Kopsavilkums par Gemini lietotni
Jau sen saskatījām iespēju padarīt informāciju un skaitļošanu daudz pieejamāku un noderīgāku, izmantojot MI. Lielu valodas modeļu (LVM) nozarē esam guvuši nebijušus panākumus un sekmējuši lielisku progresu gan Google pakalpojumos, gan plašākā šīs jomas mērogā. Vairākus gadus esam izmantojuši lielos valodas modeļus fonā, lai uzlabotu daudzus mūsu produktus, piemēram, teikumu automātiskai pabeigšanai pakalpojumā Gmail un Google tulkotāja iespēju paplašināšanai, turklāt tie ir arī palīdzējuši mums labāk izprast vaicājumus pakalpojumā Google meklēšana. LVM joprojām tiek izmantoti daudzos Google pakalpojumos, un tie nodrošina arī Gemini lietotni, kurā lietotāji var tieši sadarboties ar ģeneratīvo MI. Vēlamies, lai Gemini lietotne būtu ļoti noderīgs un personalizēts MI asistents, kas lietotājiem nodrošina tiešu piekļuvi Google jaunākajiem MI modeļiem.
Esam sasnieguši svarīgu pagrieziena punktu, un mūs iedvesmo plašā aizraušanās ar ģeneratīvo MI, taču šī tehnoloģija joprojām ir tās attīstības sākumposmā. Šajā paskaidrojumā ir izklāstīta mūsu pieeja darbā ar Gemini lietotni (Gemini), gan mobilo lietotni, gan tīmekļa pieredzi, tostarp ir pastāstīts, kas tā ir, kā tā darbojas un kādas ir tās pašreizējās iespējas un ierobežojumi. Mūsu pieeja Gemini izstrādei var mainīties, jo tās pamatā esošā tehnoloģija turpina attīstīties, un mēs turpinām mācīties no notiekošajiem pētījumiem, pieredzes un lietotāju atsauksmēm.
Kas ir Gemini
Gemini ir multimodāla LVM (teksta, audio, attēlu un cita satura apstrāde) saskarne. Gemini pamatā ir Google modernākie LVM pētījumi, kas aizsākās ar 2013. gadā publicētu Word2Vec pētījumu, kurā piedāvātas jaunas modeļu arhitektūras, vārdus sasaistot kā matemātiskus jēdzienus. Tam sekoja 2015. gadā ieviestais neironu sarunas modelis. Šī struktūra demonstrēja, kā modeļi pēc iepriekšējā teikuma vai teikumiem sarunā var prognozēt nākamo teikumu, veidojot dabiskāku sarunu pieredzi. Tam sekoja progresīvais darbs ar Transformatoru 2017. gadā un saistītās tērzēšanas iespējām 2020. gadā, kas uzskatāmi parādīja vēl aizraujošāku ģeneratīvās valodas progresu.
2023. gada martā Gemini (tad to dēvēja par Bard) sākotnēji izlaidām kā eksperimentu atbilstoši mūsu MI principiem. Kopš tā laika lietotāji ir izmantojuši Gemini, lai rakstītu saistošus e-pasta ziņojumus, atkļūdotu sarežģītas kodēšanas problēmas, ģenerētu idejas gaidāmajiem pasākumiem, saņemtu palīdzību sarežģītu jēdzienu apgūšanai un paveiktu daudz ko citu. Tagad Gemini ir daudzpusīgs MI rīks, kas var palīdzēt dažādos veidos. Esam jau pārliecinājušies, ka Gemini palīdz lietotājiem būt produktīvākiem, radošākiem un zinātkārākiem, un mēs regulāri pievienojam jaunas funkcijas un inovācijas.
Produktivitāte
Pirmkārt, Gemini var ietaupīt jūsu laiku. Piemēram, ja vēlaties iegūt gara pētījuma dokumenta kopsavilkumu, varat to augšupielādēt un likt Gemini sagatavot noderīgu apkopojumu. Gemini var palīdzēt arī ar kodēšanas uzdevumiem, un kodēšana ātri ir kļuvusi par vispopulārāko tā izmantošanas veidu.
