Gemini es un “modelo multimodal”, lo que significa que puede manejar directamente múltiples modos de entrada y salida, incluyendo texto, imágenes, audio y video
Google DeepMind ha anunciado recientemente el lanzamiento de Gemini, su nuevo modelo de inteligencia artificial (IA) diseñado para competir directamente con ChatGPT de OpenAI, el modelo de texto más avanzado del mundo. Ambos modelos son ejemplos de “IA generativa”, que aprenden a identificar patrones en la información de entrenamiento para generar nuevos datos, como imágenes, palabras u otros medios.
¿Qué es Gemini y cómo se diferencia de ChatGPT?
Gemini es un “modelo multimodal”, lo que significa que puede manejar directamente múltiples modos de entrada y salida, incluyendo texto, imágenes, audio y video. Esto lo hace más versátil y potente que los modelos de lenguaje puro, como ChatGPT, que se basan en la red neural GPT y se centran en la producción de texto.
Google ya cuenta con Bard, una aplicación web conversacional basada en el modelo LaMDA diseñado para diálogos. Sin embargo, Google está actualizando Bard con la tecnología de Gemini, lo que le permitirá generar respuestas más ricas y variadas, así como interactuar con otros medios.
¿Qué otros modelos multimodales existen?
En septiembre, OpenAI presentó GPT-4Vision, un modelo que, al igual que Gemini, trabaja con imágenes, audio y texto. Sin embargo, GPT-4V utiliza modelos adicionales como Whisper y Dall-E 2 para procesar audio y generar imágenes a partir de texto, respectivamente. Esto significa que GPT-4V no es un modelo nativamente multimodal, sino una combinación de varios modelos especializados.
¿Qué ventajas tiene Gemini sobre GPT-4?
Aunque se informa que la versión actual de Gemini, llamada Gemini 1.0 Pro, no supera generalmente a GPT-4 y se asemeja más a las capacidades de GPT 3.5, el modelo de Google presenta un futuro prometedor para la IA generativa. A pesar de ciertos problemas, como la demostración inicial en video que no fue en tiempo real según informes de Bloomberg, Gemini ha demostrado avances significativos como un modelo nativamente multimodal capaz de manejar diversas entradas y salidas.
Gemini tiene el potencial de abrir nuevas oportunidades en el campo de la inteligencia artificial, especialmente en aplicaciones que requieren una interacción fluida y natural con los humanos. Esto es especialmente crucial dado que modelos como GPT-4 han alcanzado su máximo rendimiento debido a la escasez de nuevos datos de entrenamiento para modelos de lenguaje.
¿Qué otras versiones de Gemini hay?
La evaluación de la versión más potente, Gemini 1.0 Ultra, se complica porque aún no ha sido lanzada públicamente. Se espera que esta versión supere ampliamente a GPT-4 en todas las tareas y modos. Además, Google ha presentado Gemini Nano, una versión más liviana capaz de ejecutarse en dispositivos móviles, lo que podría tener beneficios significativos tanto en términos ambientales como de privacidad.
© Copyright Impresora y Editorial S.A. de C.V. Todos los derechos reservados