Het mag dan technisch gezien Boogschutterseizoen zijn, maar Tweelingen neemt het over.
Op 6 december kondigde Google DeepMind de release aan van zijn native multimodale AI-model en concurrent van GPT-4: Gemini.
In een blogbericht waarin de komst van Gemini werd aangekondigd, prees Google DeepMind-CEO en medeoprichter Demis Hassabis hun nieuwste ontwikkeling aan als “het meest capabele en algemene model dat we ooit hebben gebouwd.” Terwijl de geruchten worden aangewakkerd dat de productreeks een serieuze kandidaat voor algemene kunstmatige intelligentie (AGI) zou kunnen zijn, wordt de impact van Gemini nu al gevoeld in het meedogenloze landschap van AI-bedrijven.
Maar wat betekent dit voor digitale producten in het komende jaar? Dit is wat je moet weten — het goede, het slechte en het mogelijk lelijke.
Wat is Gemini?
Gemini is niet één product, maar drie: een familie van grote multimodale modellen (LMM's) die voortbouwen op de neurale netwerken LaMDA en PaLM 2 van Google DeepMind. De drie producten zijn:
- Gemini Ultra: Het krachtigste model, dat begin 2024 beschikbaar zal worden gesteld aan ontwikkelaars. Ultra belooft vrijwel een breed scala aan invoer te kunnen “begrijpen”, genereren en combineren, waaronder audio, video, tekst, code en afbeeldingen, met snelheden die indrukwekkend dicht bij realtime liggen.
- Gemini Pro: Het model voor consumenten dat momenteel beschikbaar is voor ontwikkelaars. Gebruikers in landen waar Bard beschikbaar is, kunnen sinds de aankondiging op 6 december met Gemini Pro communiceren.
- Gemini Nano: Het compacte model dat is ontworpen om mobiele applicaties aan te sturen. Gemini Nano is, net als Gemini Ultra, nog niet uitgebracht en Google heeft de prestatiespecificaties nog niet bekendgemaakt.
Have an account? Log In
Wat is multimodale AI?
Multimodale AI is kunstmatige intelligentie die meerdere gegevenstypen kan verwerken door gebruik te maken van meerdere algoritmen voor intelligentieverwerking. Een tekst-naar-afbeelding-AI-model zoals Midjourney wordt bijvoorbeeld beschouwd als multimodale AI.
Hoewel veel LMM's de markt al hebben overspoeld, onderscheidt Gemini zich van andere grote multimodale taalmodellen doordat het is ontworpen om veel invoertypen (tekst, video, audio, code en afbeeldingen) te “begrijpen” op een manier die menselijke begripsvorming en creativiteit nabootst.
Het goede: het potentieel van multimodale AI-technologie
Nog geen volledig kalenderjaar nadat de tekst-naar-tekstgeneratie van ChatGPT de publieke verbeelding had overgenomen, markeert Gemini een nieuw tijdperk waarin multimodale functionaliteit al snel een basisvereiste wordt voor AI-aangedreven producten.
Ken Hubbell, CEO van AI-platform Soffos.ai, voorziet enorme mogelijkheden voor technologie in het nieuwe jaar.
“We zijn gaan nadenken over dingen zoals realtimeanalyse van wat je visueel waarneemt”, zegt Hubbell. “Ik zie dus nieuwe producten, zoals brillen die videobeelden kunnen opnemen, die nu videobeelden kunnen opnemen en resultaten kunnen genereren (in realtime).”
Hoewel dit productteams een mate van flexibiliteit zal bieden die voorheen nooit mogelijk was, zal het onvermijdelijk ook leiden tot de vroegtijdige veroudering van producten die zijn gebouwd om de functionaliteit van platforms zoals GPT-4 uit te breiden en vergelijkbare functionaliteiten als Gemini mogelijk te maken — producten die zelf nog maar een paar maanden oud zijn.
“(Deze producten) zullen binnenkort óf irrelevant zijn óf volledig opnieuw moeten worden ontworpen om alle nieuwe zaken te integreren waar ze zich eerder met een ‘hack’ omheen hebben gewerkt”, zegt Hubbell.
(Deze producten) zullen binnenkort óf irrelevant zijn óf volledig opnieuw moeten worden ontworpen om de zaken te integreren waar ze zich eerder met een ‘hack’ omheen hebben gewerkt.
KEN HUBBELL, CEO, SOFFOS.AI
Hoewel Hubbell toegeeft dat veel bedrijven verlies zullen lijden op de investeringen die ze in deze inmiddels verouderde omwegen hebben gestoken, zegt hij dat dit eigenlijk goed nieuws in vermomming is.
“Toen Alexa uitkwam, zochten veel mensen naar manieren om dingen te doen die het Alexa-product zelf niet kon — ik was een van die mensen”, grinnikt Hubbell. Hij merkt op dat het team van Amazon snel doorhad welke functies externe ontwikkelaars bouwden en deze in het Alexa-platform integreerde.
