Edukira joan

Google Gemini

Wikipedia, Entziklopedia askea
Artikulu hau hizkuntza eredu handiari buruzkoa da; txabotari buruzkoa beste hau da: «Gemini (txatbota)».
 Google Gemini
Jatorria
Sorrera-urtea2023
Argitaratze-data2023
IzenburuaGemini
Honen izena daramaGemini
Aurkezpen data2023ko maiatzaren 10a
Ezaugarriak
Egile-eskubideakcopyrightduna
Lizentzializentzia jabedun
Deskribapena
OinarrituaLaMDA (en) Itzuli
PaLM 2 (en) Itzuli
Ekoizpena
GaratzaileaGoogle DeepMind
deepmind.google…
BideoaYouTube

Google Gemini Google DeepMind-ek garatutako lengoaia multimodaleko hainbat hizkuntza-eredu handi dituen familia bat da, LaMDA eta PaLM-2ren ondorengo gisa sortu dituztenak. Hor barruan daude Gemini Ultra, Gemini Pro eta Gemini Nano. 2023ko abenduaren 6an iragarri zen, Open AIko GPT-4ren lehiakide gisa.[1][2] Gemini izenak, akronimo gisa, Generalized Multimodal Intelligence Network esan nahi du.[3]

Hizkuntza-eredu handi hori (LLM) testu- eta irudi-datuen multzo masibo batean eratu zen, Googleren Tensor Processing Unit-etan (TPU) trebatuta.

Hizkuntza eredu handi honetan oinarrituta dago Gemini txabota.[4][5]

Google-ko Sundar Pichai (L) eta DeepMind-eko Demis Hassabis (R) zuzendu zuten Geminiren garapena.

Geminik audioarekin eta bideoarekin lan egin dezake ulertzeko eta horiekin elkarrekintzan aritzeko, baita honelakoak sortzea ere: testua (poesia, scriptak, musika-piezak, mezu elektronikoak, gutunak, etab.), konputagailurako programazio-kodea, eta itzulpenak (100 hizkuntza baino gehiagoren artean). Sormena behar duten hainbat motatako eduki sor ditzake (irudiak, marrazkiak, soinuak, musika, bideoak...), ikertzaileei datuak aztertzen lagundu diezaieke edo hipotesiak sortu. Geminik galderak erantzun ditzake modu informatiboan edo ikastaro pertsonalizatuak, jokoak, tutorialak... eginez. Noski hori dena egiten du AAren mugekin (erroreak, alborapena, "aluzinazioak"...).

Demis Hassabisen arabera, Geminik apurka-apurka elementu robotikoekin konektatzeko aukera izan behar du, ukimenaren zentzua izan behar du eta eragingailuetan eragin ahal izan behar du, testuinguruaren eta munduaren inguruan zehatzagoa eta kontzienteagoa izatearekin batera.[6]

Deskribapena

[aldatu | aldatu iturburu kodea]

Gemini, adimen artifizial multimodala den aldetik, hau da, adierazteko eta ulertzeko hainbat modu konbinatzeko gai den aldetik, adimen artifizialaren azken belaunaldian kokatzen da.[6]

Gemini 2023an iragarri zen GPT-4 bezalako ereduak gaindituz bezala, aldi berean eta modu moldakorrean datu mota ezberdin asko prozesatu ahal izanik (testua, irudiak, mapak, soinuak, bideoak edo grafikoak). Horrek askotariko eskaerei erantzun diezaieke, hala nola testu idatziak, irudiak, soinuak eta kodeak sortzea; bideo-fluxuaren analisia, 3D eredu konplexuak sortzea, grafiko konplexuak, mapak eta abar aztertzea eta interpretatzea, [7].[8]

Googleren arabera, Gemini bereziki hornituta dago IT kodifikatzeko, AlphaCode 2 kodea sortzeko duen sistema berriari esker, lehiakideen %85 gainditzea ahalbidetuko liokeena.[6]

Funtzionamendua

[aldatu | aldatu iturburu kodea]

Geminik PaLM 2 modeloaren neurona-sarea eta "Google Transformer" arkitektura (framework) erabiltzen ditu, eskala handiko beste hizkuntza-eredu batzuetan oinarritzen dena, hala nola OpenAIren IA BERT (Bidirectional Encoder Presentations from Transformers) eta GPT-3 (Generative Pre-trained Transformer 3). Duet AI ere badu, testua eta irudiak sor ditzakeen AA. Hala ere, BARD, ChatGPT eta beste AA batzuekin alderatuta, Geminik funtzio berriak eskainiko lituzke, eta aurrerapen handia AAri dagokionez: erraz prozesa ditzake datu multimodalak, bere arkitektura bateratuari esker, hainbat datu mota kodifikatu eta deskodetu ditzake sare bera erabiliz (Geminiren kodetzaileak hainbat datu mota bihur ditzake AAko deskodetzaileak uler dezakeen lengoaia komun batean. Deskodetzaile horrek hainbat motatako "irteerak" ere sor ditzake.[9] 2023an, Wired-en, Demis Hassabisek esan zion: “Maila handi batean, AlphaGo motako sistemen indar batzuen eta eredu handien gaitasun linguistiko sinestezinen arteko konbinaziotzat har dezake Gemini”, eta gaineratu zuen Geminik aukera emango duela grafikoak aztertzeko edo softwarea ahots bidez kontrolatzeko. Halaber, Gemini ingurune akademikorako aldez aurretik irekitzearen alde agertu zen (2023ko ekainean), azken horrek AA berri hori ebaluatzen lagundu ahal izateko.[10]

Bertsioak

[aldatu | aldatu iturburu kodea]

Hizkuntza-eredu handien zerrendan ikus daiteke noiz sortu diren HEH honen bertsioak eta horien ezaugarriak.

