Google Gemini: Semua yang perlu Anda ketahui tentang platform AI generatif baru

Google mencoba membuat terobosan dengan Gemini, rangkaian model, aplikasi, dan layanan AI generatif andalannya.

Jadi apa itu Gemini? Bagaimana Anda bisa menggunakannya? Dan bagaimana cara agar bisa bersaing?

Untuk mempermudah mengikuti perkembangan terbaru Gemini, kami telah menyusun panduan praktis ini, yang akan terus kami perbarui saat model, fitur, dan berita Gemini baru tentang rencana Google untuk Gemini dirilis.

Apa itu Gemini?

Gemini adalah milik Google sudah lama dijanjikan, keluarga model GenAI generasi berikutnya, yang dikembangkan oleh laboratorium penelitian AI Google, DeepMind dan Google Research. Itu datang dalam tiga rasa:

• Gemini Ultramodel Gemini paling berkinerja.
• Gemini Promodel Gemini yang “ringan”.
• Gemini Nanomodel “sulingan” lebih kecil yang berjalan di perangkat seluler seperti Pixel 8 Pro.

Semua model Gemini dilatih untuk menjadi “multimodal asli” – dengan kata lain, mampu bekerja dengan dan menggunakan lebih dari sekedar kata-kata. Mereka telah dilatih sebelumnya dan disempurnakan dalam berbagai audio, gambar, dan video, sejumlah besar basis kode, dan teks dalam berbagai bahasa.

Hal ini membedakan Gemini dari model seperti LaMDA milik Google, yang dilatih secara eksklusif pada data teks. LaMDA tidak dapat memahami atau menghasilkan apa pun selain teks (misalnya esai, draf email), tetapi tidak demikian halnya dengan model Gemini.

Apa perbedaan antara aplikasi Gemini dan model Gemini?

Google, yang sekali lagi membuktikan bahwa mereka kurang berbakat dalam hal branding, tidak menjelaskan sejak awal bahwa Gemini terpisah dan berbeda dari aplikasi Gemini di web dan seluler (sebelumnya Bard). Aplikasi Gemini hanyalah sebuah antarmuka yang melaluinya model Gemini tertentu dapat diakses — anggap saja sebagai klien untuk GenAI Google.

Kebetulan, aplikasi dan model Gemini juga sepenuhnya independen dari Imagen 2, model teks-ke-gambar Google yang tersedia di beberapa alat dan lingkungan pengembangan perusahaan.

Apa yang bisa dilakukan Gemini?

Karena model Gemini bersifat multimodal, secara teori mereka dapat melakukan berbagai tugas multimodal, mulai dari menyalin ucapan, memberi teks pada gambar dan video, hingga menghasilkan karya seni. Beberapa dari kemampuan ini telah mencapai tahap produk (lebih lanjut tentang itu nanti), dan Google menjanjikan semuanya — dan lebih banyak lagi — pada suatu saat dalam waktu yang tidak terlalu lama lagi.

Tentu saja, agak sulit untuk mempercayai kata-kata perusahaan.

Google benar-benar kurang terlayani dengan peluncuran Bard yang asli. Dan baru-baru ini mereka membuat heboh dengan sebuah video yang dimaksudkan untuk menunjukkan kemampuan Gemini yang ternyata telah banyak direkayasa dan kurang lebih aspiratif.

Namun, dengan asumsi Google kurang lebih jujur ​​dengan klaimnya, inilah yang dapat dilakukan oleh berbagai tingkatan Gemini setelah mereka mencapai potensi penuhnya:

Gemini Ultra

Google mengatakan bahwa Gemini Ultra – berkat multimodalitasnya – dapat digunakan untuk membantu hal-hal seperti pekerjaan rumah fisika, menyelesaikan masalah selangkah demi selangkah di lembar kerja, dan menunjukkan kemungkinan kesalahan dalam jawaban yang sudah diisi.

Gemini Ultra juga dapat diterapkan pada tugas-tugas seperti mengidentifikasi makalah ilmiah yang relevan dengan masalah tertentu, kata Google – mengekstraksi informasi dari makalah tersebut dan “memperbarui” bagan dari satu makalah dengan menghasilkan rumus yang diperlukan untuk membuat ulang bagan dengan data yang lebih baru. .

