BardがGeminiに、モバイルアプリとGemini Advancedを提供開始
(blog.google)- GoogleはBardをGeminiブランドへ統合し、既存のPro 1.0チャットに加えて、Ultra 1.0ベースのGemini Advancedとモバイルでのアクセス方法を追加
- GeminiはPro 1.0モデルで、すでに40以上の言語と230以上の国・地域で提供されており、Advancedは英語で150以上の国・地域から開始
- Gemini AdvancedはUltra 1.0へのアクセスを提供し、コーディング、論理的推論、複雑な指示の実行、創作コラボレーションのような作業をより深く処理可能
- Google One AI Premium Planは月額$19.99でAdvancedを含み、2か月間の無料トライアルと2TBストレージなど既存のPremium特典もあわせて提供
- モバイルではAndroidアプリとGoogle Assistantへのオプトイン、iOS版Googleアプリ内のGeminiトグルからアクセスし、Assistantの音声機能の一部も引き続き利用可能
BardからGeminiへ移行
- GoogleはBardの役割を、ユーザーにGoogleのAIモデルを直接提供する接点として説明してきたが、最も強力なモデル製品群を代表する名称に合わせて、ブランド名をGeminiへ変更
- ユーザーはGeminiをPro 1.0モデルベースで、40以上の言語と230以上の国・地域で利用可能
- 今回の変更の中心は2つの新しい体験
- Gemini AdvancedによるUltra 1.0へのアクセス提供
- AndroidアプリとiOS版Googleアプリを通じたモバイル体験の追加
Gemini AdvancedとUltra 1.0
- Gemini Advancedは、Googleの最新かつ最大・最高性能のAIモデルであるUltra 1.0へアクセスできる新しい体験
- 第三者評価者によるブラインド評価で、Ultra 1.0ベースのGemini Advancedは主要な代替チャットボットより好まれるチャットボットと評価
- 複雑な作業で強みを発揮
- 論理的推論
- 高度なコーディング
- 微妙な指示事項の実行
- 創作プロジェクトでの共同作業
- より長く詳細な会話を続けられ、以前のプロンプトの文脈もよりよく理解
Ultra 1.0の活用と拡張計画
- Gemini Advancedは、個人チューターのように学習スタイルに合わせた段階的なガイダンス、サンプルクイズ、双方向の議論を作成可能
- 高度なコーディングシナリオでは、アイデアのレビュー相手になったり、複数のコーディング手法の比較を手伝ったりできる
- デジタルクリエイターは、新しいコンテンツの生成、最近のトレンド分析、オーディエンス拡大のための改善案ブレインストーミングに活用可能
- 最初のバージョンは現在のAI推論の進展を反映しており、今後Advancedユーザーには次の機能が追加予定
- 拡張されたマルチモーダル機能
- よりインタラクティブなコーディング機能
- より深いデータ分析機能
- 新たな独自機能
- Gemini Advancedは英語で150以上の国・地域に提供され、時間の経過とともにさらに多くの言語へ拡大予定
Google One AI Premium Plan
- Gemini Advancedは新しいGoogle One AI Premium Planに含まれる
- 料金は月額**$19.99**で、開始時に2か月間の無料トライアルを提供
- このプランには既存のGoogle One Premium planの特典も含まれる
- 2TBストレージを提供
- AI Premium加入者はまもなくGmail、Docs、Slides、SheetsなどでGeminiを利用可能
- 以前の名称はDuet AI
安全性の確認とモデル改善
- Googleは安全でないコンテンツやバイアスを減らすため、AI Principlesに基づいて製品に安全対策を構築
- Gemini Advancedの公開前に広範な信頼・安全性テストを実施
- 外部レッドチームテストを含む
- 基盤モデルは、人間のフィードバックに基づくファインチューニングと強化学習によってさらに改善
- 詳細な技術情報は、更新されたGemini Technical Reportで確認可能
モバイルでGeminiを使う