“Het heeft ons ontwikkelaars min of meer benadeeld, maar aan de andere kant verbeterde het de back-end zo sterk dat we ons nu konden richten op dingen waar we niet omheen hoefden te werken — en we konden uiteindelijk het product maken dat we echt wilden.”
Het slechte: de eerste ontvangst van Gemini
Hoewel dit nieuwe tijdperk van zeer capabele multimodale AI revolutionair klinkt, is de eerste ontvangst van Gemini Pro breed uitgemeten teleurstellend geweest. In de week na de aankondiging van de productlancering begonnen LinkedIn- en X-tijdlijnen overal vol te staan met ontevreden recensies van gebruikers die met Gemini Pro hadden geëxperimenteerd.
Het probleem? Gemini lijkt… nogal dom.
Artikelen op TechCrunch en van meerdere auteurs op Medium wezen op berichten van gebruikers van sociale media waarin schermafbeeldingen te zien waren van Gemini dat vragen niet correct wist te beantwoorden.
Maar zoals Hubbell uitlegt, doet het platform precies wat iedereen had moeten verwachten.
“Een AI opvoeden lijkt eigenlijk veel op het opvoeden van een kind,” zegt Hubbell, die (voor je het vraagt) zelf ook vader is. Hij merkt op dat taalmodellen in de vroege trainingsfasen maar beperkt kunnen leren, aangezien dit plaatsvindt in een gesloten omgeving met een zeer kleine groep gebruikers. "Zodra het model in de echte wereld wordt ingezet, begint de werkelijke groei pas."
Zodra het model in de echte wereld wordt ingezet, begint de werkelijke groei pas.
KEN HUBBELL, CEO, SOFFOS.AI
More Articles
Het lelijke: de ethische kwestie
In het materiaal over de uitrol is Google zeer open geweest over de belofte dat Gemini ‘verantwoordelijk’ is ontwikkeld.
Deze belofte heeft redelijkerwijs enkele critici ongemakkelijk op hun stoel doen schuiven.
Een artikel van ZDNET wijst erop dat Google ervoor heeft gekozen geen modelkaarten voor Gemini-producten te publiceren. Deze kaarten beschrijven onder meer de mogelijk schadelijke gevolgen van een neuraal netwerk. Dat is vooral verontrustend omdat een team bij Google modelkaarten oorspronkelijk heeft uitgevonden.
Het roept ook de vraag op: wie bepaalt wat ‘verantwoordelijkheid’ inhoudt bij een product dat is getraind op een inherent bevooroordeelde dataset?
In een artikel dat in mei op de blog van Mind Foundry werd gepubliceerd, legt Frankie Garcia, de nieuwe manager voor ethiek en veiligheid van verantwoorde AI bij Google DeepMind en voormalig productmanager voor AI-governance bij Mind Foundry, uit wat een machinelearningmodel betrouwbaar maakt.
“Wanneer beslissingen een wezenlijke impact hebben op het leven van individuen en bevolkingsgroepen, kan het belang van de betrouwbaarheid en verantwoordelijkheid van modellen niet genoeg worden benadrukt,” schrijft Garcia in het artikel, dat samen met professor Brent Mittelstadt van het Internet Institute van de Universiteit van Oxford is geschreven.
Het artikel stelt dat er drie belangrijke aspecten zijn van de betrouwbaarheid van machinaal leren:
- Vooringenomenheid en eerlijkheid: Het gebruik van verschillende groepen “eerlijkheidsmetingen”, waarvan de auteurs toegeven dat ze elkaar vaak tegenwerken, om ervoor te zorgen dat het model eerlijk handelt.
- Interpreteerbaarheid en uitlegbaarheid: Dit beschrijft de mate waarin een menselijke gebruiker de logica en het proces kan begrijpen die het AI-model heeft gebruikt om tot zijn uitvoer te komen.
- Dataverschuiving en modelkwetsbaarheid: Dit beschrijft de manier waarop veranderingen ten opzichte van de oorspronkelijke trainingsdataset, veroorzaakt door patronen in gebruikersinvoer en andere factoren, de uitvoer van het model negatief kunnen beïnvloeden.
We kunnen concluderen dat Google deze factoren nauwlettend in de gaten houdt om ervoor te zorgen dat de Gemini-productfamilie ‘onder controle’ blijft. Of we een vergelijkbare inzet zullen zien bij concurrenten die om marktaandeel strijden, moet nog blijken.
Hoe verhoudt Gemini zich tot ChatGPT?
Wat betreft pure prestaties heeft Google ambitieuze beloften gedaan over wat ontwikkelaars kunnen verwachten. Volgens Google zijn dit de prestatiebenchmarks voor Gemini Ultra en Gemini Pro tegenover ChatGPT.
