【ダイジェスト】
Google DeepMindは、大量のビデオ、テキスト、画像を扱う能力を強化した人工知能モデルGeminiの新世代を発表しました。この新しいバージョン、Gemini 1.5 Proは、以前のトップモデルであるGemini 1.0 Ultraと同等の性能を持ちながら、より少ない計算能力を使用します。Gemini 1.5 Proの標準バージョンは、最大128,000トークンの入力を処理でき、限定された開発者グループは最大1,000,000トークンまでの入力を提出できます。これにより、現在他のモデルでは不可能な作業を実行できるようになります。
例えば、Googleは1,000,000トークンバージョンを使用して、アポロ月面着陸ミッションの402ページにわたるトランスクリプトをモデルに供給し、手描きのブーツのスケッチを見せて、その図面が表すトランスクリプトの瞬間を特定させるデモンストレーションビデオを公開しました。また、44分間のバスター・キートンが出演する無声映画をアップロードし、映画のある時点でキャラクターのポケットから取り出される紙片に何が書かれているかを特定させるタスクも実施しました。
Gemini 1.5 Proは、テキスト、コード、画像、オーディオ、ビデオを組み合わせた評価を含む、大規模言語モデルを開発する際にGoogleが使用する通常のテストバッテリーを通過しました。このモデルは、1.0 Proに比べて87%のベンチマークで性能が向上し、1.0 Ultraとほぼ同等の性能を示しながら、より少ない計算能力を使用しました。大きな入力を処理できる能力は、専門家の混合アーキテクチャの進歩の結果です。この設計を使用するAIは、ニューラルネットワークをチャンクに分割し、関連する部分のみをタスクに応じてアクティブにします。
今回のGemini 1.5 Proのリリースは、開発者と企業顧客に限定されています。Googleは、一般公開の時期については明らかにしていません。
【ニュース解説】
Google DeepMindが、大量のデータを扱う能力を強化した人工知能モデル「Gemini 1.5 Pro」を発表しました。この新バージョンは、以前のモデルであるGemini 1.0 Ultraと同等の性能を持ちつつ、より少ない計算能力で動作します。特に注目すべきは、Gemini 1.5 Proが最大128,000トークンの入力を処理できる点で、限定された開発者グループには最大1,000,000トークンまでの入力が可能です。これにより、従来のモデルでは不可能だった大規模なデータ処理が可能になります。
この技術の進歩は、特にビデオ、テキスト、画像の大量データを扱う必要がある分野での応用が期待されます。例えば、長時間のビデオから特定のシーンを特定したり、大量のテキストデータから重要な情報を抽出するなど、従来は時間と労力を要した作業が、より迅速かつ正確に行えるようになります。
しかし、この技術の進歩には潜在的なリスクも伴います。例えば、プライバシーの侵害や誤情報の拡散など、大量のデータを扱うことによる問題が考えられます。また、このような強力なAIモデルの開発と使用には、適切な規制や倫理的なガイドラインが必要となります。
長期的な視点では、Gemini 1.5 ProのようなAIモデルは、人間の知識や情報処理の方法を根本から変える可能性を秘めています。これにより、教育、研究、エンターテイメントなど、さまざまな分野での革新が期待されます。しかし、その一方で、人間とAIの関係、仕事の未来、社会の構造などにも大きな影響を与えるため、技術の進歩と共に、これらの変化に対応するための議論と準備が求められます。
最終的に、Gemini 1.5 Proのような技術の発展は、人類にとって大きな可能性を秘めていますが、その利用と管理には慎重なアプローチが必要です。技術の進歩を適切に活用し、潜在的なリスクを最小限に抑えることが、持続可能な未来への鍵となるでしょう。
from Google’s new version of Gemini can handle far bigger amounts of data.
