هوش مصنوعی گوگل جمنای Google Gemini چیست و انواع آن

در سال های اخیر، استفاده از هوش مصنوعی در میان کاربران مختلف اهمیت بیشتری پیدا کرده است. انواع مدل های آن به وجود آمدند و هرکدام از آن ها نقاط قوت و ضعف خاص خود را دارند. امسال گوگل هوش مصنوعی گوگل جمنای را عرضه کرد! گوگل جمنای یکی از بزرگ ترین و کامل ترین مدل هوش مصنوعی است که تاکنون ساخته شده است. در حال حاضر گوگل سعی می کند در بخش های مختلف سرویس های خود از هوش مصنوعی گوگل جمنای استفاده کند.

اگر تا به حال با هوش مصنوعی گوگل جمنای کار نکرده اید، در این مقاله همراه ما باشید! قرار است به بررسی آن بپردازیم و ببینیم که در مقابل رقیبان چه مزایایی در اختیار کاربران قرار می دهد. گفتنی است این هوش مصنوعی در سئو نیز کاربردی است.

هوش مصنوعی گوگل جمنای (Google Gemini) چیست؟

گوگل جمنای نسل بعدی مدل GenAI است که از مدتی قبل توسط گوگل وعده داده شده باشد! حال این مدل از هوش مصنوعی عرضه شده است و توانسته مثل یک بمب صدا کند. این هوش مصنوعی مدت ها توسط آزمایشگاه های تحقیقاتی هوش مصنوعی گوگل (DeepMind و Google Research) در حال بررسی و توسعه بود و در حال حاضر سه مدل از آن عرضه شده است:

• گوگل جمنای Ultra: مدل پرچم دار گوگل جمنای.
• گوگل جمنای Pro: مدل لایت و پایه گوگل جمنای.
• گوگل جمنای Nano: مدل کوچک تر گوگل جمنای برای اجرا روی تلفن های همراه.

تمام مدل های گوگل جمنای به نحوی آموزش داده شده اند که بتوانند به صورت چند وجهی عمل کنند! در واقع امکان استفاده از کلمات بیشتر در تمام مدل های آن وجود دارد. برای انواع صدا، تصاویر، ویدئو و متن عملکرد بسیار خوبی دارد و برای زبان های مختلف به خوبی آموزش دیده اند.

این موضوع در حالی است که مدل های قبلی گوگل نظیر LaMDA بر روی داده های متنی آموزش دیده بودند و همین مسئله نقطه تمایز گوگل جمنای با مدل های قبلی است. در واقع نسخه های قبلی چیزی غیر از متن را نمی فهمیدند و این در حالی است که گوگل جمنای انواع فرمت های محتوایی را به خوبی درک می کند.

گوگل جمنای چه کار می کند؟

گوگل جمنای طوری توسعه پیدا کرده است که بتواند طیف وسیعی از وظایف را پاسخ دهد! در واقع با کمک فرمت های مختلف می توانید از آن استفاده کنید و تنها فرمت مورد استفاده، فرمت محتوای متنی نیست. بنابراین کاربرد گوگل جمنای نسبت به مدل های قبلی بسیار گسترده تر است! به طوری که با کمک آن می توانید برای ویدئوهای خود زیرنویس تولید یا حتی آثار هنری ارزشمند ایجاد کنید. البته لازم به ذکر است که هنوز همه این قابلیت ها در دسترس نیستند و گوگل وعده استفاده از آن ها در آینده ای نزدیک را داده است.

بنابراین این موضوع که گوگل جمنای در چه زمانی در دسترس کاربران قرار می گیرد، اطلاعاتی در دسترس نیست! با این حال گوگل آن را وعده در آینده بسیار نزدیک وعده داده است. البته گوگل اطلاعات هوش مصنوعی گوگل جمنای و مدل های مختلف آن را ارائه کرده است که در این بخش به بررسی کامل آن ها می پردازیم.

