- O Google unifica o Bard sob a marca Gemini e, além do chat existente com o Pro 1.0, adiciona o Gemini Advanced baseado no Ultra 1.0 e novas formas de acesso móvel
- O Gemini já está disponível com o modelo Pro 1.0 em mais de 40 idiomas e em mais de 230 países e regiões; o Advanced começa em inglês em mais de 150 países e regiões
- O Gemini Advanced oferece acesso ao Ultra 1.0, permitindo lidar com mais profundidade com tarefas como programação, raciocínio lógico, execução de instruções complexas e colaboração criativa
- O AI Premium Plan do Google One inclui o Advanced por US$ 19,99 por mês e oferece também 2 meses de teste grátis, 2 TB de armazenamento e outros benefícios já existentes do Premium
- No celular, o acesso ocorre pelo app para Android e por opt-in no Google Assistant, além de um seletor do Gemini dentro do app do Google no iOS; parte dos recursos de voz do Assistant também continua disponível
Transição do Bard para o Gemini
- O Google vinha descrevendo o papel do Bard como um ponto de contato para oferecer diretamente aos usuários os modelos de IA do Google e mudou a marca para Gemini, alinhando-a ao nome que representa sua família de modelos mais poderosa
- Os usuários podem usar o Gemini com base no modelo Pro 1.0 em mais de 40 idiomas e em mais de 230 países e regiões
- O ponto central desta mudança são duas novas experiências
- Acesso ao Ultra 1.0 por meio do Gemini Advanced
- Adição de uma experiência móvel pelo app para Android e pelo app do Google no iOS
Gemini Advanced e Ultra 1.0
- O Gemini Advanced é uma nova experiência que dá acesso ao Ultra 1.0, o mais recente modelo de IA do Google, seu maior e mais capaz
- Em avaliações cegas feitas por avaliadores terceiros, o Gemini Advanced baseado no Ultra 1.0 foi considerado um chatbot mais preferido do que os principais chatbots alternativos
- Ele se destaca em tarefas complexas
- Raciocínio lógico
- Programação avançada
- Execução de instruções sutis
- Colaboração em projetos criativos
- Consegue manter conversas mais longas e detalhadas, além de entender melhor o contexto de prompts anteriores
Uso do Ultra 1.0 e planos de expansão
- O Gemini Advanced pode criar instruções passo a passo ajustadas ao estilo de aprendizagem, quizzes de exemplo e discussões interativas, como um tutor pessoal
- Em cenários avançados de programação, pode atuar como interlocutor para revisar ideias ou ajudar a comparar diferentes abordagens de codificação
- Criadores digitais podem usá-lo para gerar novos conteúdos, analisar tendências recentes e fazer brainstorming de melhorias para aumentar a audiência
- A primeira versão reflete os avanços atuais em raciocínio de IA, e os seguintes recursos serão adicionados futuramente para usuários do Advanced
- Recursos multimodais expandidos
- Recursos de programação mais interativos
- Recursos mais profundos de análise de dados
- Novos recursos exclusivos
- O Gemini Advanced está disponível em inglês em mais de 150 países e regiões e será expandido para mais idiomas ao longo do tempo
Google One AI Premium Plan
- O Gemini Advanced está incluído no novo Google One AI Premium Plan
- O preço é de US$ 19,99 por mês, com 2 meses de teste grátis no lançamento
- Esse plano também inclui os benefícios do Google One Premium plan existente
- 2 TB de armazenamento
- Assinantes do AI Premium em breve poderão usar o Gemini no Gmail, Docs, Slides, Sheets e outros
- O nome anterior era Duet AI
Verificações de segurança e melhorias do modelo
- O Google criou salvaguardas no produto de acordo com seus AI Principles para reduzir conteúdo inseguro e vieses
- Antes do lançamento do Gemini Advanced, foram realizadas amplas verificações de confiança e segurança
