Google DeepMind a Gemini: Prečo je to najdôležitejšie AI laboratórium, o ktorom ste (možno) nevedeli

Máte k dispozícii tím, ktorý porazil majstra sveta v hre Go, rozlúštil skladanie bielkovín a teraz sa pokúša postaviť umelú inteligenciu, ktorá rozumie svetu tak, ako človek.

To nie je sci-fi, to je Google DeepMind. A keď k tomu pridáte model Gemini, dostanete jednu z najvýkonnejších a zároveň najkontroverznejších AI platforiem na planéte.

Tento článok vám v 5 minútach vysvetlí, kto je DeepMind, čo je Gemini, prečo na tom záleží a aké pasce na vás číhajú, ak sa rozhodnete Gemini využívať.

Čo je Google DeepMind?

Google DeepMind je popredné výskumné laboratórium umelej inteligencie, ktoré v roku 2010 založili Demis Hassabis, Shane Legg a Mustafa Suleyman. V roku 2014 ho kúpil Google za 500 miliónov dolárov. Jeho misia? „Vyriešiť inteligenciu" a následne ju využiť na riešenie najväčších problémov ľudstva.

DeepMind je známy najmä vďaka: - AlphaGo (2016) – AI, ktorá porazila majstra sveta v hre Go, čo sa považovalo za míľnik, ktorý mal nastať o 10 rokov neskôr. - AlphaFold (2020) – AI, ktorá rozlúštila problém skladania bielkovín, čo otvorilo dvere k vývoju nových liekov a liečbe chorôb. - AlphaZero – univerzálny algoritmus, ktorý sa naučil hrať šach, Go a šógi bez akejkoľvek ľudskej pomoci.

V apríli 2023 Google zlúčil DeepMind so svojím tímom Google Brain (ktorý stál za Transformerom – základom dnešných veľkých jazykových modelov) a vznikol Google DeepMind. Tento krok mal jediný cieľ: urýchliť vývoj a nasadenie najmodernejších AI modelov.

Čo je Gemini?

Gemini je rodina multimodálnych veľkých jazykových modelov (LLM) vyvinutá spoločnosťou Google DeepMind. Prvýkrát bola uvedená v decembri 2023. Je to priamy konkurent modelov GPT od OpenAI a Claude od Anthropicu.

Kľúčová vlastnosť Gemini je multimodalita. Na rozdiel od starších modelov, ktoré spracúvali len text, Gemini dokáže „vidieť" a rozumieť obrázkom, videám, audiu a textu súčasne. Môžete mu napríklad ukázať fotografiu rozbitej súčiastky a on vám poradí, ako ju opraviť.

Gemini existuje v troch veľkostiach: - Gemini Ultra – najväčší a najvýkonnejší model, určený pre komplexné úlohy. V niektorých testoch (napr. MMLU – Massive Multitask Language Understanding) prekonal GPT-4. - Gemini Pro – stredná veľkosť, optimalizovaná pre škálovateľnosť a nasadenie v reálnych aplikáciách. Je to model, ktorý poháňa chatbota Google Gemini (pôvodne Bard). - Gemini Nano – najmenší model, navrhnutý pre beh priamo na zariadení (napr. na smartfóne Pixel 8 Pro), bez potreby internetového pripojenia.

Ako to funguje? Analógia z bežného života

Predstavte si, že máte asistenta, ktorý nielen číta vaše poznámky, ale aj pozerá vaše fotografie, počúva vaše hlasové správy a sleduje videá z dovolenky. Keď sa ho potom spýtate: „Kde som nechal kľúče od auta na tej fotke z výletu?", on si spomedzi tisícky fotiek nájde tú správnu, prečíta na nej tabuľku s nápisom „Reštaurácia U Jozefa" a povie vám presnú adresu.

Gemini robí presne toto – spája všetky typy informácií do jedného celku a vytvára kontext, ktorý je oveľa bohatší, než keby ste mu dali len text.

Konkrétny príklad z praxe

Povedzme, že ste realitný maklér. Máte fotku zanedbanej nehnuteľnosti. Pošlete ju Gemini a napíšete: „Navrhni, ako túto miestnosť prerobiť na modernú kanceláriu, odhadni náklady v eurách a napíš inzerát, ktorý zdôrazní potenciál."

Gemini: 1. Rozpozná na fotke veľkosť miestnosti, stav podlahy, farbu stien, typ okien. 2. Vygeneruje 3D vizualizáciu (cez iný nástroj Google, napr. Imagen). 3. Odhadne náklady na rekonštrukciu (napr. 8 000 – 12 000 € podľa cien materiálov v regióne). 4. Napíše inzerát v slovenčine: „Nebojte sa omietky! Táto miestnosť ponúka 25 m² a vďaka južnej orientácii je celý deň presvetlená. S investíciou cca 10 000 € z nej vytvoríte reprezentatívnu kanceláriu."

To všetko z jednej fotky a jednej vety.

Časté omyly a na čo si dať pozor

1. Gemini nie je „len Google Bard"

Bard bol pôvodný chatbot od Google, ktorý používal starší model LaMDA. Gemini je úplne nová generácia. Ak ste Bard zavrhli kvôli nepresnostiam, dajte Gemini šancu – je to iná liga.

2. Multimodalita nie je dokonalá

Gemini síce „vidí" obrázky, ale stále môže robiť chyby pri rozpoznávaní detailov (napr. text na etikete, počet prstov na ruke). Vždy si overujte vizuálne informácie.

3. Cena a dostupnosť

• Gemini Pro je zadarmo v rámci chatbota na gemini.google.com (s limitmi).
• Gemini Ultra je spoplatnený cez predplatné Google One AI Premium za 19,99 €/mesiac (vrátane 2 TB úložiska).
• API prístup pre vývojárov je spoplatnený podľa počtu tokenov (vstup/výstup). Pre text je to približne 0,000125 € za 1 000 tokenov (čo je lacnejšie ako GPT-4 Turbo, ktorý stojí 0,01 € za 1 000 tokenov). Pozor – multimodálne požiadavky (obrázky) sú drahšie.

4. Súkromie a bezpečnosť

Google má prístup k vašim konverzáciám, pokiaľ nepoužívate podnikový účet s dodatočnou ochranou. Ak riešite citlivé dáta (napr. lekárske správy, obchodné tajomstvá), zvážte použitie lokálneho modelu alebo aspoň anonymizáciu údajov.

5. „Gemini je lepší ako GPT-4" – nie vždy

V benchmarkoch (napr. MMLU, GSM8K) Gemini Ultra skutočne prekonáva GPT-4. V praktických úlohách, ako je kreatívne písanie alebo kódovanie, je však GPT-4 často presnejší a menej „halucinuje". Neexistuje univerzálny víťaz – záleží na úlohe.

Čo si vybrať? (Verdikt)

Záver: Google DeepMind a Gemini nie sú len ďalší chatbot. Je to platforma, ktorá posúva hranice multimodálnej AI. Ak pracujete s vizuálnym obsahom (fotografie, videá, schémy), Gemini je momentálne najlepšia voľba. Ak potrebujete čistý text a kód, zvážte aj konkurenciu. A vždy pamätajte: AI je nástroj, nie oracle. Overujte, testujte a používajte s rozumom.