PC向けGemini AI Chat

Gemini は、テキスト、画像、ビデオ、オーディオ、コード全体でシームレスに推論できるマルチモダリティ向けにゼロから構築されています。

Gemini は、これまでで最も柔軟なモデルでもあり、データセンターからモバイル デバイスに至るまであらゆるもので効率的に実行できます。その最先端の機能により、開発者や企業顧客が AI を構築および拡張する方法が大幅に強化されます。

これまで、マルチモーダル モデルを作成する標準的なアプローチには、さまざまなモダリティに合わせて個別のコンポーネントをトレーニングし、それらをつなぎ合わせてこの機能の一部を大まかに模倣することが含まれていました。これらのモデルは、画像の説明などの特定のタスクの実行には優れている場合がありますが、より概念的で複雑な推論には苦労します。

私たちは、Gemini をネイティブにマルチモーダルに対応できるように設計し、さまざまなモダリティについて最初から事前にトレーニングしました。次に、追加のマルチモーダル データを使用して微調整し、その有効性をさらに洗練しました。これにより、Gemini はあらゆる種類の入力をゼロからシームレスに理解し、推論することができ、既存のマルチモーダル モデルよりもはるかに優れており、その機能はほぼすべてのドメインで最先端です。