O que o Google Gemini significa para as equipas de produto em 2026

Pode ser tecnicamente a época de Sagitário, mas Gémeos está a assumir o controlo.

A 6 de dezembro, a Google DeepMind anunciou o lançamento do seu modelo de IA nativamente multimodal e concorrente do GPT-4, o Gemini.

Numa publicação de blogue que anunciava a chegada do Gemini, o CEO e cofundador da Google DeepMind, Demis Hassabis, apresentou o seu mais recente desenvolvimento como “o modelo mais capaz e geral que alguma vez construímos”. Alimentando os rumores de que a série de produtos poderia ser uma candidata séria à inteligência artificial geral (AGI), o impacto do Gemini já se faz sentir no competitivo panorama dos negócios de IA.

Mas qual será o seu impacto nos produtos digitais no próximo ano? Eis o que precisa de saber — o bom, o mau e o potencialmente feio.

O que é o Gemini?

O Gemini não é apenas um produto, mas três: uma família de grandes modelos multimodais (LMMs) que sucedem às redes neuronais LaMDA e PaLM 2 da Google DeepMind. Os três produtos são:

• Gemini Ultra: O modelo mais poderoso, com lançamento previsto para os programadores no início de 2024. O Ultra promete a capacidade de “compreender”, gerar e combinar praticamente uma vasta gama de entradas, incluindo áudio, vídeo, texto, código e imagens, a velocidades impressionantemente próximas do tempo real.
• Gemini Pro: O modelo para consumidores atualmente disponível para programadores. Os utilizadores de países onde o Bard está disponível conseguem interagir com o Gemini Pro desde o seu anúncio, a 6 de dezembro.
• Gemini Nano: O modelo compacto concebido para alimentar aplicações móveis. O Gemini Nano, tal como o Gemini Ultra, ainda não foi lançado e a Google ainda não divulgou as suas especificações de desempenho.

Google's newest and most capable AI | Gemini

O que é a IA multimodal?

A IA multimodal é uma inteligência artificial capaz de processar vários tipos de dados através da utilização de múltiplos algoritmos de processamento inteligente. Por exemplo, um modelo de IA de texto para imagem, como o Midjourney, é considerado uma IA multimodal.

Embora muitos LMMs já tenham inundado o mercado, o que distingue o Gemini de outras grandes linguagens multimodais é o facto de ter sido concebido para “compreender” várias entradas (texto, vídeo, áudio, código e imagens) de uma forma que imita a compreensão e a criatividade humanas. 

O bom: o potencial da tecnologia de IA multimodal

Nem sequer passou um ano civil completo desde que a geração de texto para texto do ChatGPT tomou conta da imaginação do público, e o Gemini assinala uma nova era em que a funcionalidade multimodal em breve se tornará um requisito básico para os produtos baseados em IA.

Ken Hubbell, CEO da plataforma de IA Soffos.ai, prevê um potencial enorme para a tecnologia no novo ano.

“Começámos a pensar em coisas como a análise em tempo real do que está a ver visualmente”, afirma Hubbell. “Por isso, vejo novos produtos, como óculos capazes de receber um fluxo de vídeo, que agora conseguem receber esse fluxo de vídeo e gerar resultados (em tempo real).”

Embora isto proporcione às equipas de produto um nível de flexibilidade que nunca antes foi possível, também conduzirá inevitavelmente à obsolescência precoce de produtos que foram construídos para expandir a funcionalidade de plataformas como o GPT-4, de modo a permitir funcionalidades semelhantes às do Gemini — produtos que, por si só, têm apenas alguns meses de existência.

“(Estes produtos) em breve serão irrelevantes ou terão de ser totalmente redesenhados para incorporar todas as novidades que surgiram e às quais antes davam a volta através de soluções improvisadas”, afirma Hubbell.

(Estes produtos) em breve serão irrelevantes ou terão de ser totalmente redesenhados para incorporar as funcionalidades às quais antes davam a volta através de soluções improvisadas.

KEN HUBBELL, CEO, SOFFOS.AI

Embora Hubbell admita que muitas empresas vão perder os investimentos que fizeram nestas soluções improvisadas, agora obsoletas, afirma que esta é, na realidade, uma boa notícia disfarçada.

“Quando a Alexa foi lançada, muitas pessoas encontravam formas de fazer coisas que o próprio produto Alexa não conseguia fazer — eu era uma dessas pessoas”, ri-se Hubbell, observando que a equipa da Amazon rapidamente percebia as funcionalidades que os programadores externos estavam a criar e integrava-as na plataforma Alexa.

“De certa forma, isso prejudicou-nos enquanto programadores, mas, por outro lado, melhorou tanto a infraestrutura de back-end que passámos a poder concentrar-nos em coisas que não tínhamos de contornar através de soluções improvisadas — e pudemos finalmente criar o produto final que realmente queríamos.”