- Googleは、スマートフォンからGeminiへより簡単にアクセスできるよう、AndroidアプリとiOS版Googleアプリを基盤とした新しいモバイル体験を提供開始
- スマートフォン上のGeminiでは、入力、音声、画像の追加を通じて、外出先でも支援を受けられる
- パンクしたタイヤの写真を撮って対処方法を尋ねる
- 夕食パーティーの招待状向けにカスタム画像を作る
- 書きにくいテキストメッセージの作成を手伝ってもらう
- Googleはこのモバイル体験を、会話型・マルチモーダル・役に立つAIアシスタントに向かう第一歩と位置付けている
AndroidとiOSでの提供方法
- AndroidではGeminiは、生成AIでユーザーを支援する新しいタイプのアシスタントとして提供
- Geminiアプリをダウンロードするか、Google Assistantからオプトインすると、アプリまたは既存のAssistant呼び出し方法でアクセス可能
- 一部のスマートフォンでは電源ボタンを押す
- 画面の隅からスワイプ
- 「Hey Google」で呼び出す
- Androidの新しいオーバーレイ体験は、画面上からGeminiへのアクセスと文脈に基づく支援を提供
- たった今撮った写真のキャプション生成
- 読んでいる文章について質問
- Geminiアプリでは、タイマー設定、電話発信、スマートホーム機器の制御など、多くのGoogle Assistant音声機能を利用でき、Googleはさらに多くの機能対応を準備中
- iOSでは数週間以内にGoogle appでGeminiへのアクセスを提供予定
- Geminiトグルをタップしてチャット可能
- カスタム画像の生成、ソーシャル投稿作成の支援、デートの夜の計画などに活用可能
提供地域と言語
- GeminiはAndroidとiOSスマートフォンで、米国の英語環境向けに本日から展開開始
- 数週間以内に全面提供予定
- 来週からはより多くの地域で英語で利用可能になる予定
- 日本語と韓国語のサポートも来週から提供され、さらに多くの国と言語がまもなく追加予定
1件のコメント
Hacker News の意見
Bard という名前を捨てたのは意外だった。Bard には「語り手」という意味もあり、かなり古い単語なので他の名前とかぶる可能性も低く、なかなか賢い選択に見えた
一方で Gemini は、ChatGPT の双子という意味でないなら特に関連性がピンと来ず、すでに同じ名前の会社もある。ただ「Google」のように G で始まる利点は理解できる
ちなみに bard.com は別会社の bd.com にリダイレクトされるが、Gemini.com は実際にその名前の会社が使っている。この決定がどう下されたのか、裏話が気になる
Gemini は宇宙計画のように聞こえて、未来的で人類の飛躍のような感情的連想がある。星座であり、宇宙にあり、星でできていて、中に「gem」も入っているので、高級で価値があり洗練された印象を与える。最高の名前という意味ではないが、Bard よりずっと適切だ
それでも Gemini は格好よくSFっぽく、単にラテン語なのでローカライズが少ししやすいかもしれない
Gemini killer、Joseph Testa と Anthony Senter のようなマフィアの Gemini twins hitmen とも結びつく。もっと良いブランド名を選べたはずだ
Robotron の戦場 AI システム名のようにも見える。「Sir, Gemini is charged and ready for battle.」
神話的な観点では、Gemini は事業全体/マーケティングの観点ではより筋が通っているように思う。「この AI はあなたの双子です。文章も代わりに終わらせてくれます」といったメッセージが可能だ
Gemini が大きく違うかは分からないし、まだ GPT-3.5 と GPT-4 のほうが印象的だが、名前変更によってある程度の リセット効果 は得られる
20分ほど使ってみた限りでは、**Bard Advanced（Gemini Ultra）**の品質はかなり印象的。結果はGPT-4と同じくらい良く、場合によってはそれ以上
利点は、中国語・日本語の慣用句の英訳がより良く、GPT-4 Bingよりも検索結果を回答にうまく統合できること
欠点は、コーディングがやや劣り、検閲がより面倒で、医療トピックは何度も聞く必要があること。論理も弱く、1つの文の中で自分で矛盾していても気づかず、画像を説明させると幻覚が多い