- Incluindo testes de red team externo
- O modelo de base foi aprimorado adicionalmente com fine-tuning e aprendizado por reforço com base em feedback humano
- Informações técnicas detalhadas podem ser vistas no Gemini Technical Report atualizado
Uso do Gemini no celular
- O Google lançou uma nova experiência móvel baseada em um app para Android e no app do Google para iOS, para facilitar o acesso ao Gemini pelo telefone
- No Gemini para celular, é possível obter ajuda em movimento por meio de texto, voz e adição de imagens
- Tirar uma foto de um pneu furado e perguntar o que fazer
- Criar uma imagem personalizada para um convite de jantar
- Receber ajuda para escrever uma mensagem de texto difícil
- O Google vê essa experiência móvel como o primeiro passo rumo a um assistente de IA conversacional, multimodal e útil
Disponibilidade no Android e no iOS
- No Android, o Gemini é oferecido como um novo tipo de assistente que ajuda os usuários com IA generativa
- É possível baixar o app Gemini ou fazer opt-in pelo Google Assistant para acessá-lo pelo app ou pelos métodos já existentes de chamar o Assistant
- Pressionar o botão liga/desliga em alguns celulares
- Deslizar a partir do canto
- Chamar com “Hey Google”
- A nova experiência de sobreposição no Android oferece acesso ao Gemini sobre a tela e ajuda com base no contexto
- Gerar uma legenda para uma foto recém-tirada
- Fazer perguntas sobre um artigo que está sendo lido
- No app Gemini, é possível usar muitos recursos de voz do Google Assistant, como definir timers, fazer ligações e controlar dispositivos de casa inteligente, e o Google está preparando suporte a mais recursos
- No iOS, o acesso ao Gemini será oferecido dentro do Google app nas próximas semanas
- Será possível tocar no seletor do Gemini para conversar
- Pode ser usado para criar imagens personalizadas, receber ajuda para escrever posts sociais, planejar uma noite de encontro e outras tarefas
Regiões e idiomas de lançamento
- A distribuição do Gemini em celulares Android e iOS começa hoje nos EUA, em inglês
- A disponibilidade completa está prevista para as próximas semanas
- A partir da próxima semana, o acesso em inglês chegará a mais regiões
- O suporte a japonês e coreano também será oferecido a partir da próxima semana, e mais países e idiomas serão adicionados em breve
1 comentários
Opiniões no Hacker News
Achei surpreendente terem abandonado o nome Bard. Bard também significa “pessoa que fala”, e por ser uma palavra muito antiga, a chance de conflitar com outros nomes era baixa, então parecia uma escolha bem inteligente
Já Gemini não transmite uma relação especialmente clara, a menos que signifique o gêmeo do ChatGPT, e já existem empresas com esse mesmo nome. Dito isso, entendo a vantagem de começar com G, como “Google”
A propósito, bard.com redireciona para bd.com, de outra empresa, mas Gemini.com é de fato usado por uma empresa com esse nome. Fico curioso sobre os bastidores de como essa decisão foi tomada
Gemini soa como um programa espacial, então passa uma sensação futurista e de salto da humanidade. É uma constelação, está no espaço e é feita de estrelas; além disso, contém “gem”, o que dá uma impressão sofisticada, valiosa e refinada. Não estou dizendo que é o melhor nome, mas é muito mais adequado que Bard
Ainda assim, Gemini é legal, tem um ar de ficção científica e, por ser simplesmente latim, talvez seja um pouco mais fácil de localizar
Também se associa a Gemini killer e aos Gemini twins hitmen da máfia, como Joseph Testa e Anthony Senter. Acho que poderiam ter escolhido um nome de marca melhor
Também parece o nome de um sistema de IA de combate de Robotron. “Senhor, Gemini está carregado e pronto para a batalha.”