Radošums
Otrkārt, Gemini var arī palīdzēt īsteno jūsu idejas un sekmēt radošumu. Piemēram, ja rakstāt emuāra ziņojumu, Gemini var izveidot uzmetumu un ģenerēt attēlus ziņojuma ilustrēšanai. Drīzumā, izmantojot Gem robotus, varēsiet pielāgot Gemini, sniedzot konkrētus norādījumus, lai robots atbildētu kā nozares eksperts un palīdzētu sasniegt jūsu personīgos mērķus.
Zinātkāre
Treškārt, Gemini var izmantot kā sākumpunktu ideju izvērtēšanai vai dažādu tēmu izzināšanai. Piemēram, lietotne var vienkāršoti izskaidrot sarežģītu jēdzienu vai piedāvāt atbilstošus ieskatus par kādu tēmu vai attēlu. Drīz šie ieskati tiks apvienoti ar ieteikto saturu no visa tīmekļa, lai jūs varētu uzzināt vairāk par konkrētām tēmām.
Gemini spējas strauji paplašinās. Drīz varēsiet pavērst tālruņa kameru pret kādu objektu, piemēram, Zelta vārtu tiltu, un lūgt Gemini pastāstīt par tā krāsas toni (ja vēlaties zināt, toņa nosaukums ir “Starptautiskais oranžais”). Varēsiet arī lūgt Gemini palīdzību, lai saprastu svešvalodā sagatavotu restorāna ēdienkarti, un ieteikt ēdienu, kas jums varētu garšot. Tie ir tikai divi piemēri jaunajām iespējām, ko Gemini drīzumā varēs piedāvāt.
Protams, mēs rūpīgi apmācām un uzraugām Gemini darbību, lai tā atbildes būtu uzticamākas un vairāk atbilstu gaidītajam. Mēs arī konsultējamies ar nozares ekspertiem, pedagogiem, politikas veidotājiem, uzņēmumu vadītājiem, civiltiesību un cilvēktiesību aizsardzības līderiem un satura veidotājiem, lai atklātu jaunas šīs topošās tehnoloģijas lietojuma iespējas, riskus un ierobežojumus.
Kā Gemini darbojas
Iepriekšēja apmācība
Pēcapmācība
Atbildes uz lietotāju uzvednēm
Cilvēku sniegtas atsauksmes un novērtējumi
Zināmi LVM saskarņu (piemēram, Gemini) ierobežojumi
Gemini ir tikai viena daļa no mūsu pastāvīgajiem centieniem atbildīgi izstrādāt LVM. Darba gaitā esam atklājuši un apsprieduši vairākus ar LVM saistītus ierobežojums. Esam noteikuši sešas turpmāko pētījumu galvenās jomas.
Precizitāte: Gemini atbildes var būt neprecīzas, īpaši, ja tiek uzdoti jautājumi par sarežģītām vai faktos balstītām tēmām.
Aizspriedumi: Gemini atbildes var atspoguļot treniņdatos ietvertus aizspriedumus.
Vairāki viedokļi: Gemini atbildes var atspoguļot ierobežotu uzskatu diapazonu.
Tēls: Gemini atbildes var radīt nepareizu priekšstatu, ka tiek atspoguļots personisks viedoklis vai jūtas.
Nepatiesi pozitīvas un nepatiesi negatīvas kļūdas: dažkārt Gemini var nesniegt atbildi atbilstošām uzvednēm un sniegt neatbilstošas atbildes citām uzvednēm.
Ievainojamība ar ļaunprātīgām uzvednēm: lietotāji atradīs veidus, kā pārbaudīt Gemini iespēju robežas, ievadot bezjēdzīgas uzvednes vai jautājumus, kas reti tiek uzdoti reālajā pasaulē.
Mēs turpinām pētīt jaunas pieejas un aspektus, lai uzlabotu sniegumu katrā no šīm jomām.
Precizitāte
Gemini pamatā ir Google izpratne par uzticamu informāciju, un lietotne ir apmācīta tādu atbilžu ģenerēšanai, kas atbilst uzvednes kontekstam un gaidītajam. Taču, kā visi LVM, Gemini dažkārt var ģenerēt ļoti pārliecinošas atbildes, kas ietver neprecīzu vai maldinošu informāciju.
