Google ha presentado Gemini, una nueva familia de modelos de inteligencia artificial diseñados para procesar texto, imágenes, audio, vídeo y código, y está implementando de inmediato el modelo Gemini Pro de tamaño mediano en Bard. La compañía afirma que su versión más grande, Gemini Ultra, supera el rendimiento de vanguardia actual en 30 de los 32 parámetros de referencia académicos más utilizados, aunque dicho modelo permanecerá en fase de pruebas de seguridad y evaluación limitada hasta el próximo año.
El lanzamiento del 6 de diciembre es la respuesta técnica más directa de Google hasta la fecha a la rápida adopción de GPT-4 y ChatGPT de OpenAI. En lugar de lanzar un único modelo para todos los usos, Google ha creado tres versiones: Ultra para las tareas más complejas, Pro para un uso generalizado en la nube y Nano para un procesamiento eficiente en dispositivos.
Tres modelos están dirigidos a diferentes entornos informáticos
Según Google DeepMind, Gemini fue diseñado desde el principio como un sistema multimodal, en lugar de un modelo de texto con componentes adicionales añadidos posteriormente. La compañía afirma que este enfoque permite a los modelos razonar sobre combinaciones de lenguaje escrito, imágenes, audio y vídeo, y realizar tareas de programación. La colección de lanzamiento describe a Gemini 1.0 como entrenado a gran escala en la infraestructura de la Unidad de Procesamiento Tensorial (TPU) de la compañía.
Gemini Pro es la versión que la mayoría de los usuarios puede experimentar actualmente. Google ha incorporado una versión en inglés especialmente optimizada a Bard en más de 170 países y territorios. La compañía afirma que la actualización mejora el razonamiento, la planificación y la comprensión. Un comunicado de Bard indica que el acceso a Gemini Ultra estará disponible más adelante a través de una experiencia Bard más avanzada, tras una evaluación adicional.
Gemini Nano está diseñado para dispositivos móviles. La actualización de Google Pixel indica que el Pixel 8 Pro utiliza Nano para funciones como el resumen en la aplicación Grabadora y la respuesta inteligente en Gboard. Ejecutar algunas funciones de IA generativa localmente puede reducir la latencia, permitir el uso sin conexión y mantener cierta información en el dispositivo en lugar de enviarla a un centro de datos remoto.
Google hace afirmaciones agresivas sobre sus puntos de referencia
Lo más llamativo del anuncio es la afirmación de Google de que Gemini Ultra establece nuevos récords en una amplia gama de pruebas. La compañía asegura que Ultra supera los resultados de vanguardia en 30 de los 32 benchmarks utilizados para modelos de lenguaje complejos y sistemas multimodales. Reporta una puntuación del 90 % en MMLU, un benchmark que abarca 57 materias como matemáticas, física, historia, derecho, medicina y ética.
Estos resultados deben considerarse como hallazgos de referencia reportados por la empresa, en lugar de evidencia de un uso público generalizado. Gemini Ultra aún no está disponible para el público en general, lo que significa que los desarrolladores e investigadores externos no pueden reproducir de forma independiente todas las afirmaciones en un despliegue común. Ars Technica señaló que Google afirma que Ultra supera los resultados asociados a GPT-4 en muchas pruebas, pero también enfatizó que las comparaciones de referencia entre modelos propietarios pueden verse afectadas por las indicaciones, los métodos de evaluación y el acceso al modelo.
The Guardian , Google afirma que Ultra superó a los sistemas rivales en 30 de las 32 pruebas analizadas. La compañía también reconoció que las alucinaciones —respuestas falsas o sin fundamento generadas con confianza— siguen siendo un problema de investigación sin resolver. Esta salvedad es importante porque la solidez de la prueba no elimina las limitaciones de fiabilidad que han afectado a todos los principales sistemas de IA generativa.
Ultra permanece tras una puerta de seguridad
Google no lanzará su modelo más potente al público en general. La compañía afirma que Gemini Ultra está siendo sometido a pruebas externas de estrés, evaluación de seguridad, ajustes y aprendizaje por refuerzo a partir de comentarios de usuarios. Clientes, desarrolladores y expertos seleccionados tendrán acceso anticipado antes del lanzamiento general previsto para principios de 2024.
Este enfoque gradual refleja el creciente escrutinio al que se someten los sistemas de IA de vanguardia. La orden ejecutiva del presidente Joe Biden, emitida en octubre, exige que los desarrolladores de ciertos modelos de alta capacidad proporcionen al gobierno federal información sobre las pruebas de seguridad realizadas bajo condiciones específicas. Google afirma que tiene la intención de cooperar con las iniciativas gubernamentales de seguridad y que también está dialogando con el nuevo Instituto de Seguridad de la IA del Reino Unido para llevar a cabo una evaluación.
Según la compañía, Gemini Pro estará disponible para desarrolladores y clientes empresariales a través de Google AI Studio y Vertex AI a partir del 13 de diciembre. Esta estrategia de distribución convierte a Gemini no solo en una actualización de chatbot para consumidores, sino en una plataforma tecnológica diseñada para competir en el mercado de software corporativo, computación en la nube y desarrollo de aplicaciones.
La competencia se extiende a toda la cartera de productos de Google
Google cuenta con ventajas inusuales para distribuir un nuevo modelo de plataforma, ya que controla servicios de consumo ampliamente utilizados, como Android, Chrome, el buscador y una importante plataforma en la nube. La compañía afirma que Gemini se implementará eventualmente en el buscador, Google Ads, Chrome y otros productos. Según la información de lanzamiento de Google, los primeros experimentos en el buscador han reducido la latencia en su experiencia de búsqueda generativa.
Esa amplitud también aumenta la presión. Microsoft ha integrado la tecnología de OpenAI en Bing, GitHub y su software empresarial, mientras que OpenAI ha creado una gran base de usuarios directos a través de ChatGPT. Google debe demostrar no solo que Gemini funciona bien en pruebas controladas, sino también que puede mejorar productos utilizados por miles de millones de personas sin generar problemas inaceptables de fiabilidad, privacidad o seguridad.
Por lo tanto, el lanzamiento inicial crea una prueba en dos fases. Los modelos Gemini Pro y Nano ya pueden empezar a recopilar datos reales a través de los dispositivos Bard y Pixel. El Gemini Ultra, el modelo que respalda las afirmaciones de rendimiento más contundentes de la compañía, primero debe superar una revisión interna y externa adicional.
El anuncio de Google establece a Gemini como la arquitectura de IA central de la compañía en adelante. Si esto cambia o no el equilibrio competitivo dependerá menos de una tabla de referencia que del rendimiento de los tres tamaños de modelo cuando desarrolladores, empresas y consumidores los utilicen a gran escala. Esta semana, dicho proceso ha comenzado para Pro y Nano; las afirmaciones más importantes relacionadas con Ultra aún deben ser probadas fuera de Google.
