编辑“Gemini”

Gemini是[[谷歌]]DeepMind（谷歌母公司Alphabet下设立的[[人工智能]]实验室）于2023年12月发布的一款人工智能模型，能够识别[[文本]]、图像、音频、视频和[[代码]]等多种类型的信息，并能够理解和生成主流编程语言（如[[Python]]、[[Java]]、[[C++]]）的高质量代码。

Gemini拥有全面的安全性评估，首个版本为Gemini 1.0，包括三个不同体量的模型：用于处理“高度复杂任务”的Gemini Ultra、用于处理多个任务的Gemini Nano和用于处理“终端上设备的特定任务”的Gemini Pro。
== 功能特点 ==
=== 多模态输入处理 ===
Gemini能够原生处理包括文本、图像、音频和视频在内的各种输入类型。这种多功能性使得Gemini能够在处理不同类型的数据时表现出色。
=== 双输出生成 ===
与大多数现有模型不同，Gemini不仅能生成文本，还能生成图像。这为用户提供了更多样化的信息表达和创作方式。
=== 代码理解和生成 ===
谷歌的第一版Gemini可以理解、解释和生成主流的编程语言（如Python、Java、C++和Go）的高质量代码，能够跨语言工作并推理复杂的信息。在此基础上，Gemini Ultra在多个编码基准测试中表现优异，包括行业标准的HumanEval和谷歌内部的Natural2Code[[数据]]集。
=== 广泛的应用范围 ===
Gemini系列模型覆盖了从数据中心到移动设备的广泛应用，这意味着无论是在高性能计算环境还是资源受限的移动设备上，Gemini都能提供支持。
=== 先进的性能表现 ===
Gemini Ultra在32个学术基准测试中的30个上超越了现有的最先进模型GPT-4，甚至在MMLU测试集中的得分超过了人类专家，显示出其在多个领域的先进性。
== 核心技术 ==
# 模型架构：Gemini采用了先进的深度学习架构，能够同时处理和理解多种类型的数据。这种架构可能涉及到复杂的神经[[网络]]设计，以适应不同类型的数据输入和输出需求。
# 训练基础设施：为了训练这样一个复杂的模型，谷歌需要强大的计算资源和高效的训练基础设施。这可能包括使用大量的[[GPU]]或TPU等[[硬件]]加速器来加速模型的训练过程。
# 训练数据集：Gemini的训练依赖于大量多样化的数据集，这些数据集涵盖了各种语言、代码、图像和声音等信息。这样的数据集使得模型能够学习到如何理解和生成各种形式的信息。
# 多模态能力：Gemini的强大之处在于其多模态能力，即能够理解和生成不同模式的信息。例如，它可以将文本描述转换为图像，或者理解视频内容并生成相关的文本描述。
# 安全性评估：在设计和开发过程中，Gemini还考虑了全面的安全性评估，以确保模型的使用更加安全可靠。
== 发展历史 ==
* 2023年12月6日：Google DeepMind发布了Gemini模型，这是一款能够处理多种信息类型的人工智能模型。
* 2023年12月7日：Gemini 1.0版本发布，被称为谷歌史上最强大、最通用的模型。
* 2023年12月13日：Google开始通过AI Studio和Google Cloud Vertex AI为开发者和企业客户提供Gemini Pro的访问权限。
* 2023年12月21日：Gemini 1.0推出了三种不同尺寸的模型，分别是Ultra、Pro和Nano，以适应不同的任务需求。
* 2024年2月9日：Google宣布Gemini Ultra对公众开放，并开始提供服务。
* 2024年2月16日：Gemini 1.5 Pro发布，标志着Gemini模型的进一步发展。
* 2024年2月21日：Google发布了开源模型Gemma，它基于与Gemini相同的技术和架构。
== 相关条目 ==
* [[ChatGPT]]
* [[GPT-4]]
* [[ChatGLM-6B]]
* [[讯飞星火]]
* [[文心一言]]
[[category:AI大模型|G]]