Esta semana, o Google lançou seu mais recente modelo de inteligência artificial chamado Gemini. Este modelo não apenas é capaz de interpretar texto, mas também possui a capacidade de compreender vídeos e fotos. O destaque dessa tecnologia está na promessa de oferecer recursos mais avançados de raciocínio e compreensão em comparação com outros modelos, incluindo o ChatGPT-4 da OpenAI.
Conforme relatado pelo New Atlas, o desempenho do Gemini foi testado por meio do teste de compreensão massiva de linguagem multitarefa (MMLU). Nesse teste, o Gemini alcançou uma impressionante pontuação de 90%. O MMLU envolve a resolução de problemas em diversas disciplinas, como matemática, física, história, direito, medicina e outras, demonstrando a capacidade abrangente do Gemini em lidar com uma ampla gama de tarefas e informações. Esse resultado posiciona o Gemini como um modelo altamente competente e eficiente em contextos diversos.
Com este desenvolvimento, a inteligência artificial (IA) desenvolvida pela Google superou o GPT-4, que é um modelo de linguagem amplamente utilizado pelo ChatGPT. O GPT-4 obteve uma pontuação de 86,4%, enquanto especialistas humanos alcançaram 89,8%.
O novo modelo, conhecido como Gemini, destaca-se por ser uma IA multimodal. Isso significa que ele é capaz de compreender não apenas texto, mas também informações visuais e auditivas.
Em um vídeo demonstrativo fornecido pela Google, é evidenciado que o Gemini tem a capacidade de interpretar o conteúdo visual das imagens, oferecendo informações e sugestões com base no que é apresentado. Essa habilidade de compreensão multimodal representa um avanço significativo, permitindo que a IA processe e analise informações de maneira mais abrangente, comparando-se não apenas a modelos de linguagem, mas também à capacidade humana de compreensão.
Em um outro vídeo recente, os cientistas da DeepMind, o laboratório de inteligência artificial do Google, apresentaram uma demonstração notável do seu modelo, chamado Gemini. Nessa demonstração, foi evidenciado que o modelo é capaz de criar autonomamente seu próprio código para ler e interpretar uma extensa quantidade de 200.000 estudos científicos. Esse processo envolve a capacidade do modelo de agrupar e filtrar dados de maneira eficiente.
A equipe de pesquisa expressa sua confiança de que essa ferramenta terá relevância significativa em diversas áreas, destacando especialmente sua utilidade no campo do direito, onde a análise de grandes conjuntos de dados é uma necessidade comum.
Além disso, o Google relata que o Gemini possui habilidades para programação e é fluente em várias linguagens, incluindo Python, Java, C++ e Go. Em um projeto específico chamado AlphaCode2, o modelo foi empregado para gerar um impressionante número de um milhão de trechos de código. Subsequentemente, ele analisou o desempenho desses códigos, identificando possíveis “correções” ou melhorias. Esse aspecto do projeto destaca a versatilidade e o potencial do Gemini não apenas na interpretação de dados científicos, mas também no auxílio à programação e otimização de códigos.
