Google baru-baru ini meluncurkan sistem AI Gemini yang sangat dinanti-nantikan, yang diposisikan sebagai penantang chatbot ChatGPT milik Microsoft. Gemini menunjukkan kemampuan multimodal yang sangat mengesankan yang melampaui ChatGPT dalam banyak tolok ukur, tetapi belum dapat menandingi kemampuan percakapannya yang menarik.
Pratinjau Cepat menunjukkan
Peluncuran Gemini oleh Google pada bulan Desember 2023 merupakan lompatan besar dalam kemampuan kecerdasan buatan. Sebagai model AI multimodal terbaru yang dikembangkan oleh DeepMind, Gemini menunjukkan kemampuan pemahaman dan penalaran yang sangat komprehensif yang menunjukkan masa depan yang menarik. Dalam artikel ini, kita akan mengeksplorasi apa yang membuat Gemini istimewa dan menganalisis implikasinya.
Pada intinya, terobosan Gemini berasal dari kemampuannya untuk memahami berbagai jenis data seperti teks, gambar, audio, video, dan bahkan kode komputer. Hal ini memberikannya intuitif dan keserbagunaan yang melampaui sistem AI sebelumnya. Gemini hadir dalam tiga versi utama yang disesuaikan untuk aplikasi yang berbeda:
Versi Gemini - Memperkenalkan Gemini
Pertama kali dipamerkan di Google I/O 2022, Gemini adalah model fondasi multimodal yang mampu memproses teks, gambar, audio, video, dan lainnya. Google menawarkan Gemini dalam tiga ukuran:
Gemini Ultra
permata mahkota yang memiliki lebih dari 450 miliar parameter. Ini adalah salah satu jaringan saraf terbesar yang pernah dibuat, dioptimalkan untuk tugas-tugas yang sangat kompleks, bahkan melampaui kemampuan manusia dalam beberapa kasus.
Gemini Pro
dengan 30 miliar parameter, memberikan keseimbangan antara performa dan kepraktisan dalam memberikan fitur bantuan AI kepada pengguna.
Gemini Nano
model pada perangkat yang ramping yang dirancang untuk aplikasi dengan sumber daya komputasi terbatas, seperti ponsel.
Rangkaian opsi ini membuat Gemini sangat mudah beradaptasi. Di balik kap mesinnya, arsitektur teknisnya menggabungkan inovasi seperti Perceiver IO untuk pemahaman multimodal dan gabungan para ahli untuk menggabungkan kekuatan sub-model yang berbeda berdasarkan tugas. Pilihan desain ini memungkinkan Gemini unggul dalam lebih dari 100 tugas yang berbeda di seluruh bahasa, penglihatan, audio, dan domain lainnya - sebuah prestasi yang tidak tertandingi oleh model sebelumnya.
Hasil Tolok Ukur
Dalam tolok ukur, Gemini Pro tertinggal dari ChatGPT dalam banyak evaluasi. Tetapi Gemini Ultra mencapai hasil yang canggih, mengungguli semua model lain dalam tolok ukur MMLU yang mengevaluasi pengetahuan di 57 mata pelajaran akademis.
Yang mengejutkan, ChatGPT masih melebihi Gemini Ultra pada HellaSwag, tolok ukur penalaran akal sehat. Hal ini menunjukkan kelemahan Gemini dalam tugas-tugas percakapan dibandingkan dengan kemampuan ChatGPT yang lebih mirip manusia.
Proses Pelatihan
Untuk melatih Gemini Ultra, Google menggunakan 512 chip TPU generasi ke-5 yang mencapai lebih dari 1 exaFLOP kekuatan pemrosesan. Model ini dilatih dengan dataset berskala internet yang terdiri dari makalah ilmiah, buku, halaman web, dan banyak lagi. Pembelajaran penguatan dari umpan balik manusia digunakan untuk meningkatkan kualitas.
Aplikasi yang Menjanjikan dari Gemini
Beberapa contoh nyata dari kemampuan Gemini yang disoroti oleh Google meliputi:
- Menganalisis gambar dan pindaian medis yang kompleks untuk membantu dokter mengidentifikasi anomali dan mendiagnosis kondisi.
- Mensimulasikan reaksi kimia dan desain obat melalui terobosan kimia komputasi.
- Memberikan bantuan pemrograman dengan menghasilkan contoh kode dan penjelasan dari kueri bahasa alami.
Yang paling menarik adalah bagaimana Gemini membuka jalan bagi AI yang meningkatkan kecerdasan manusia dengan cara yang intuitif. Kita bisa melihat Gemini memberi kekuatan pada aplikasi seperti:
- Asisten cerdas yang dapat mengobrol, mencari secara visual, menafsirkan ucapan dan gerak tubuh, dan secara umum memahami konteks dan kebutuhan manusia.
- Pengalaman hiburan yang imersif dengan karakter dan dunia yang interaktif.
- Perangkat lunak yang beradaptasi dengan perilaku dan preferensi pengguna yang unik dari waktu ke waktu.
Dibandingkan dengan model multimodal sebelumnya yang menggabungkan modul penglihatan, bahasa, dan audio yang terpisah, kerangka kerja tunggal Gemini membuatnya lebih cepat, lebih kuat, dan dapat diskalakan. Performanya yang mengesankan bahkan melampaui para ahli manusia di 57 mata pelajaran akademis dalam ujian tolok ukur MMLU.
Namun masih ada ruang untuk perbaikan. Model alternatif seperti Claude dari Anthropic melebihi Gemini dalam tugas-tugas pemrosesan bahasa alami tertentu, sementara Gemini memimpin dalam kemampuan penalaran. Seiring dengan penelitian AI yang terus berkembang pesat, kita dapat mengharapkan persaingan yang ketat antara raksasa teknologi yang melatih model dasar yang lebih besar.
Masa Depan Asisten AI
Secara keseluruhan, Gemini mewakili lompatan yang mendebarkan dalam kemampuan kecerdasan buatan. Dibangun di atas kekuatan Google dalam desain model, pelatihan, dan infrastruktur komputasi, Gemini menunjukkan generasi baru AI yang kemungkinan besar akan terintegrasi secara mendalam ke dalam kehidupan kita.