O mau: a receção inicial do Gemini

Embora esta nova era de uma IA multimodal altamente competente pareça revolucionária, a receção inicial do Gemini Pro tem sido amplamente dececionante. Durante a semana que se seguiu ao anúncio do lançamento do produto, os feeds do LinkedIn e do X começaram, um pouco por todo o lado, a encher-se de críticas descontentes de utilizadores que tinham experimentado o Gemini Pro.

O problema? O Gemini parece ser… um pouco estúpido.

Artigos da TechCrunch e de vários autores do Medium destacaram publicações de utilizadores das redes sociais que mostravam capturas de ecrã do Gemini a falhar na resposta correta a perguntas.

Mas, como explica Hubbell, a plataforma está a fazer exatamente aquilo que qualquer pessoa deveria ter esperado que fizesse.

“Criar uma IA é, na verdade, muito semelhante a criar uma criança”, afirma Hubbell, que (antes que perguntem) também é pai. Observa que os LM só conseguem aprender até certo ponto nas primeiras fases do treino, que decorre num ambiente fechado e com uma amostra de utilizadores muito reduzida. "Quando é lançada no mundo real, é aí que ocorre o verdadeiro crescimento."

Quando é lançada no mundo real, é aí que ocorre o verdadeiro crescimento.

KEN HUBBELL, CEO, SOFFOS.AI

O mau: A questão da ética

Nos materiais de lançamento, a Google tem sido muito clara nas promessas de ter desenvolvido o Gemini de forma ‘responsável’.

Esta promessa fez, compreensivelmente, com que alguns críticos se sentissem desconfortáveis.

Um artigo da ZDNET salienta que a Google optou por omitir os cartões de modelo dos produtos Gemini, que apresentam detalhes, incluindo os resultados potencialmente prejudiciais de uma rede neuronal. Isto é particularmente preocupante, tendo em conta que uma equipa da Google foi, originalmente, responsável pela invenção dos cartões de modelo.

Também levanta a questão: perante um produto treinado com um conjunto de dados inerentemente tendencioso, quem decide o que significa ‘responsabilidade’?

Num artigo publicado em maio no blogue da Mind Foundry, Frankie Garcia, o novo Gestor de Ética e Segurança Operacional de IA da Google DeepMind e antigo Gestor de Produto de Governação de IA da Mind Foundry, explica o que torna um modelo de aprendizagem automática digno de confiança.

“Quando as decisões têm um impacto material na vida de indivíduos e populações, a importância da fiabilidade e da responsabilidade do modelo não pode ser sobrestimada”, escreve Garcia no artigo, coautoria do Professor Brent Mittelstadt, do Internet Institute da Universidade de Oxford.

O artigo afirma que existem três áreas fundamentais da fiabilidade da aprendizagem automática:

• Preconceito e equidade: A utilização de vários grupos de “métricas de equidade”, que os autores admitem frequentemente se contrariarem entre si, para garantir que o modelo atua de forma justa.
• Interpretabilidade e explicabilidade: Descreve até que ponto um utilizador humano consegue compreender a lógica e o processo utilizados pelo modelo de IA para chegar ao seu resultado.
• Deriva dos dados e fragilidade do modelo: Descreve a forma como as alterações ao conjunto de dados de treino original, decorrentes de padrões presentes nos dados introduzidos pelos utilizadores e de outros fatores, podem influenciar negativamente os resultados do modelo.

Podemos deduzir que a Google acompanha atentamente estes fatores para garantir que a família de produtos Gemini se mantém ‘sob controlo’. Resta saber se veremos um compromisso semelhante por parte dos concorrentes que disputam uma quota de mercado.

Como se compara o Gemini com o ChatGPT?

Em termos de desempenho bruto, a Google fez algumas promessas ambiciosas relativamente ao que os programadores podem esperar. Eis os valores de referência de desempenho do Gemini Ultra e do Gemini Pro, em comparação com o ChatGPT, segundo a Google.

Uma nova fase ou uma nova era?

Embora o lançamento do Gemini possa ser apenas o mais recente capítulo da saga contínua da rápida inovação em IA, este parece diferente. 

Embora a funcionalidade expandida da particular vertente de capacidades multimodais do Gemini apresente obviamente uma oportunidade quase ilimitada para o desenvolvimento de produtos (incluindo a redação de histórias de utilizador!), a sua principal contribuição é o marco na inovação em IA que representa.

Será que o Gemini nos conduzirá a um verdadeiro modelo de AGI antes do fim de 2024? Talvez esteja escrito nas estrelas.

Não se esqueça de subscrever a nossa newsletter para obter mais informações, guias e recursos sobre gestão de produtos, criados para si por líderes e especialistas do setor.