. Voici quelques exemples :
DALL-E est un modèle d’IA développé par OpenAI, qui peut créer des images à partir de descriptions textuelles. Par exemple, il peut dessiner un « avocat en forme de chaise » ou un « chat portant un smoking ». DALL-E utilise le même modèle de langage que GPT-3, mais avec une tête de décodage supplémentaire pour générer des images.
CLIP est un autre modèle d’IA développé par OpenAI, qui peut apprendre à partir de n’importe quel texte et image trouvés sur le web. Il peut effectuer des tâches comme la classification d’images, la recherche d’images par texte ou la génération de légendes pour les images. CLIP utilise une approche d’apprentissage par contraste, qui consiste à comparer les paires texte-image positives et négatives.
ImageBind est un modèle d’IA multimodal publié en open source par Meta AI, qui peut lier des informations provenant de six modalités différentes : données textuelles, audio, visuelles, thermiques, de mouvement et de profondeur. Il peut reconnaître les relations entre ces modalités et effectuer des tâches comme la détection d’objets, la segmentation sémantique ou la reconnaissance faciale.
Gemini et ChatGPT-4 sont deux modèles d’intelligence artificielle capables de générer du texte à partir d’un prompt ou d’une requête. Cependant, ils présentent des différences importantes dans leurs caractéristiques, leurs performances et leurs applications. Voici quelques-unes de ces différences :
+ Gemini est un modèle multimodal, ce qui signifie qu’il peut traiter différents types de données et de tâches en même temps. ChatGPT-4 est un modèle unimodal, ce qui signifie qu’il se concentre uniquement sur la génération de texte.
+ Gemini s’inspire des techniques utilisées par AlphaGo, le modèle qui a réussi à battre le champion du monde du jeu de Go en 2016. Il combine les capacités de langage des grands modèles avec les compétences de planification et de résolution de problèmes d’AlphaGo. ChatGPT-4 s’appuie sur son entraînement sur divers textes internet pour comprendre et générer des réponses.
+ Gemini bénéficie du graphe de connaissances et de l’accès aux données structurées de Google, ce qui lui permet de fournir des réponses précises et adaptées au contexte. Il excelle dans la compréhension des requêtes des utilisateurs, l’extraction des intentions et la génération de questions de suivi appropriées. ChatGPT-4 se base sur les statistiques et les probabilités pour produire des réponses, ce qui peut entraîner des erreurs factuelles ou logiques.
La date de sortie officielle de Google Gemini n’a pas encore été annoncée, mais selon certaines sources, le modèle d’intelligence artificielle multimodale de Google devrait être lancé en décembre 2023.