مهم ترین کاربردهای گوگل جمنای چیست؟

مدل های مختلف گوگل جمنای کارهای زیادی انجام می دهند و توانسته به بخشی زیادی از زندگی کاربران کمک کند. با توجه به این که گوگل جمنای چند وجهی است و می تواند فرمت های مختلفی نظیر متن، عکس، ویدئو و صدا را درک کند کارایی آن هم نسبت به مدل های دیگر بهتر است. مهم ترین کارهایی که گوگل جمنای انجام می دهد عبارتند از:

• خلاصه کردن محتوا از طریق انواع مختلف داده ها
• تولید محتوا برای کاربران بر اساس درخواست آن ها
• امکان پرسش و پاسخ توسط رابط چت بات
• قابلیت ترجمه محتوا به بیش از 100 زبان مختلف دنیا
• امکان تجزیه تصاویر پیچیده نظیر نمودارها و شکل ها بدون ابزار OCR
• امکان تشخیص گفتار از 100 زبان مختلف و همچنین ترجمه صوتی به زبان های دیگر
• استدلایل چند وجهی برای ترکیب انواع داده ها
• امکان درک و تولید کدهای مختلف از زبان های برنامه نویسی (پایتون، جاوا، سی پلاس پلاس و…)

بنابراین گوگل جمنای توانسته در بخش های مختلف زندگی کاربران مفید واقع شود و سرعت فعالیت های کاربران را بهبود ببخشد. (مطالعه بیشتر: 17 ابزار تشخیص محتوای هوش مصنوعی)

نسخه های مختلف گوگل جمنای کدام هستند؟

به صورت کلی 3 مدل از گوگل جمنای عرضه می شود که عبارتند از:

نسخه Gemini Ultra

مهم ترین نسخه آن جمنای اولترا است! به لطف چند وجهی بودن آن در بخش های مختلفی می تواند به درد کاربران بخورد؛ از حل تکالیف فیزیکی گرفته تا اشاره به اشتباهات احتمالی در پاسخ های از قبل داده شده. گوگل اعلام کرده است که جمنای اولترا برای کارهایی نظیر شناسایی مقالات علمی مرتبط با یک مشکل خاص مهارت بالایی دارد. همچنین می تواند اطلاعات لازم را از آن مقاله استخراج کند. ادعای دیگر گوگل در مورد جمنای اولترا این است که امکان تولید فرمول های لازم برای ایجاد نمودار با داده های جدیدتر را دارد که البته یک ادعای خیلی بزرگ است.

جمنای اولترا از نظر فنی از تولید تصویر هم پشتیبانی می کند! البته هنوز این قابلیت به این مدل از گوگل جمنای راه پیدا نکرده است! دلیل آن هم این است که نحوه عملکرد این هوش مصنوعی پیچیده تر از هوش مصنوعی ChatGPT است. عملکرد آن به این صورت است که به جای ارسال درخواست به یک تولیدکننده تصویر (مانند DALL-E 3 در ChatGPT) آن را به صورت مستقیم، بومی و بدون مرحله دیگری انجام می دهد.

چگونه به جمنای اولترا دسترسی داشته باشیم؟

حال اگر قصد استفاده از جمنای اولترا را دارید، از طریق یک API از طریق Vertex AI در دسترس خواهد بود! Vertex AI در واقع پلتفرم توسعه دهنده هوش مصنوعی مدیریت شده گوگل است. AI Studio ابزار مبتنی بر وب گوگل برای توسعه دهندگان اپلیکیشن و پلتفرم ها است که می توانید با کمک آن از جمنای اولترا بهره مند شوید.

البته استفاده از این مدل هوش مصنوعی رایگان نیست و باید از طریق Gemini Advanced حق اشتراک Google One AI Premium Plan با مبلغ 20 دلار در ماه تهیه کنید. با تهیه این اشتراک، گوگل جمنای به Google Workspace متصل می شود و می توانید از آن در بخش های مختلفی استفاده کنید.

نسخه Gemini Pro

یکی دیگر از نسخه های هوش مصنوعی گوگل جمنای، جمنای پرو است. گوگل ادعا کرده است که این مدل هوش مصنوعی نسبت به LaMDA توانایی بیشتری در برنامه ریزی و درک بالاتر دارد. البته بر اساس تحقیق مستقلی که توسط محققان Carnegie Mellon و BerriAI انجام شد، نشان داده که جمنای پرو در مدیریت زنجیره های استدلال که طولانی و پیچیده تر هستند، عملکرد بهتری نسبت به GPT-3.5 OpenAI داشته است.