そうなれば、GeminiはあらゆるもののためのワンストップAIになり得る。Microsoftだけが似た形で対抗できるが、Microsoftには人気のある地図、YouTube、メール、スマートフォンOSサービスがない
Appleも強者だが、docs、sheets、YouTubeのような生産性ツールがない。これからのAI競争は、Googleが自ら取りこぼすかどうかの問題に近い
ChatGPTに行って結果をコピー＆ペーストするやり方はますます不便になるだろうし、Bing統合もつらい。OpenAIは大規模言語モデルの拡張に集中しているようだが、Google DeepMindは別の方向も探っている
GoogleはYouTube TV、YouTube Premium、Google Drive、ストレージ、広告なし検索、Gemini統合済みのDocs/Sheets/Gmail、補助金付きのPixel Phone/Watchを月額99ドルのような価格でまとめることができ、多くの人にとってかなり魅力的になり得る
最近BardとChatGPTに古典的な哲学的ジレンマを尋ねたところ、ChatGPTにも難しさはあったが、Bardははるかに深刻で、常に保守的な側、つまりまだ広く確立されていない自由は擁護しない側を選んだ。功利主義の限界、「社会にとって何が最善か、個人にとって何が最善か」といった問いだった
例を変えて自発的参加のような要素を加え、バイアスを作っても、Bardは最初は両義的で開かれた問いだと言いながらも、自分の立場を貫いた
こうしたシステムは本質的に、その時点で広く受け入れられているものに基づくため、現状維持を強化する。歴史が違っていれば奴隷制を擁護し、女性参政権に反対し、同性愛を非倫理的だと言っていた可能性も高い
倫理だけの問題ではない。ITやプログラミングでも、すでに発明された言語、スタイル、方法論が大きな優位を得る可能性がある。MicrosoftやGoogleのように望む方向へバイアスをかけられる企業でないなら、なおさらだ
ここにコストの問題まで重なるため、相当な財政力を持つ人や組織だけがルールを作れるのだとすれば、見通しはかなり暗い。自動運転車の事故ジレンマが、あり得ないほど稀な状況で誰をはねるかを扱っていたこの10年が懐かしい
自分の経験では、Gemini Ultraのほうがコードをよく理解するが、出力長をより制限しているようで、常に完全な結果を返すわけではない
とても賢くもある。あるコードが12ビット整数を配列の複数箇所に特定のエンコーディングで入れていることを説明してくれたが、そのコードだけを見てほとんどの人が見抜くのは難しかっただろう。続けて、自分が知らなかったきれいな変換関数を使えばよいとも教えてくれた
ただし、そのコードはごくわずかに間違っている。その素晴らしい関数を使わないように言うと、実際には正しく書く。GPT-4はコードが何をしているのかほとんど分かっていないが、多少整理することはできる
そのためUltraは時々、賢すぎて半分外しているように感じる
それでも数千行のコードを両方に入れてリファクタリングさせたところ、どちらもエラーは1つを超えず、残りのコードは初回でコンパイルされ動作した
学習データにあるはずのないコードで、ソースが失われた古いx86バイナリを基に手書きしたPythonなので、GitHubにもっときれいな形で存在しそうなものでもない
GPT-4とGemini Ultraはいずれも、8,000〜10,000行ほどのひどいコードを、私がほとんど手を入れなくても、きれいで慣用的なPythonまたはTypeScriptに変換し、それぞれバグ1つなら悪くない
GPT-4が入れたバグはより巧妙だった。TypeScriptへの変換中に、何の理由もなく
(uint8)'a'に相当するものを(uint8)'a' - '0'に変えた。これが代表的かどうかは分からない他の「上位」モデル、たとえばcan ai codeなどに出ているモデルで同じことをすると、大多数は入力全体に対して正しく動作するコードすら作れず、良いコードとは程遠い
翻訳のようなユースケースは、論理推論に比べると印象が薄い。大量のデータを投入すれば良くなる作業のように感じる一方で、論理推論はモデルが単なるパターンマッチング以上の何かを「学んだ」ように見えるからだ
Play Storeで検索すると、最初に出てくるアイコンはCrypto.comと「Gemini: Buy Bitcoin & Crypto」のインストール候補
それらのアプリのスクリーンショットを通り過ぎ、Limited-time eventsを通り過ぎ、You Might Also LikeとSimilar Appsを通り過ぎて、ようやく見える。インストールして起動したら「Gemini isn't currently available. Try again later.」と表示された
