Gemini (Google)

Hvad er Gemini?

Gemini er Googles familie af AI-modeller. Googles svar på OpenAIs GPT og Anthropics Claude. Det der gør Gemini unik er at den er bygget fra grunden som nativt multimodal: den forstår tekst, billeder, lyd, video og kode i én samlet model, ikke som separate moduler sat sammen.

Gemini erstattede Googles tidligere modelserie Bard/PaLM og repræsenterer Googles samlede AI-strategi: at integrere AI i hele Google-økosystemet fra Search til Workspace til Android.

Gemini-modeller

1. Gemini Pro. Den mest kapable model, designet til komplekse opgaver der kræver avanceret ræsonnering, multimodal forståelse og langtidsplanlægning.
2. Gemini Flash. Balancen mellem kapabilitet og hastighed. Optimeret til daglige opgaver, interaktiv chat og generel multimodal analyse.
3. Gemini Flash-Lite. Optimeret til hastighed og omkostningseffektivitet. Designet til høj-volumen opgaver som opsummering, klassifikation og store distribuerede applikationer.
4. Gemini Nano. Lille model designet til at køre direkte på enheder (smartphones, laptops) uden cloud-forbindelse. Bruges i Pixel-telefoner og Android.

Hvad adskiller Gemini?

1. Nativ multimodalitet. Gemini er bygget multimodalt fra start. Den processerer tekst, billeder, lyd og video i én arkitektur. Det giver mere naturlig krydsmodal forståelse.
2. Google-integration. Gemini er dybt integreret i Googles produkter: Google Search, Gmail, Google Docs, Sheets, Slides, Maps, Android og Chrome.
3. Langt kontekstvindue. Gemini Pro understøtter op til 1 million tokens i kontekst. Det er nok til at processere hele bøger, lange videoer eller massive kodebaser i én prompt.
4. Adgang til Google Search. Gemini kan bruge Googles søgemaskine til at finde og verificere aktuel information. En grounding-mekanisme der reducerer hallucinationer.
5. On-device AI. Med Gemini Nano kan AI køre direkte på enheden uden at data sendes til skyen. Vigtigt for privatliv og offline-brug.

Gemini i praksis

1. Google Search. AI-genererede oversigter (AI Overviews) øverst i søgeresultater der opsummerer og syntetiserer information.
2. Google Workspace. “Help me write” i Gmail og Docs, “Help me organize” i Sheets, AI-genererede præsentationer i Slides.
3. gemini.google.com. Googles AI-chatbot interface (tidligere Bard) hvor brugere kan chatte, uploade billeder og analysere dokumenter.
4. Android. Gemini som AI-assistent på Android-telefoner, med Nano-modellen kørende direkte på enheden for hurtige opgaver.
5. Google Cloud. Gemini API via Vertex AI til virksomheder der vil bygge AI-applikationer med Googles infrastruktur.

Gemini vs. konkurrenter

1. Gemini vs. GPT. GPT har det bredere tredjepartsøkosystem. Gemini har dybere integration med Google-tjenester og et langt kontekstvindue.
2. Gemini vs. Claude. Claude er stærkere i kodning og lange dokumenter. Gemini har bredere multimodal dækning og adgang til Google Search.
3. Gemini vs. Llama. Llama er open source og kan køres lokalt. Gemini er mere kapabel men kræver Googles platform.

Google DeepMind, teamet bag Gemini

Gemini er udviklet af Google DeepMind, der blev dannet i 2023 ved at fusionere Google Brain og DeepMind. Google DeepMind er et af verdens stærkeste AI-forskningsmiljøer med bedrifter som AlphaGo (besejrede verdensmesteren i Go) og AlphaFold (forudsagde proteinstrukturer). Denne forskningstradition informerer Geminis design.