Google lanza Gemini: IA que procesa textos, vídeos y audios largos

El gigante tecnológico Google lanzó Gemini 1.5 Pro, para un grupo selecto de desarrolladores, un modelo de inteligencia artificial (IA) que puede procesar grandes cantidades de información de una sola vez, incluida una hora de video, once horas de audio, 30.000 líneas de código o más de 700.000 palabras.

"Hace unos años memorizar u obtener el contexto de cientos de palabras era bastante difícil e incluso si miramos a la década de 1950, cuando (Claude) Shannon (el matemático que inventó la teoría de la información) soñaba con modelos de lenguaje, estaba analizando dos palabras de contexto", dijo a la prensa Oriol Vinyals, vicepresidente de investigación de Google DeepMind y director ejecutivo de Gemini.

Para ejemplificar las capacidades de Gemini 1.5 Pro, Vinyals mostró -usando un video pregrabado- que el modelo era capaz de analizar un texto de 402 páginas de transcripciones del Apolo 11 -la primera misión en lograr que un ser humano llegara a la Luna- y encontrar tres citas graciosas.

Además de con texto, los usuarios podrán interactuar con el modelo con fotos o dibujos. En el ejemplo del video de presentación, el usuario le dio a Gemini 1,5 Pro un dibujo muy sencillo de una bota pisando el suelo y le pidió: "¿Qué momento es este? responde con una cita exacta".

La respuesta de la máquina fue la famosa cita del astronauta Neil A. Armstrong: "Ese es un pequeño paso para el hombre".

Vinyals mostró otros ejemplos parecidos, en lo que como base se usaba una película muda de 45 minutos de Buster Keaton, en lugar de un texto.

Con respecto a la programación, en un comunicado la empresa señala: "Puede realizar tareas de resolución de problemas más relevantes en bloques de código más largos. Cuando se le presenta un mensaje con más de 100.000 líneas de código, puede razonar mejor entre ejemplos, sugerir modificaciones útiles y dar explicaciones sobre cómo funcionan las diferentes partes del código".

"En cierto modo, funciona de manera muy similar a como lo hace nuestro cerebro", explicó Vinyals.

Gemini 1.5 funciona a un nivel similar al 1.0 Ultra, el modelo de Google más sofisticado hasta la fecha.

En un comunicado del director ejecutivo de Google y Alphabet, Sundar Pichai, indica que Gemini 1.5 Pro ayudará a los desarrolladores a crear modelos y aplicaciones mucho más útiles.

"Nos complace ofrecer una vista previa limitada de esta función experimental a desarrolladores y clientes empresariales", recalca Pichai.

Ya algunos desarrolladores y clientes de la nube podrán comenzar a construir con 1.0 Ultra, con la interfaz de programación de aplicaciones (API) Gemini en AI Studio y Vertex AI.

En lo referente a las 'alucinaciones' -respuestas bien estructuradas para incorrectas- Vinyals señala que sigue siendo un problema de la IA en general en el que se sigue trabajando.

La semana pasada, Google cambió el nombre de su chatbot con inteligencia artificial (IA) de Bard a Gemini, anunció que esta tecnología estará disponible en una nueva aplicación Gemini para Android y a través de la aplicación de Google en iOS y, además, lanzó una versión "avanzada" de pago, que usa Gemini 1.0 Ultra.