Bravo Google。見事なローンチだ
2つ目の問題は私も同じエラーを見たが、閉じて再起動したら正常に開いた
ブラウザ版のGoogle Playでは「This app is not available for your device」
Google Playアプリでは「This item is not available in your country.」
Aurora Storeでは「Download Failed. App not purchased」
本当に見事なローンチだ。Bravo
アプリに絶対必要な機能は、音声入力時の自動送信だ。Google Assistantを置き換えると提案してきて、数分使ってみると置き換えられそうには見えるが、スマホに話しかけるだけで済む代わりに、毎回手動で送信ボタンを押さなければならない
Gemini Advancedをようやく試せるとかなり期待していたが、今のところ期待外れだ
私がよく使うテスト質問は、ChatGPT 3.5でも正解する問題だ。「ガラスのドアの前に立っていて、ドアにはpushという単語が鏡文字で書かれている。押すべきか引くべきか、なぜか？」
Gemini Advancedは押すべきだと答え、鏡文字なら書かれていることと反対の行動が正しいという説明までしておきながら、結論はpushだと言う。自分の発言とも一貫していない。こういう「頭の悪い人と会話している感じ」が最悪だ
ChatGPT 3.5は、鏡文字に見えるということは反対側の人向けの表示なので、引くべきだと答えた
鏡文字で「push」と書かれている場合、ドアを開けるのに必要な行動は書かれていることと反対だという表示としてよく使われ、ガラスドアで押してけがや破損が起きるのを防ぐための安全対策だと説明していた
公共の場所のガラスドアでよくある設計なので、他に明確な指示がなければ反対の行動を取ればよいとも言っていた
「push」が鏡文字で書かれているなら反対側では押すべきという意味で、こちら側から鏡文字が見えるなら反対側で取る行動を示しているので、この場合はドアを押すべきだと答えた
質問の核心は同じ量の異なる物質を比較する点だと説明したが、実際の質問は羽毛2ポンドとレンガ1ポンドなので間違っている。密度の話を長々としながら、重さの数量を読み間違えている
鏡文字は、現在外側にいる人に向けた指示ではなく、内側から外を見る人に向けた指示であることを意味すると説明していた
「Gemini Appsを動かす技術の改善のため、会話は人間のレビュアーによって処理されます。レビューされたり使用されたりしたくない内容は入力しないでください。」
こう正直に言ってくれるのはありがたいが、有料機能でプライバシーやオプトアウト手段がないのは微妙だ
「今後の会話がレビューされたり、機械学習モデルの改善に使われたりすることを望まない場合は、Gemini Apps Activityをオフにするように」と書かれている
例外は、契約でプロバイダーがユーザーの許可なしにデータを使用したり閲覧したりすることを明示的に禁じている場合くらいだが、そういうケースはまれだ
Gemini Ultraは論理ではGPT-4より優れているように見える。まだテスト中だが、Ultraは正解し、GPT-4は完全に失敗したプロンプトがある
「Tabithaはcookiesは好きだがcakeは嫌い。muttonは好きだがlambは嫌いで、okraは好きだがsquashは嫌い。同じルールに従うなら、cherriesとpearsのうちどちらを好きになるだろうか？」
https://i.imgur.com/KW6gQbc.jpeg
https://i.imgur.com/OSHSvLp.png
CoC関数の空欄を埋めるよう求めるプロンプトで、GPT-4-Turboは
(f (g (h (g z))))と正答を出し、Gemini Advancedはh (h (g (f z)))と誤答したGeminiは「答えだけを返せ」という指示も守れず、幻覚混じりの正当化を大量に付け加えた。勝者は決まったようだ。スクリーンショット: https://imgur.com/a/GotG0yF
空からcherriesが降ってくるという答えをした。以前の質問や文脈なしで、チャットの最初の質問だった
実際のユースケースでより印象的なのは、大規模言語モデルが自分の推論をでっち上げたりオンラインで答えを探したりせず、「推測できない」と言うことのほうだと思う