Prestakuntza-kostuen zutaberako, 1 petaFLOP-egun = 1 petaFLOP/sec × 1 egun = 8,64E19 FLOP. Gainera, modeloaren handienaren kostua bakarrik dago idatzita.

Izena Argiratze data Gara-tzailea Parametro kopurua (mila milioika) Corpusaren tamaina Entrena-mendu-kostua (peta

FLOP-egun)

 Lizentzia Oharrak
Gemini 1.0 2023ko abendua Google DeepMind Ezezaguna Ezezaguna Ezezaguna Proprietary Eredu multimodala, hiru tamainatan dator. Izen bereko chatbotean erabilia.
Gemini 1.5 2024ko otsaila Google DeepMind Ezezaguna Ezezaguna Ezezaguna Proprietary Eredu multimodala, Aditu-konbinazioko (Mixture of experts, MoE) arkitekturan oinarritua. Milioi bat tokenetik gorako testuinguruaren leihoa .
Gemini Ultra 2024ko otsaila Google DeepMind Ezezaguna Ezezaguna Ezezaguna

Euskara, Latxa eta beste hizkuntza ereduak

[aldatu | aldatu iturburu kodea]

2024ko Informatikari Euskaldunen Bilkuraren barruan sei hizkuntza-eredu handi jarri zuten lehian euskarazko elkarrizketetan. Helburua EHUko Hitz zentroan garatzen den Latxa eredua «sistema komertzial hoberenen kontra» lehian jartzea izan zen, eta horra ondorioetako bat: GPT-4o eredu ezagunaren parean geratu zen ia. Dema horretan ikusi zen euskaraz «hobekien» zekien sistema Claude Sonnet 3.5 sistema komertziala zela, bigarren GPT-4o sistema geratu zen, eta haren «ia parean» geratu zen Latxa. Beherago geratu zen Gemini Flash 1.5, eta «askoz beherago» Command R+ eta LLama 3.1. Azken hori Latxa eredu berriaren «oinarria» da.[11][12][13]

Erreferentziak

[aldatu | aldatu iturburu kodea]
  1. ↑ (Ingelesez) Kruppa, Miles. «Google Announces AI System Gemini After Turmoil at Rival OpenAI» WSJ (kontsulta data: 2024-12-28).
  2. ↑ (Ingelesez) «Google launches Gemini, upping the stakes in the global AI race» AP News 2023-12-06 (kontsulta data: 2024-12-28).
  3. ↑ (Gaztelaniaz) «‎Gemini - Chatea para dar rienda suelta a tus ideas» Gemini (kontsulta data: 2024-12-28).
  4. ↑ Leturia Azkarate, Igor. (2025). «Euskara hizkuntza-eredu handietan eta txatbotetan bidea eginez» Elhuyar Zientzia (kontsulta data: 2025-12-04).
  5. ↑ Julio, Gorka. (2023-12-09). «Gemini» Berria (kontsulta data: 2025-12-04).
  6. 1 2 3 L, Bastien. (2023-12-07). Google lance Gemini : une IA conçue pour avoir 5 sens et une conscience. ..
  7. ↑ Yohann Poiron. (19 septembre 2023). Qu’est-ce que Google Gemini : la nouvelle génération d’IA ?. ..
  8. ↑ Eray Eliaçık. (12 septembre 2023). Qu’est-ce que l’IA Gemini de Google qui quintuple GPT-4 ?. ..
  9. ↑ Sahil Kapoor. (22 août 2023). What Is Google's AI Project Gemini and What Is It Working On?. ..
  10. ↑ Knight, Will. (26 juin 2023). Google DeepMind CEO Demis Hassabis Says Its Next Algorithm Will Eclipse ChatGPT. ISSN 1059-1028...
  11. ↑ Sustatu. (2024-11-10). «Adimen artifiziala euskaraz, sailkapena: 1) Claude / 2) GPT 4o / 3) Latxa» sustatu.eus (kontsulta data: 2025-01-03).
  12. ↑ «Latxa hizkuntza eredua GPT-4ren parean geratu da lehiaketa batean» Berria 2024-11-19 (kontsulta data: 2024-11-25).
  13. ↑ (Gaztelaniaz) Quesada Webb, Armando. (2024-06-12). «Latxa, un ChatGPT en euskera contra la brecha digital de los idiomas» El País (kontsulta data: 2024-11-25).

Ikus, gainera

[aldatu | aldatu iturburu kodea]

Kanpo estekak

[aldatu | aldatu iturburu kodea]
"https://eu.wikipedia.org/w/index.php?title=Google_Gemini&oldid=10705515"(e)tik eskuratuta