Membuat Gemini 1.5: Bagaimana Model AI Multimodal Terbaru Google Meningkatkan Lanskap AI di Luar Pendahulunya

Dalam lanskap kecerdasan buatan yang berkembang pesat, Google (GOOGL ) terus memimpin dengan pengembangan inovatifnya dalam teknologi AI multimodal. Tak lama setelah debut Gemini 1.0, model bahasa besar multimodal canggih mereka, Google sekarang telah memperkenalkan Gemini 1.5. Versi ini tidak hanya meningkatkan kapasitas yang telah ditetapkan oleh Gemini 1.0, tetapi juga membawa perbaikan signifikan dalam metode Google untuk memproses dan mengintegrasikan data multimodal. Artikel ini memberikan penjelasan tentang Gemini 1.5, memberikan gambaran tentang pendekatannya yang inovatif dan fitur-fitur uniknya.

Gemini 1.0: Membangun Fondasi

Diluncurkan oleh Google DeepMind dan Google Research pada 6 Desember 2023, Gemini 1.0 memperkenalkan jenis baru model AI multimodal yang dapat memahami dan menghasilkan konten dalam berbagai format, seperti teks, audio, gambar, dan video. Ini menandai langkah besar dalam AI, memperluas cakupan untuk mengelola berbagai jenis informasi.

Fitur unggulan Gemini adalah kemampuannya untuk menggabungkan beberapa jenis data secara mulus. Tidak seperti model AI konvensional yang mungkin mengkhususkan diri dalam satu format data, Gemini mengintegrasikan teks, visual, dan audio. Integrasi ini memungkinkannya untuk melakukan tugas seperti menganalisis catatan tulisan tangan atau memecahkan diagram kompleks, sehingga menyelesaikan spektrum luas tantangan kompleks.

Keluarga Gemini menawarkan model untuk berbagai aplikasi: model Ultra untuk tugas kompleks, model Pro untuk kecepatan dan skalabilitas pada platform seperti Google Bard, dan model Nano (Nano-1 dan Nano-2) dengan 1,8 miliar dan 3,25 miliar parameter, masing-masing, dirancang untuk integrasi ke perangkat seperti smartphone Google Pixel 8 Pro.

Melompat ke Gemini 1.5

Rilis terbaru Google, Gemini 1.5, meningkatkan fungsionalitas dan efisiensi operasional dari pendahulunya, Gemini 1.0. Versi ini mengadopsi arsitektur Mixture-of-Experts (MoE) yang inovatif, sebuah perbedaan dari pendekatan model besar yang seragam yang terlihat pada pendahulunya. Arsitektur ini menggabungkan koleksi model transformer yang lebih kecil dan khusus, masing-masing mahir dalam mengelola segmen data spesifik atau tugas yang berbeda. Pengaturan ini memungkinkan Gemini 1.5 untuk secara dinamis mengaktifkan ahli yang paling sesuai berdasarkan data yang masuk, menyederhanakan kemampuan model untuk belajar dan memproses informasi.

Pendekatan inovatif ini secara signifikan meningkatkan efisiensi pelatihan dan penerapan model dengan mengaktifkan hanya ahli yang diperlukan untuk tugas. Akibatnya, Gemini 1.5 mampu dengan cepat menguasai tugas kompleks dan menghasilkan hasil berkualitas tinggi lebih efisien daripada model konvensional. Kemajuan seperti ini memungkinkan tim penelitian Google untuk mempercepat pengembangan dan peningkatan model Gemini, memperluas kemungkinan dalam domain AI.

Mengembangkan Kemampuan

Salah satu kemajuan penting dalam Gemini 1.5 adalah kemampuan pemrosesan informasinya yang diperluas. Jendela konteks model, yang merupakan jumlah data pengguna yang dapat dianalisis untuk menghasilkan respons, sekarang mencapai hingga 1 juta token — peningkatan yang substansial dari 32.000 token Gemini 1.0. Peningkatan ini berarti Gemini 1.5 Pro dapat secara bersamaan memproses jumlah data yang luas, seperti satu jam konten video, sebelas jam audio, atau kode besar dan dokumen teks. Ini juga telah diuji dengan hingga 10 juta token, menunjukkan kemampuan luar biasa untuk memahami dan menafsirkan dataset yang sangat besar.

Sebuah Glimpse ke dalam Kemampuan Gemini 1.5

Peningkatan arsitektur dan jendela konteks yang diperluas memungkinkan Gemini 1.5 untuk melakukan analisis yang canggih atas set data besar. Apakah itu menyelami detail intrik dari transkrip misi Apollo 11 transkrip atau menafsirkan film bisu, Gemini 1.5 menunjukkan kemampuan pemecahan masalah yang tak tertandingi, terutama dengan blok kode panjang.

Dikembangkan pada akselerator TPUv4 canggih Google, Gemini 1.5 Pro telah dilatih pada dataset yang beragam, mencakup berbagai domain dan termasuk konten multimodal dan multibahasa. Basis pelatihan yang luas ini, dikombinasikan dengan penyetelan halus berdasarkan data preferensi manusia, memastikan bahwa output Gemini 1.5 Pro sesuai dengan persepsi manusia.

Melalui pengujian benchmark yang ketat melawan berbagai tugas, Gemini 1.5 Pro tidak hanya mengungguli pendahulunya dalam sebagian besar evaluasi, tetapi juga setara dengan model Gemini 1.0 Ultra yang lebih besar. Gemini 1.5 Pro menunjukkan kemampuan “pembelajaran dalam konteks” yang kuat, secara efektif memperoleh pengetahuan baru dari prompt rinci tanpa perlu penyesuaian lebih lanjut. Ini terutama terlihat dalam kinerjanya pada benchmark Terjemahan Mesin dari Satu Buku (MTOB), di mana ia menerjemahkan dari bahasa Inggris ke Kalamang—bahasa yang dituturkan oleh sejumlah kecil orang—dengan kemampuan yang setara dengan pembelajaran manusia, menekankan kemampuan adaptif dan efisiensi belajarnya.

Akses Pratinjau Terbatas

Gemini 1.5 Pro sekarang tersedia dalam akses pratinjau terbatas untuk pengembang dan pelanggan perusahaan melalui AI Studio dan Vertex AI, dengan rencana untuk rilis yang lebih luas dan opsi kustomisasi di masa depan. Fase pratinjau ini menawarkan kesempatan unik untuk menjelajahi jendela konteks yang diperluas, dengan perbaikan kecepatan pemrosesan yang diantisipasi. Pengembang dan pelanggan perusahaan yang tertarik dengan Gemini 1.5 Pro dapat mendaftar melalui AI Studio atau menghubungi tim akun Vertex AI mereka untuk informasi lebih lanjut.

Penutup

Gemini 1.5 mewakili langkah maju yang signifikan dalam pengembangan AI multimodal. Membangun fondasi yang diletakkan oleh Gemini 1.0, versi ini membawa metode yang ditingkatkan untuk memproses dan mengintegrasikan berbagai jenis data. Pengenalan pendekatan arsitektur yang inovatif dan kemampuan pemrosesan data yang diperluas menekankan upaya berkelanjutan Google untuk meningkatkan teknologi AI. Dengan potensi untuk penanganan tugas yang lebih efisien dan pembelajaran yang ditingkatkan, Gemini 1.5 menunjukkan evolusi terus-menerus AI. Saat ini tersedia untuk sekelompok kecil pengembang dan pelanggan perusahaan, ini menandai kemungkinan menarik untuk masa depan AI, dengan ketersediaan yang lebih luas dan kemajuan lebih lanjut di cakrawala.