आर्टिफिशियल इंटेलिजन्सच्या (Artificial Intelligence) क्षेत्रात गुगलसारख्या मोठ्या कंपनीकडून 'जेमिनी आर्टिफिशियल इंटेलिजन्स मॉडेल' बाजारात आणले आहे.

हे नवीन 'जेमिनी एआय मॉडेल' (Gemini AI model) नेमके कसे काम करणार आहे याचा एक व्हिडीओ सध्या व्हायरल होतो आहे. त्यात 'जेमिनी एआय मॉडेल' चित्रांचे अनालिसिस करताना दिसत आहे.

हे नवे मॉडेल अक्षरांपुरते मर्यादित राहणार नसून फोटो, व्हिडीओ, ऑडियो आणि कोडींग या सगळ्यात काम करणार असल्याची घोषणा गूगलने केली आहे.

त्यामुळेच आता हे मॉडेल चॅट जीपीटीच्या ४ मॉडेलपेक्षाही सरस ठरण्याची शक्यता आहे.

आर्टिफिशियल इंटेलिजन्सच्या क्षेत्रातील मुख्य स्पर्धक कोण?

आर्टिफिशियल इंटेलिजन्स क्षेत्रात सध्या जे नवीन तंत्रज्ञान विकसित होत आहेत त्यामध्ये मुख्यतः गूगल, ओपन एआय (Open AI), मेटा (Meta) या कंपन्या आहेत. चॅट जीपीटी हे ओपन एआय या कंपनीचे असून या कंपनीत मायक्रोसॉफ्ट या कंपनीची ४९ टक्के गुंतवणूक आहे.

यापूर्वी गुगल या कंपनीने गुगल बार्ड (Google Bard) हे एआय मॉडेल बाजारात आणले आहे. तर तीनच दिवसांपूर्वी ६ डिसेंबर २०२३मॉडेल रोजी जेमिनी (इंग्रजीत जेमीनाय असा उच्चार केला जातो) हे मॉडेल बाजारात आले आहे. जेमिनी हे गूगलची मातृसंस्था असणाऱ्या अल्फाबेट या कंपनीचे मॉडेल आहे.

फेसबुक (Facebook), इंस्टाग्राम (Instagram) आणि व्हाट्स अँप (whats app) सारख्या अप्लिकेशनची कंपनी असलेल्या मेटानेही आपले लामा २ (Llama 2) हे मॉडेल जुलै २०२३ तर लामा १ हे फेब्रुवारी २०२३ मध्ये बाजारात आणले आहे.

चॅट जीपीटी आणि गुगल बार्डने निराशा केली का?

एकीकडे एआय नोकऱ्या घालविणार या भीतीने मुळातच चॅट जीपीटीकडे नकारात्मकतेनेच पहिले गेले. तर दुसरीकडे उत्पादक वर्गाने या मॉडेलकडे काहीतरी प्रचंड क्रांती घडेल या आशेने पाहिले. मात्र उत्पादक वर्गात याचा म्हणावा तितका प्रभाव पडला नाही.

त्यातच २०२२ पर्यंतची माहितीच या मॉडेलमध्ये अपडेट असल्याने याच्या वापरावरही मर्यादा आल्या. गुगल ने चॅट जीपीटीला टक्कर देण्यासाठी घाईघाईने 'गुगल बार्ड' मॉडेल बाजारात आणले.

तेही लोकांवर प्रभाव पाडण्यास तितकेसे प्रभावी ठरले नाही. त्यामुळे गुगलला तब्बल १०० बिलियन डॉलर्सचा लॉस सहन करावा लागला.

जेमिनी कश्या पद्धतीने काम करणार?

जेमिनी लाँच करत असतानाच हे तीन प्रकारात लाँच करण्यात येत आहे. यामध्ये नॅनो (nano), प्रो (Pro)आणि अल्ट्रा (Ultra) असे तीन व्हर्जन असणार आहे. त्यातील नॅनो हे व्हर्जन ६ डिसेंबर २०२३ मध्ये लाँच करण्यात आले आहे. हे एक लार्ज लँग्वेज मॉडेल (LLM) आहे.

हे मॉडेल मानवी हालचालींवर आधारलेले आहे. माणूस ज्या पद्धतीने संवाद साधतो त्यानुसार याची रचना करण्यात आली आहे. जमिनीचे पहिले नॅनो मॉडेल हे मजकुरावर आधारित आहे. पण याचे अल्ट्रा मॉडेल हे फोटो, व्हिडीओ, ऑडिओ याच्यावर देखील काम करते.

मॉडेलची कार्यक्षमता आणि मूल्यमापन करणारे बेंचमार्क अल्ट्रा मॉडेलने पूर्ण केले आहे. हे मॉडेल मुख्यतः डेटा सेंटरसाठी तयार केले असून सध्या त्याच्या सुरक्षितता तपासणी सुरु आहे. २०२४ च्या सुरुवातीला हे मॉडेल बाजारात येण्याची शक्यता आहे.

नॅनो मॉडेल हे डिवाइस म्हणजेच मोबाईलमध्ये वापरता येईल अशा पद्धतीने डिझाईन केले आहे. अँड्रॉइड युजर्सना (Android User) हे फोनमध्ये ऑफलाईन असतानासुद्धा वापरता येईल. नॅनो Google Pixel 8 Pro वर देखील उपलब्ध असणार आहे.

चॅट जीपीटीच्या तुलनेत हे सतत स्वतःला अपडेट करणारे मॉडेल असेल आणि हे सतत स्वतःमध्ये सुधारणा करत राहील असे गुगलकडून जाहीर करण्यात आले आहे.

चॅट जीपीटी च्या ४ (Chat GPT-4) व्हर्जन मध्ये काय असणार?

चॅट जीपीटीच्या ४ व्हर्जनमध्ये ऑडिओ, व्हिडीओ अनालिसिस असेल का? याबाबतची शक्यता कमीच आहे. कारण चॅट जीपीटी ४ मध्ये आम्ही अधिक सुरक्षित आणि गरजेचा मजकूर देण्याचा आमचा प्रयत्न असेल असे सांगितले आहे.

तसेच समस्या अचूक पद्धतीने सोडविण्यावर भर असेल. मात्र काही फोटो दाखवून त्यातून लॉजिकल आयडिया देण्याची विनंती केल्यास त्या मिळू शकतील असेही त्यांच्या अधिकृत संकेतस्थळावर जाहीर करण्यात आलेले आहे.