Gemini Ultra secara teknis mendukung pembuatan gambar, seperti yang telah disinggung sebelumnya. Namun kemampuan tersebut belum diterapkan pada versi produksi model tersebut — mungkin karena mekanismenya lebih kompleks dibandingkan cara aplikasi seperti ChatGPT menghasilkan gambar. Daripada memberikan perintah ke generator gambar (seperti DALL-E 3, dalam kasus ChatGPT), Gemini mengeluarkan gambar “secara asli”, tanpa langkah perantara.

Gemini Ultra tersedia sebagai API melalui Vertex AI, platform pengembang AI yang dikelola sepenuhnya oleh Google, dan AI Studio, alat berbasis web Google untuk pengembang aplikasi dan platform. Ini juga mendukung aplikasi Gemini — tetapi tidak gratis. Akses ke Gemini Ultra melalui apa yang disebut Google Gemini Advanced memerlukan berlangganan Paket Premium Google One AI, dengan harga $20 per bulan.

Paket AI Premium juga menghubungkan Gemini ke akun Google Workspace Anda yang lebih luas — misalnya email di Gmail, dokumen di Dokumen, presentasi di Spreadsheet, dan rekaman Google Meet. Ini berguna, misalnya, untuk meringkas email atau meminta Gemini membuat catatan selama panggilan video.

Gemini Pro

Google mengatakan bahwa Gemini Pro merupakan peningkatan dari LaMDA dalam kemampuan penalaran, perencanaan, dan pemahamannya.

Seorang yang mandiri belajar oleh Carnegie Mellon dan peneliti BerriAI menemukan bahwa versi awal Gemini Pro memang lebih baik daripada OpenAI GPT-3.5 dalam menangani rantai penalaran yang lebih panjang dan kompleks. Namun penelitian ini juga menemukan bahwa, seperti semua model bahasa besar, versi Gemini Pro ini khususnya berjuang dengan masalah matematika yang melibatkan beberapa digit, dan pengguna menemukan contoh penalaran yang buruk dan kesalahan yang jelas terlihat.

Google menjanjikan solusinya – dan yang pertama hadir dalam bentuk Gemini 1.5 Pro.

Didesain sebagai pengganti drop-in, Gemini 1.5 Pro ditingkatkan dalam beberapa aspek dibandingkan pendahulunya, mungkin yang paling signifikan adalah jumlah data yang dapat diproses. Gemini 1.5 Pro dapat menampung ~700.000 kata, atau ~30.000 baris kode — 35x jumlah yang dapat ditangani Gemini 1.0 Pro. Dan — modelnya multimodal — tidak terbatas pada teks. Gemini 1.5 Pro dapat menganalisis audio hingga 11 jam atau satu jam video dalam berbagai bahasa berbeda, meskipun lambat (misalnya, mencari adegan dalam video berdurasi satu jam memerlukan pemrosesan 30 detik hingga satu menit).

Gemini 1.5 Pro memasuki pratinjau publik di Vertex AI pada bulan April.

Titik akhir tambahan, Gemini Pro Vision, dapat memproses teks Dan citra — termasuk foto dan video — dan teks keluaran yang serupa dengan model GPT-4 OpenAI dengan Vision.

Menggunakan Gemini Pro di Vertex AI. Kredit Gambar: Gemini

Dalam Vertex AI, pengembang dapat menyesuaikan Gemini Pro dengan konteks dan kasus penggunaan tertentu menggunakan proses penyesuaian atau “pembumian”. Gemini Pro juga dapat dihubungkan ke API pihak ketiga eksternal untuk melakukan tindakan tertentu.

Di AI Studio, terdapat alur kerja untuk membuat perintah obrolan terstruktur menggunakan Gemini Pro. Pengembang memiliki akses ke titik akhir Gemini Pro dan Gemini Pro Vision, dan mereka dapat menyesuaikan suhu model untuk mengontrol rentang materi iklan keluaran dan memberikan contoh untuk memberikan petunjuk nada dan gaya — dan juga menyesuaikan pengaturan keselamatan.

Namun, setelah Gemini 1.5 Pro keluar dari pratinjau di Vertex, model tersebut akan dikenakan biaya $0,0025 per karakter sedangkan output akan dikenakan biaya $0,00005 per karakter. Pelanggan Vertex membayar per 1.000 karakter (sekitar 140 hingga 250 kata) dan, dalam kasus model seperti Gemini Pro Vision, per gambar ($0,0025).

Misalkan artikel 500 kata berisi 2.000 karakter. Ringkasnya, artikel dengan Gemini 1.5 Pro akan berharga $5. Sementara itu, membuat artikel dengan panjang yang sama akan menelan biaya $0,1.

Harga ultra belum diumumkan.