Do ponto de vista mitológico, Gemini parece fazer mais sentido para o negócio/marketing como um todo. Dá para passar uma mensagem tipo “esta IA é o seu gêmeo. Ela até completa suas frases por você”
Não sei se Gemini será muito diferente, e por enquanto GPT-3.5 e GPT-4 ainda são mais impressionantes, mas a mudança de nome pode gerar algum efeito de reset
Pelo que usei por cerca de 20 minutos, a qualidade do Bard Advanced(Gemini Ultra) é bem impressionante. Os resultados são tão bons quanto os do GPT-4 e, em alguns casos, melhores
Os pontos fortes são traduções melhores para o inglês de expressões idiomáticas em chinês e japonês, e uma integração melhor dos resultados de busca nas respostas do que o GPT-4 Bing
Os pontos fracos são que ele é um pouco pior em programação, a censura é mais irritante e, em temas médicos, é preciso perguntar várias vezes. A lógica também é mais fraca: ele se contradiz dentro de uma mesma frase sem perceber, e alucina bastante quando se pede para descrever imagens
Aí o Gemini poderá se tornar uma IA one-stop para tudo. Só a Microsoft poderia responder de forma parecida, mas a Microsoft não tem serviços populares de mapas, YouTube, e-mail e sistema operacional de smartphone
A Apple também é forte, mas não tem ferramentas de produtividade como docs, sheets e YouTube. Daqui em diante, a disputa de IA parece ser mais uma questão de o Google deixar a oportunidade escapar por conta própria
Ir ao ChatGPT e copiar e colar os resultados vai ficar cada vez mais inconveniente, e a integração com o Bing também é penosa. A OpenAI parece estar focada em escalar grandes modelos de linguagem, enquanto o Google DeepMind está explorando outras direções também
O Google poderia empacotar YouTube TV, YouTube Premium, Google Drive, armazenamento, busca sem anúncios, Docs/Sheets/Gmail integrados ao Gemini e Pixel Phone/Watch subsidiados por algo como US$ 99 por mês, e isso poderia ser bem atraente para muita gente
Recentemente, perguntei ao Bard e ao ChatGPT sobre dilemas filosóficos clássicos; o ChatGPT também teve dificuldades, mas o Bard foi muito mais grave e sempre escolheu o lado conservador, ou seja, o lado que não defende liberdades que ainda não estão amplamente estabelecidas. Eram perguntas sobre os limites do utilitarismo, “o que é melhor para a sociedade e o que é melhor para o indivíduo” e coisas do tipo
Mesmo mudando os exemplos e criando um viés ao adicionar elementos como participação voluntária, o Bard inicialmente dizia que era uma questão aberta, com dois lados, mas ainda assim mantinha sua posição
Sistemas assim, por natureza, se baseiam no que é amplamente aceito na época, portanto reforçam o status quo. Se a história tivesse sido diferente, teriam defendido a escravidão, se oposto ao sufrágio feminino e muito provavelmente dito que a homossexualidade era antiética
Não é um problema só de ética. Em TI e programação, linguagens, estilos e metodologias já inventados também podem ganhar uma grande vantagem. Isso é ainda mais verdadeiro se você não for uma empresa como Microsoft ou Google, capaz de enviesar as coisas na direção que quiser
Somando-se a isso a questão dos custos, se apenas pessoas ou instituições com força financeira considerável puderem criar as regras, o cenário fica bem sombrio. Dá até saudade da última década, quando os dilemas de acidentes de carros autônomos discutiam quem atropelar em situações absurdamente improváveis
Na minha experiência, o Gemini Ultra entende melhor o código, mas parece limitar mais o tamanho da saída, então nem sempre entrega um resultado completo
Ele também é muito esperto. Explicou que um certo código colocava um inteiro de 12 bits em várias partes de um array usando uma codificação específica, algo que a maioria das pessoas dificilmente descobriria olhando apenas para aquele código. Em seguida, também me disse que bastava usar uma função de conversão elegante que eu não conhecia
Só que esse código estava ligeiramente errado. Quando eu digo para não usar aquela função sofisticada, ele na prática escreve corretamente. O GPT-4 quase não sabe o que o código faz, mas consegue dar uma arrumada
Então o Ultra às vezes dá a sensação de ser inteligente demais e errar por pouco
Ainda assim, quando coloquei milhares de linhas de código nos dois e pedi refatoração, nenhum dos dois teve mais de um erro, e o restante do código compilou e funcionou na primeira tentativa
Era código que não poderia estar nos dados de treinamento, Python escrito à mão com base em um binário x86 antigo cujo código-fonte desapareceu, então também não é algo que pudesse existir no GitHub em uma forma mais limpa
Tanto o GPT-4 quanto o Gemini Ultra transformaram cerca de 8.000 a 10.000 linhas de código bagunçado em Python ou TypeScript limpo e idiomático quase sem eu mexer, e um bug em cada caso não é ruim
O bug introduzido pelo GPT-4 foi mais sutil. Durante a conversão para TypeScript, ele mudou sem motivo algo equivalente a
(uint8)'a'para(uint8)'a' - '0'. Não sei se isso é representativoQuando faço a mesma coisa com outros modelos “de ponta”, por exemplo os que aparecem em can ai code e afins, a maioria sequer consegue produzir código que funcione corretamente para toda a entrada, e ficam longe de produzir um bom código
Casos de uso como tradução são menos impressionantes em comparação com raciocínio lógico. Parecem algo que melhora quando se joga muitos dados, enquanto o raciocínio lógico dá a impressão de que o modelo “aprendeu” algo além de simples correspondência de padrões
Ao pesquisar na Play Store, os primeiros ícones são opções para instalar Crypto.com e “Gemini: Buy Bitcoin & Crypto”
Só aparece finalmente depois de passar pelas capturas de tela desses apps, por Limited-time events, por You Might Also Like e por Similar Apps. Instalei e executei, e apareceu “Gemini isn't currently available. Try again later.”
