Gemini（ジェミナイ）AI

Gemini時代の到来

• Geminiは、テキスト、画像、動画、音声、コードを網羅するマルチモーダル機能を基盤として構築されている。
• Geminiの最初のバージョンは、現時点で最も高性能なAIモデルとして紹介されている。
• 人間の専門家を上回る最初のモデルであり、AIモデルの知識と問題解決能力をテストするMMLUで高い性能を示している。

テキスト機能ベンチマーク

• Gemini Ultraは、一般的なMMLU、複雑な推論が必要なBig-Bench Hard、読解力を評価するDROPなど、さまざまなベンチマークで高い性能を記録している。
• 日常的な常識推論、数学の問題解決、Pythonコード生成などでも優れた結果を示している。
• 他の方法論に対する性能は、技術レポートで詳しく確認できる。

マルチモーダル機能ベンチマーク

• 画像、動画、音声分野でも、Geminiは既存の最高性能を上回っている。
• 大学レベルのさまざまな学問分野の問題解決、自然画像理解、文書理解などでGemini Ultraが高い性能を示している。
• 音声分野では、自動音声翻訳と認識においてGemini Proが競合モデルを上回っている。

BardにおけるGemini Proの活用

• BardでGemini Proを体験すれば、新たな創作、計画、ブレインストーミングなどの方法を見いだせる。

GN⁺の意見

• この記事で最も重要な点は、Gemini AIモデルがテキスト、画像、動画、音声、コードなど多様な形式のデータを理解し処理できるマルチモーダル機能を備え、複数のベンチマークで人間の専門家を上回る性能を示していることだ。
• このような進展はAI技術の前進を示しており、今後、創作、計画、学習など多様な分野でAIの活用可能性を大きく広げると期待されるため、人々にとって興味深いニュースである。

[GN⁺]

Hacker Newsの意見

• 関連ブログ記事: Googleの新しいAI技術であるGeminiに関するブログ記事へのリンクと、Hacker Newsの議論へのリンクを提供。Gemini Ultraはまだリリースされておらず、数か月先になる。
• Bard w/ Gemini Proはヨーロッパでは利用できず、マルチモーダルでもない。Gemini Proに関する公開統計はないが、技術文書に埋もれた情報は存在する。
• GPT-4と競合する製品が今日リリースされなかったという点で、誇大宣伝だという意見。大半の国で利用でき、宣伝された統計を備えた製品をリリースするほうが、より良かっただろうという評価。
• Gemini AIの印象的な性能: TypeScriptの不可能な機能についての質問に、正確に不可能だと回答し、関連するGitHub issueへのリンクも提示。GPT-4はWebブラウジングモードでないとき、リンク生成があまり得意ではない。また、まだベータ版であるPixi.js v8についても、GPT-4より速く認識し、主要機能を正確に説明した。
• Geminiのバージョンに混乱している人向けの説明: 主に議論されているのは、GPT-4を上回ると主張されているGemini Ultra。Bard経由で利用できるのはGemini Pro。
• 技術レポートに基づくGemini Ultra、Gemini Pro、GPT-4のベンチマーク性能比較。さまざまなデータセットでのスコア比較を提供。
• Gemini AIのデモ動画リンクを提供。
• Sundar Pichaiの主要動画での発言に関する観察: Googleが長い間AIに取り組んできたことを強調したいように見える印象。現時点で公開されている最先端モデルはOpenAIが作ったものであるため、その強調はやや場違いに感じられる。実際に見せるほうが、より良い戦略だという意見。
• Google AI StudioとGoogle Cloud Vertex AIを通じて、Geminiモデルをアプリケーションに統合できるという情報。12月13日から利用可能になる見込み。
• ベンチマークにおいて、テストデータが訓練データの一部だったかどうか判断しづらい問題への懸念。GPT-4が数学の問題でミスをする一方で、GSM8kでは高得点を取るといった例を提示。
• GPT-4をかろうじて上回ることに対するさまざまな意見。競争が激しくなれば皆に利益があるだろうという期待感を表明。事前公開の発表への不満と、実際に使えるようになるまで待つべきだという指摘。
• Codeforces（競技プログラミングプラットフォーム）でのGeminiモデルに関する議論リンクを提供。3200レーティングの問題をデータリークなしで解いたという主張に疑念を示す。
• Gemini Nanoへの大きな期待感。Pixel 8のスレッドでは、Web APIの利用は暫定的で、今後はオンデバイスモデルに置き換えられる可能性があるという意見があったが、これがその始まりかもしれない。