Google、次世代AIモデル「Gemini」を発表

Googleは、次世代AIモデル「Gemini」を発表した。マルチモーダルとしてゼロから構築されたGeminiは、テキスト、画像、音声、動画など、さまざまな種類の情報を一般化してシームレスに理解し、操作し、組み合わせることができる。

Geminiは、Google Researchのメンバーを含むGoogle全体での大規模な共同研究の成果であり、Geminiの最初のバージョンであるGemini 1.0は、3つのサイズで提供される。

・Gemini Ultra：非常に複雑なタスクに対応する、高性能かつ最大のモデル ・Gemini Pro：幅広いタスクに対応する最良のモデル ・Gemini Nano：デバイス上のタスクに最も効率的なモデル

Geminiのパフォーマンスは、既存のマルチモーダルモデルよりもはるかに優れており、ほぼすべてのドメインで最高水準であるという。

・自然な画像の理解から数学的推論、音声や動画の理解に至るまで、広く使用されている32の業界ベンチマークのうち30で、Gemini Ultraのパフォーマンスは既存の最高水準の結果を上回っている。

・Gemini Ultraは、数学、物理学、歴史、法律、医学、倫理など57の科目の組み合わせて知識と問題解決能力をテストするMMLUで90.00%をスコアし、人間の専門家を上回るパフォーマンスを示した初のモデル。

・Gemini Ultraは、意図的な推論を必要とする異なるドメインにまたがるマルチモーダルタスクで構成される新しいMMMUベンチマークでも、59.4%という最高水準のスコアを達成した。

Geminiは、テキスト、画像、音声などを同時に認識して理解できるようにトレーニングされているため、ニュアンスを含んだ情報をより理解し、複雑なトピックに関する質問に答えることができる。特に数学や物理学の推論の説明に優れているという。

また、Python、Java、C++、Go など、世界で最も広く利用されているプログラミング言語の理解、説明、そして高品質なコードを生成可能。