Bravo, Google. Que lançamento excelente
Quanto ao segundo problema, eu também vi o mesmo erro, mas fechei e abri de novo e ele abriu normalmente
No Google Play pelo navegador: “This app is not available for your device”
No app Google Play: “This item is not available in your country.”
Na Aurora Store: “Download Failed. App not purchased”
Um lançamento realmente excelente. Bravo
Um recurso essencial para o app é o envio automático ao usar entrada por voz. Ele sugere substituir o Google Assistant e, depois de usar por alguns minutos, até parece capaz disso, mas em vez de bastar falar com o celular, é preciso apertar manualmente o botão de enviar toda vez
Eu estava bem animado para finalmente testar o Gemini Advanced, mas até agora tem sido decepcionante
A pergunta de teste que costumo usar é uma que até o ChatGPT 3.5 acerta. “Você está diante de uma porta de vidro, e na porta está escrita a palavra push em letras espelhadas. Você deve empurrar ou puxar, e por quê?”
O Gemini Advanced respondeu que eu deveria empurrar e ainda explicou que, se o texto está espelhado, a ação correta é o oposto do que está escrito, mas mesmo assim concluiu que era push. Nem é consistente com o que ele próprio diz. Essa sensação de “estar conversando com uma pessoa burra” é a pior parte
O ChatGPT 3.5 respondeu que, se a palavra aparece espelhada, a sinalização é para quem está do outro lado, então eu deveria puxar
Ele explicou que “push” escrito em letras espelhadas costuma ser usado como indicação de que a ação necessária para abrir a porta é o oposto do que está escrito, como uma medida de segurança para evitar ferimentos ou danos causados por empurrar uma porta de vidro
Também disse que, por ser um design comum em portas de vidro em espaços públicos, se não houver outra instrução clara, deve-se fazer o oposto
Ele respondeu que, se “push” está escrito em letras espelhadas, isso significa que quem está do outro lado deve empurrar; e, se deste lado se vê o texto espelhado, ele aponta para a ação a ser tomada do outro lado, então neste caso eu deveria empurrar a porta
Ele explicou que o ponto da pergunta é comparar a mesma quantidade de materiais diferentes, mas a pergunta real era 2 libras de penas e 1 libra de tijolos, então estava errado. Falou bastante sobre densidade, mas leu errado as quantidades de peso
Explicou que letras espelhadas indicam que a instrução não é dirigida à pessoa que está atualmente do lado de fora, mas sim a quem está do lado de dentro olhando para fora
“Para melhorar a tecnologia que alimenta os Gemini Apps, suas conversas são processadas por revisores humanos. Não insira nada que você não queira que seja revisado ou usado.”
Agradeço a franqueza, mas é ruim que um recurso pago não tenha privacidade nem uma forma de optar por não participar
Está escrito: “Se você não quiser que suas conversas futuras sejam revisadas ou usadas para melhorar modelos de machine learning, desative a Gemini Apps Activity”
A exceção seria quando o contrato proíbe explicitamente o provedor de usar ou ver os dados sem permissão do usuário, mas isso é raro
Gemini Ultra parece melhor que o GPT-4 em lógica. Ainda estou testando, mas há um prompt que o Ultra acertou e o GPT-4 errou completamente
“Tabitha gosta de cookies, mas não gosta de cake. Gosta de mutton, mas não gosta de lamb; gosta de okra, mas não gosta de squash. Seguindo a mesma regra, do que ela gostaria: cherries ou pears?”