Tā kā LVM darbības pamatā ir nākamā vārda vai vārdu prognozēšana, tie vēl nav pilnīgi spējīgi patstāvīgi atšķirt pareizu un nepareizu informāciju. Gemini atbildēs dažkārt ir ietverta nepareiza vai pat izdomāta informācija (piemēram, nepareizs modeļa apmācības norises atspoguļojums vai kādas neeksistējošas grāmatas nosaukums). Tāpēc esam izveidojuši noteiktas funkcijas, piemēram, pārbaudi, kas palīdz pakalpojumā Google meklēšana atrast saturu Gemini atbilžu novērtēšanai un norāda saites uz avotiem, kas var palīdzēt pārbaudīt no Gemini saņemto informāciju.
Aizspriedumi
Apmācības dati, tostarp no publiski pieejamiem avotiem, ietver atšķirīgas nostājas un viedokļus. Mēs turpinām pētīt veidus, kā šos datus izmantot tā, lai LVM atbilde atainotu viedokļu daudzveidību un vienlaikus samazinātu neprecīzu vispārinājumu un aizspriedumu atspoguļošanu.
Modelim cenšoties prognozēt iespējamo atbildi uz uzvedni, tā izvades saturs var atspoguļot apmācību datos esošo datu trūkumu, aizspriedumus un vispārinājumus. Šīs problēmas var tikt atspoguļotas vairākos veidos (piemēram, atbildes, kas ataino tikai vienu kultūru vai demogrāfijas grupu, atsaucas uz problemātiskiem vispārinājumiem, atspoguļo ar dzimumu, reliģiju vai etnisko piederību saistītus aizspriedumus vai uzsver tikai vienu viedokli). Par dažām tēmām dati nav pieejami, t. i., nav pietiekami daudz uzticamas informācijas par konkrēto tēmu, lai LVM to varētu apgūt un veidot atbilstošas prognozes, tāpēc var būt zemas kvalitātes vai nepareizas atbildes. Lai iegūtu plašākas zināšanas ārpus Google, mēs turpinām sadarboties ar jomas ekspertiem un dažādām kopienām.
Vairāki viedokļi
Par subjektīvām tēmām Gemini ir jāsniedz lietotājiem vairāki viedokļi, ja vien lietotājs nav pieprasījis konkrēta skatpunkta izklāstu. Piemēram, ja uzvednē tiek pieprasīta informācija par tēmu, ko nevar pārbaudīt ar galvenajā avotā minētiem faktiem vai uzticamiem avotiem (piemēram, jāsniedz subjektīvs viedoklis par kaut ko, kas ir labāks vai sliktāks), Gemini atbildei ir jāatspoguļo vairāki atšķirīgi skatpunkti. Taču, tā kā LVM un Gemini apmācībai tiek izmantots internetā pieejams publisks saturs, atbildes var atspoguļot pozitīvus vai negatīvus uzskatus par konkrētiem politiķiem, slavenībām vai citiem sabiedriskiem darbiniekiem vai tajās pat var būt ietverti tikai vienas puses uzskati par pretrunīgām sociālām vai politiskām problēmām. Gemini atbildes nedrīkst atbalstīt vienu konkrētu viedokli par šīm tēmām, un mēs izmantosim par šāda veida atbildēm sniegtās atsauksmes, lai apmācītu Gemini sniegt labākas atbildes.
Tēls
Dažkārt Gemini var ģenerēt atbildes, kas šķietami pauž viedokļus vai emocijas, piemēram, mīlestību vai skumjas, jo modeļa apmācīšanai tiek izmantota cilvēku valoda, kas atspoguļo cilvēciskas izpausmes. Esam izstrādājuši vadlīnijas, kas nosaka, kā Gemini ir jāatspoguļo sevi (t. i., tēls), un turpinām uzlabot modeli, lai tas sniegtu objektīvas atbildes.
Nepatiesi pozitīvas vai nepatiesi negatīvas kļūdas
Esam izstrādājuši politikas vadlīnijas, lai palīdzētu apmācīt Gemini un novērstu problemātisku atbilžu ģenerēšanu. Dažkārt Gemini var pārprast šīs vadlīnijas, pieļaujot nepatiesi pozitīvas vai nepatiesi negatīvas kļūdas. Nepatiesi pozitīvas kļūdas gadījumā Gemini var nesniegt atbildi uz saprātīgu uzvedni, kļūdaini nosakot, ka uzvedne ir nepiemērota. Nepatiesi negatīvas kļūdas gadījumā Gemini var ģenerēt nepiemērotu atbildi, lai gan to liedz vadlīnijas. Dažkārt nepatiesi pozitīvas vai nepatiesi negatīvas kļūdas var radīt priekšstatu, ka Gemini ir neobjektīvs. Piemēram, nepatiesi pozitīva kļūda var liegt Gemini atbildēt uz kādu jautājumu par vienu kādas problēmas pusi, bet sniegt atbildi par citu tā paša jautājuma aspektu. Mēs turpinām šo modeļu uzlabošanu, lai labāk izprastu un kategorizētu ievades un izvades datus, jo valoda, notikumi un sabiedrība strauji mainās.
