Gemini 是 Google 推出的「原生」AI 模型，可以處理包含程式碼、文字、聲音、圖片、影片這些不同形式的內容，而且因為 Google 的資料庫中有著巨量的內容，是訓練 Gemini 很棒的資源。 Google 甚至表示 Gemini 可以直接「看懂」圖片，而不是像過去使用 OCR 的方式掃描圖片然後再辨識上面的文字這種方式來分析圖片。 在 Google 的影片中，拿了兩張圖片做比較，Gemini 可以回答右邊圖片中的汽車會跑的比較快，因為符合空氣力學的關係，但你可以注意到，圖片中並沒有任何的文字
Google 近日推出最新且最具突破性的人工智能模型 Gemini。Gemini 在各方面表現均比現有 GPT-4 AI 模型還要強大，是一款具有複合性能力的 AI，不論是 Coding、圖片、影片或文字的處理上都沒問題，並且共有三種版本：Gemini Ultra、Gemini Pro 和 Gemini Nano。Gemini 將逐步推出到 Google 各種產品和平台上，包括 Bard、Pixel 8 Pro 和其他產品中。此外，從 12 月 13 日起，開發者和企業可以透過 Google AI Studio 或 Google Cloud Vertex AI 存取 Gemini Pro 的 API。
從上方影片可以看到 Gemini 用鏡頭看桌面，Gemini 能夠聽懂人講話、看懂人類的畫、並且和人類與鏡頭互動。當人發問，Gemini 會回應並提供更多意見、想法，成果非常驚人。
Gemini 在許多領先的基準測試中表現出最先進的性能，是迄今為止 Google 最有能力和最通用的 AI 模型。Google DeepMind 的 CEO 和共同創辦人 Demis Hassabis 強調，Gemini 的推出是他們長期以來構建新一代 AI 模型願景的實現，Gemini 能夠理解和操作文字、Coding、音檔、圖片和影片在內的不同類型的資訊。Gemini 有三種版本：Ultra、Pro 和 Nano，分別針對不同的應用和需求進行優化。
UltraL：是最大型的模型，適用於高度複雜的任務
Pro：適用於廣泛的任務
Nano：則是最高效的模型，適合在行動裝置上的任務。
Gemini 在文字和 Coding 等一系列測試中效能皆超越了 GPT-4。與現有的 AI 模型如 GPT-4 相比，Gemini 在多模態理解和處理方面展現了更先進的性能。它在理解和處理複雜數據方面的能力可能超越了 GPT-4，特別是在處理圖片、音檔和影片在內的非文字數據方面。此外，Gemini 還能在移動裝置上運行，這是目前大多數 AI 模型，包括 GPT-4，所無法辦到的。在 MMLU（大規模多任務語言理解）上，它首次超越人類專家的表現。
上方影片清楚的說明 Gemini 在科學、研究領域的實際應用範例：
Gemini 在文字和 Coding 等一系列測試中效能皆超越了 GPT-4。
與現有的 AI 模型如 GPT-4 相比，Gemini 在多模態理解和處理方面展現了更先進的性能。它在理解和處理複雜數據方面的能力可能超越了 GPT-4，特別是在處理圖片、音檔和影片在內的非文字數據方面。此外，Gemini 還能在移動裝置上運行，這是目前大多數 AI 模型，包括 GPT-4，所無法辦到的。在 MMLU（大規模多任務語言理解）上，它首次超越人類專家的表現。
上方影片清楚的說明 Gemini 在科學、研究領域的實際應用範例：
此外，Google 在開發 Gemini 時強調了對負責任和安全的承諾。該模型進行了全面的安全評估，包括對偏見和有害內容的檢測，並與外部專家合作，對潛在風險進行測試。Gemini 將逐步推出到谷歌的各種產品和平台上，包括在谷歌的 Bard、Pixel 8 Pro 和其他產品中的應用。此外，從 12 月 13 日起，開發者和企業客戶可以通過 Google AI Studio 或 Google Cloud Vertex AI 訪問 Gemini Pro 的 API。總的來說，Gemini 的推出不僅展示了谷歌在 AI 領域的創新實力，還代表了 AI 技術對社會進步和人類福祉的巨大潛力。隨著 Gemini 的應用日益廣泛，我們可以期待它在創造性、知識擴展、科學進步和全球數十億人的生活和工作方式上帶來的轉變。傳送門：