https://i.imgur.com/KW6gQbc.jpeg
https://i.imgur.com/OSHSvLp.png
Num prompt pedindo para preencher o espaço em branco de uma função CoC, o GPT-4-Turbo deu a resposta correta com
(f (g (h (g z)))), enquanto o Gemini Advanced errou comh (h (g (f z)))O Gemini também não conseguiu seguir a instrução de “responda apenas a resposta” e acrescentou um monte de justificativas com alucinações. Parece que o vencedor já está definido. Captura de tela: https://imgur.com/a/GotG0yF
Ele respondeu que cherries caem do céu. Era a primeira pergunta do chat, sem perguntas anteriores nem contexto
Em casos de uso reais, acho que seria mais impressionante um grande modelo de linguagem dizer “não dá para inferir”, em vez de inventar o próprio raciocínio ou procurar a resposta online
O fato de “apples” ter duas sílabas pode ser conhecido porque está em algum lugar dos dados de treinamento, mas se você inventar um nome falso de fruta como “bratush”, uma pessoa o veria como duas sílabas, enquanto para um grande modelo de linguagem ele pode ser de 1 a 7 tokens, sem informação sobre a palavra em si
A estratégia foi pedir que propusesse 5 padrões tão distintos e novos quanto possível, verificasse se eles se aplicavam sem exceções, reconferisse devagar se o padrão foi aplicado exatamente e explicasse cada etapa para não deixar passar nada importante
Independentemente da qualidade do modelo, a estrutura do plano de assinatura é bem estranha, especialmente para usuários atuais do Google One
Antes havia 2 TB e outros benefícios por US$ 9,99/mês, 5 TB e benefícios superiores por US$ 24,99/mês, além de planos superiores de 10 a 30 TB; era consistente e fácil de entender, exceto pelo fato de que só os planos de 10 a 30 TB não tinham pagamento anual
Agora, com o plano de IA, por US$ 19,99/mês, foram adicionados 2 TB, outros benefícios e acesso ao Gemini, mas só com pagamento mensal
Assinantes atuais do Google One ficaram numa situação estranha. Usuários do plano anual de 2 TB precisam migrar para um plano mensal para usar o Gemini, e quem usa capacidades maiores não tem opção de upgrade a menos que reduza o armazenamento. Para usuários do Google Fi é pior ainda: mesmo querendo pagar mais, não há opção de upgrade
O Google provavelmente sabe disso e deve oferecer os recursos de IA gratuitamente aos assinantes dos planos superiores até 31 de julho, preparando depois um novo plano, mas ainda assim a confusão para os usuários é grande. Só o YouTube Premium já ser uma assinatura separada já é incômodo; não havia necessidade de trazer esse problema para um produto que deveria ser “One”
Eu estava num plano anual de 100 GB até agosto, e a nova assinatura mensal também não tem desconto. Uma pena
“Sorry, Gemini Advanced isn't available for you”
“O Gemini Advanced ainda não está disponível para você em alguns países, contas de trabalho e usuários abaixo de certas idades.”
Saiba mais: https://login.corp.google.com/request?s=support.corp.google....
Bard? Gemini? Gemini Advanced? Gemini Ultra? Ultra 1.0? Parece que ainda não definiram o sistema de nomes. É o nome mais confuso desde o Xbox Series X
Gemini “Basic”, Advanced e Ultra são tamanhos diferentes dessa arquitetura
É especulação, mas “Ultra 1.0” parece indicar a intenção de lançar mais modelos baseados na configuração Ultra. Como é o modelo mais comercial, também pode haver alguma promessa de estabilidade. Por exemplo, mesmo que saia o Ultra 3.0, o Ultra 1.0 continuaria disponível, de modo que quem o integrou a um projeto e o validou poderia esperar pouca ou nenhuma mudança no modelo-base
Agora que todo mundo percebeu o valor dos dados, empresas que não são a OpenAI têm mais dificuldade do que antes para acessar grandes volumes de dados gratuitos, então isso deve continuar por um tempo
Separadamente, acho que até a Microsoft, mesmo tendo acesso completo ao ChatGPT, implementa algo bem pior. A Apple também deve passar por um destino parecido por um bom tempo
Bard é um nome em descontinuação, Gemini é o nome do modelo e é menos confuso do que simplesmente chamá-lo de “GPT”
Gemini Advanced é um modelo Gemini mais capaz, Gemini Ultra é o modelo Gemini mais capaz, e Gemini 1.0 é a versão do modelo, parecendo significar que ele chegou à 1.0 e está pronto para uso oficial
Assinei o Gemini Advanced de US$ 21 por mês e, embora seja um único caso, quando pedi uma tarefa de programação bem difícil, ele se saiu muito bem. Era em Common Lisp, uma linguagem pouco conhecida e minha linguagem de programação favorita desde 1982. Deve haver algumas dezenas de entusiastas de CL no mundo
Tanto o código gerado quanto as explicações auxiliares foram muito bons
Como observação, o curioso é que quase não uso mais os serviços “gratuitos” do Google, como Busca e Gmail, mas agora gasto cerca de US$ 135 por mês em serviços pagos do Google. Isso exclui os custos do GCP. Serviços pagos como YouTube/Music Premium, YouTube TV e Play Books são realmente bons