تا چند سال پیش ، صحبت با هوش مصنوعی مانند یک صحنه علمی تخیلی بود ، اما اکنون فناوری بخشی از زندگی روزمره شده است. ابزارهایی مانند Gemini Live کاربران را برای یک تجربه سریع و طبیعی فراهم می کند و Google قصد دارد آن را باهوش تر و نرم تر از گذشته کند.
گوگل در یک ایمیل رسمی به کاربران گفته است که Jamini Live به زودی با یک مدل اطلاعاتی مصنوعی جدید به روز می شود. جزئیات این تغییرات هنوز مشخص نشده است ، اما آنچه مشخص است این است که این چت ها قادر به درک زبانها ، گویش ها و گویش های مختلف هستند و مهارت های ترجمه آنها بهبود یافته است.
علاوه بر این ، Gemini Live مجهز به قابلیت های ارتباطی گسترده تر است که شامل اشتراک گذاری صفحه نمایش و پخش ویدیویی زنده است. برای ارائه این خصوصیات ، Google داده های مبادله صدا ، فیلم و صفحه را ذخیره می کند (اگر این عملکرد در پیکربندی فعال باشد). تاکنون فقط متن مکالمات در حساب کاربری ضبط شده است.
Google باعث می شود تا جنین هوش مصنوعی هوشمندانه تر از همیشه باشد
با راه اندازی Gemini Version 2.0 در پایان سال گذشته ، API جدید به نام Multiimodal Live معرفی شد که به توسعه دهندگان اجازه می دهد بلیط های متنی ، صوتی و تصویری را دریافت کنند و پاسخ های متن یا صوتی را تولید کنند. گزارش شده است ندورویدپولیساحتمالاً ، Gemini Live نیز از این API استفاده می کند.
گوگل از جمینی 2 به عنوان آغاز “سن عوامل هوشمند” یاد می کند. این مدل در مدل Openai O1 یافت می شود ، اما از مزیت بزرگی برخوردار است: توانایی تولید همزمان تصویر ، صدا ، متن و بومی تر.
نسخه اول این مدل Gemini 2.0 Flash است که هنوز در مرحله آزمایش است. طبق گفته گوگل ، این نسخه دو برابر سریعتر از Gemini Pro 1.5 است و در چندین آزمایش بهتر عمل می کند.
در ابتدا ، هنگامی که Gemini 1.0 راه اندازی شد ، هوش مصنوعی این امر عمدتاً به عنوان چت ، گفتگو و تولید محتوا شناخته می شد. اما با ورود O1 از Openai ، هوش مصنوعی وارد “دوران استدلال” شد ، مدلی که می تواند فکر منطقی را ایجاد کند. در عین حال ، “سن عوامل هوشمند” نیز آغاز شد ، جایی که هوش مصنوعی به تنهایی می تواند وظایف بیشتری را انجام دهد و به طور مستقل تصمیم گیری کند.