O Google lançou nesta semana o Gemini, seu modelo de inteligência artificial que, além de texto, consegue interpretar vídeos e fotos. A tecnologia que promete trazer recursos mais avançados de raciocínio e compreensão superou o ChatGPT-4 da OpenAI num teste de linguagem multitarefa.
Como reportou o New Atlas, o Gemini obteve uma pontuação de 90% no teste de compreensão massiva de linguagem multitarefa (MMLU, na sigla em inglês) que envolve a resolução de problemas em 57 disciplinas como matemática, física, história, direito, medicina e mais.
Com isso, a IA do Google superou o GPT-4 modelo de linguagem amplo utilizado pelo ChatGPT, que obteve uma pontuação de 86,4% e especialistas humanos, que alcançaram 89,8%.
Por ser uma IA multimodal, o Gemini consegue compreender informações visuais e auditivas da mesma forma que entende textos. No vídeo abaixo o Google demonstra que o modelo consegue interpretar o que aparece nas imagens, além de apresentar informações e sugestões de acordo com o que é apresentado.
Em outro vídeo, os cientistas da DeepMind, laboratório de IA do Google, demonstraram que o modelo consegue gerar seu próprio código para ler e interpretar 200.000 estudos científicos, agrupando e filtrando os dados. A equipe acredita que a ferramenta será relevante para áreas como direito, que grandes conjuntos de dados precisam ser analisados.
O Google também relata que o Gemini pode ser usado para programação e tem fluência nas linguagens Python, Java, C++ e Go. No projeto AlphaCode2, o modelo foi usado para gerar um milhão de pedaços de código, analisar o desempenho desses códigos e encontrar “correções”.