「apples」が2音節だという事実は学習データのどこかにあるので分かるかもしれないが、「bratush」のような架空の果物名を作ると、人間には2音節に見えても、大規模言語モデルにとっては単語自体の情報なしに1〜7個のトークンになり得る
戦略は、できるだけ独特で新しいパターンを5つ提案し、例外なく適用されるか確認し、パターンが正確に適用されたかをゆっくり再確認し、重要なことを見落とさないよう各ステップを説明させるというものだった
モデルの品質とは別に、サブスクリプションプランの構成が、特に既存のGoogle Oneユーザーにとってかなり奇妙だ
これまでは月額9.99ドルで2TBとその他の特典、月額24.99ドルで5TBと上位特典、10〜30TBの上位プランがあり、10〜30TBだけ年払いがない点を除けば一貫していて分かりやすかった
今回AIプランとして、月額19.99ドルで2TB、その他の特典、Geminiへのアクセス権が追加されたが、月払いのみだ
既存のGoogle One加入者は奇妙な状況に置かれた。2TBの年額プラン利用者はGeminiを使うには月額プランへ移る必要があり、より大容量の利用者はストレージを減らさない限りアップグレードの選択肢もない。Google Fiユーザーは、もっと払いたくてもアップグレードの選択肢がなく、さらに悪い
Googleもこれを把握していて、上位プラン加入者には7月31日までAI機能を無料提供し、その後新しいプランを用意するようだが、それでもユーザーの混乱は大きい。YouTube Premiumが別サブスクリプションであるだけでもすでに面倒なのに、「One」であるべき製品にこの問題を持ち込む必要はなかった
私は8月まで100GBの年額プランで、新しい月額サブスクリプションに割引もない。残念だ
“Sorry, Gemini Advanced isn't available for you”
「Gemini Advancedは一部の国、仕事用アカウント、特定の年齢未満のユーザーにはまだ提供されていません。」
詳細を見る: https://login.corp.google.com/request?s=support.corp.google....
Bard？ Gemini？ Gemini Advanced？ Gemini Ultra？ Ultra 1.0？ まだ命名体系を決めきれていないように見える。Xbox Series X以降で最も紛らわしい名前だ
Gemini “Basic”、Advanced、Ultraは、その設計における異なるサイズだ
推測だが、「Ultra 1.0」はUltra構成をベースにしたモデルをさらに出す意図を示しているように思える。最も商業的なモデルなので、安定性の約束もあるかもしれない。例えばUltra 3.0が出てもUltra 1.0は引き続き提供され、自分のプロジェクトに統合して検証した人は、基盤モデルの変化が小さいか、あるいはないと期待できる、といった具合だ
誰もがデータの価値に気づいた今、OpenAI以外の企業は以前より無料のデータの塊にアクセスしにくくなっているため、こうしたことはしばらく続きそうだ
それとは別に、MicrosoftでさえChatGPT全体へのアクセス権を持っていても、実装ははるかに劣ると思う。Appleもしばらくは似た運命をたどりそうだ
Bardは廃止中の名前で、Geminiはモデル名であり、単に「GPT」と呼ぶよりは紛らわしくない
Gemini Advancedはより高性能なGeminiモデル、Gemini Ultraは最も高性能なGeminiモデル、Gemini 1.0はモデルのバージョンで、いま1.0に到達して正式利用の準備ができたという意味に見える
月額21ドルのGemini Advancedに加入し、単一の事例ではあるが、かなり難しいプログラミング作業を尋ねてみたところ、非常によくできていた。あまり知られていない言語であるCommon Lispで、1982年から私が最も好きなプログラミング言語だ。世の中にはCL愛好家が数十人はいるだろう
生成されたコードと補足説明はいずれも非常に良かった
余談だが面白いのは、検索やGmailのような「無料」のGoogleサービスはほとんど使わなくなった一方で、いまは有料のGoogleサービスに月135ドルほど使っていることだ。GCPの費用は除いた金額である。YouTube/Music Premium、YouTube TV、Play Booksのような有料サービスは本当に良い