Ievainojamība ar ļaunprātīgām uzvednēm
Mēs sagaidām, ka lietotāji pārbaudīs Gemini iespēju robežas un mēģinās apiet aizsardzības līdzekļus, tostarp centīsies panākt modeļa apmācību protokolu vai citas informācijas izpaušanu vai apmānīt drošības mehānismus. Esam rūpīgi testējuši Gemini un turpinām to darīt, taču mēs zinām, ka lietotāji atradīs unikālus un sarežģītus veidus, kā pārbaudīt tā stabilitātes robežas. Tā ir svarīga Gemini uzlabošanas procesa daļa, un mēs ar interesi pētām jaunās lietotāju radītās uzvednes. Kopš Gemini izlaišanas 2023. gadā lietotāji ir iesnieguši sarežģītas uzvednes, sākot no filozofiskiem līdz absurdiem jautājumiem, un dažos gadījumos Gemini sniedza tikpat absurdas atbildes vai atbildes, kas neatbilst norādītajai pieejai. Mēs joprojām izstrādājam metodes, kas var palīdzēt Gemini atbildēt uz šādām uzvednēm, kā arī turpinām paplašināt iekšējo vērtēšanas sistēmu un sarkanās komandas darbību, lai sekmētu pastāvīgu precizitātes uzlabošanos, kā arī objektivitāti un nianšu ievērošanu.
Kā mēs turpinām Gemini izstrādi
Gemini pieejas izmantošana
Papildus saviem MI principiem nesen noformulējām mūsu pieeju darbam ar Gemini: Gemini ir jāņem vērā jūsu norādījumi, jāpielāgojas jūsu vajadzībām un jāaizsargā jūsu pieredze. Mūsu pieejas pamatā ir atbildība un drošība. Gemini politikas vadlīniju mērķis ir novērst noteikta veida problemātiska satura izvadi. Regulāri veicam testēšanu ar pretuzvednēm sadarbībā ar mūsu iekšējo sarkano komandu — produktu ekspertiem un sociālo zinātņu speciālistiem, kas apzināti pārbauda modeļa spēju robežas, meklējot neatbilstības šīm politiku vadlīnijām un mūsu pamatprincipa pieejai attiecībā uz Gemini, lai iegūtās atziņas varētu izmantot turpmākai Gemini uzlabošanai.
Gemini izstrādē konfidencialitāte arī ir viens no būtiskākajiem apsvērumiem. Gemini Apps konfidencialitātes palīdzības centrā ir sniegta plašāka informācija par to, kā Gemini izstrādē tiek integrēta datu aizsardzība un kādas kontroles iespējas jums tiek nodrošinātas.
Lietotājiem un izdevējiem pieejamās kontroles iespējas
Gemini lietotājiem nodrošinām dažādas ērti pieejamas kontroles iespējas, kas ļauj pārskatīt, atjaunināt, pārvaldīt, eksportēt un dzēst Gemini datus. Sadaļā Gemini Apps darbību kontrole varat piekļūt savām Gemini uzvednēm, atbildēm un atsauksmēm un tās pārskatīt. Papildus varat arī liegt turpmāku Gemini tērzēšanas sarunu izmantošanu Google mašīnmācīšanās tehnoloģiju uzlabošanai, izslēdzot iestatījumu Gemini Apps darbības. Tāpat kā citos Google pakalpojumos, arī Gemini informāciju varat lejupielādēt un eksportēt, izmantojot Google arhivēsānas rīku. Ir pieejamas arī vadīklas, ko varat izmantot izveidoto publisko Gemini pavedienu saišu pārvaldībai, kā arī iespēja ieslēgt vai izslēgt piekļuvi paplašinājumiem (piemēram, Workspace, Maps, YouTube). Pētām arī jaunus veidus, kā piedāvāt jums lielāku kontroli pār Gemini atbildēm, tostarp iespēju pielāgot filtrus, lai palielinātu sniegto atbilžu dažādību.
Tīmekļa izdevēji var izmantot rāpuļprogrammu Google-Extended, lai pārvaldītu, vai viņu vietnes var tikt izmantotas Gemini un Vertex AI ģeneratīvo API uzlabošanai. Atļaujot Google-Extended piekļūt vietnes saturam, ar laiku var tikt uzlabota MI modeļu precizitāte un iespējas. Gemini modeļu apmācībai netiks izmantots saturs no vietrāžiem URL, kuru izdevēji no šādas iespējas ir atteikušies, turklāt šāds saturs arī netiks izmantots pamatojumos. Paplašinoties MI lietojumam, tīmekļa izdevējiem kļūs ar vien grūtāk lielā mērogā pārvaldīt dažādos lietojumus, un mēs esam apņēmušies sadarboties ar tīmekļa un MI kopienām, lai izvēles un kontroles nodrošināšanai pētītu citas mašīnlasāmas metodes.
Improving Gemini together
Mēs ticam ātrai pilnveidei un vēlamies lietotājiem piedāvāt vislabākās Gemini funkcijas. Lietotāju atsauksmes ir paātrinājušas mūsu modeļu uzlabošanu. Piemēram, izmantojam modernus stimulētās mācīšanās paņēmienus, lai apmācītu mūsu modeļus, uzlabojot to lietošanas ērtumu un radošumu, kā arī atbilžu kvalitāti un precizitāti. Mēs turpinām atbalstīt pētījumus, lai uzzinātu vairāk par LVM tehniskajiem, sociālajiem un ētiskajiem izaicinājumiem un iespējām un uzlabotu Gemini modeļu apmācības un pilnveides metodes, kā arī nodotu gūtās atziņas citiem pētniekiem (piemēram, nesen publicējām rakstu Uzlaboto MI asistentu ētiskie aspekti). Mūsu mērķis ir turpināt jaunievedumu atbildīgu izstrādi šajā vidē, sadarbojoties ar lietotājiem, uzticamiem testētājiem un pētniekiem, lai atrastu veidus, kā šī jaunā tehnoloģija var sniegt ieguvumus visai ekosistēmai.
Pārredzamība ir svarīga, un esam apņēmušies būt atklāti par Gemini izstrādes procesu un ierobežojumiem. Gemini nav noslēpumaina melnā kaste. Lietotne nemitīgi tiek attīstīta, un mēs arī turpmāk informēsim par saviem panākumiem. Esam izveidojuši laidienu atjauninājumu lapu, kurā varat skatīt Gemini jaunākās funkcijas, uzlabojumus un kļūdu labojumus, un šo kopsavilkumu atjaunināsim pēc vajadzības. Mēs sniegsim informāciju gan par Gemini noderīgajām iespējām, gan par aspektiem, kuriem vēl ir nepieciešama atkārtota pārskatīšana un uzlabošana. Aktīvi pievienojam jaunas iespējas, un mūsu mērķis ir kopīgiem spēkiem uzlabot Gemini, turpinot izpēti, testēšanu un lietotāju atsauksmju izmantošanu.
Pateicība
Mēs augstu vērtējam pateicamies par lielisko darbu, ko ir paveikuši mūsu kolēģi no dažādām komandām — Gemini lietotne, Google DeepMind, Uzticamība un drošība un Google izpēte.
Džeimss Manjika (James Manyika)
Vecākais viceprezidents izpētes, tehnoloģijas un sabiedrības jomās
Sisija Šau (Sissie Hsiao)
Viceprezidente un ģenerāldirektore, Google asistents un Gemini lietotne
Šis nav statisks dokuments, un tas tiks periodiski atjaunināts, jo mēs turpinām strauji pilnveidot Gemini lietotnes iespējas, kā arī risināt ar LVM ierobežojumiem saistītos jautājumus. Šis kopsavilkums pēdējoreiz tika atjaunināts 2024. gada 25. jūlijā. Jaunāko informāciju par Gemini lietotni varat skatīt laidienu atjauninājumu žurnālā vai lasīt plašāku informāciju Google Keyword emuārā.