البته این مسئله تنها نسبت به مدل های دیگر است! در این مطالعه آمده است که عملکرد جمنای پرو مانند تمام مدل های زبان بزرگ، هنگام حل مسائل ریاضی با رقم های بزرگ مشکلاتی دارد و کاربران اشتباهاتی زیادی در پاسخ آن پیدا کرده اند. بنابراین هنوز خیلی نمی توان روی استدلال های پیچیده و طولانی جمنای پرو حساب باز کرد! با این حال گوگل وعده داده که آن را در آینده نزدیک بهبود ببخشد و در نسخه های بعدی قدرت آن بیشتر شود.

گوگل جمنای 1.5 پرو نسبت به نسخه قبلی خود بهبود های زیادی پیدا کرده است! مهم ترین بخش آن را هم می توان میزان داده هایی دانست که جمنای پرو می تواند آن را پردازش کند.

در حال حاضر جمنای پرو 1.5 امکان دریافت 700,000 کلمه یا 30,000 خط را دارد! در واقع نسبت به نسخه قبلی یا همان جمنای 1.0 پرو تا 35 برابر بیشتر قدرت پاسخ گویی و پردازش دارد. مدل آن چند وجهی است و تنها به محتوای متنی محدود نمی شود. جالب است بدانید که جمنای پرو می تواند تا 11 ساعت صدا و 1 ساعت ویدئو به زبان های مختلف را تجزیه و تحلیل کند. البته هنوز سرعت آن پایین است؛ برای مثال، پردازش یک ویدئوی یک ساعته ممکن است بین 30 تا 60 ثانیه طول بکشد.

چگونه به جمنای پرو دسترسی داشته باشیم؟

گوگل جمنای پرو از طریق API از طریق Vertex AI در دسترس است. با کمک آن می توانید تصاویر و ویدئوهای خود را پردازش کنید! متن های موردنظر را هم می تواند مانند OpenAI GPT-4 با مدل Vision تولید کند. در Vertex AI توسعه دهندگان به راحتی می توانند جمنای پرو را سفارشی سازی کنند و از آن استفاده کنند.

جالب است بدانید که گوگل جمنای امکان اتصال به API خارجی و استفاده از اتصال شخص ثالث برای انجام کارهای خاص را هم دارد. در نهایت، توسعه دهندگان با استفاده از گوگل جمنای به راحتی می توانند دستورالعمل های مختلفی نظیر لحن و سبک خاص را تعیین کرده و حتی امنیت را تنظیم کنند.

نسخه Gemini Nano

یکی دیگر از نسخه های ارائه شده هوش مصنوعی گوگل جمنای، جمنای نانو است. در واقع یک نسخه کوچک تر از جمنای اولترا و جمنای پرو است. این نسخه به اندازه  کافی کارآمد است و می تواند به جای پردازش روی سرور، مستقیم روی تلفن های همراه اجرا شود. در حال حاضر این ویژگی روی موبایل Pixel 8 Pro وجود دارد که توانسته از ضبط و پاسخ هوشمند در Gboard به کاربران کمک کند.

یکی از قابلیت های جمنای نانو روی تلفن های همراه این است که می تواند صدای موردنظر نظیر مکالمه ها، مصاحبه ها و… را ضبط کند! با توجه به حریم خصوصی که گوگل برای کاربران قائل شده است، حتی اگر موبایل شما به وای فای متصل باشد، هیچ داده ای از موبایل شما خارج نخواهد شد.

جمنای نانو در Gboard قابلیت های مختلف دیگری هم در اختیار کاربران قرار می دهد. برای مثال شما می توانید صحبت های بعدی که قصد دارید در مکالمات خود استفاده کنید را از آن بخواهید و به شما پیشنهاد دهد. در سال 2024 این قابلیت تنها با اپلیکیشن واتس اپ سازگار است اما در آینده به اپلیکیشن های دیگر هم اضافه خواهد شد.

تفاوت بین برنامه گوگل جمنای و مدل های آن

شرکت قدرتمند گوگل در مورد گوگل جمنای کمی ضعف نشان داده و نتوانسته برندسازی را به خوبی نشان دهد! در واقع گوگل جمنای از همان ابتدا مشخص نکرد که جمنای از برنامه های وب و موبایل کاملاً متفاوت است. در واقع برنامه های جمنای صرفاً رابطی هستند که از طریق آن می توان به مدل های مختلف هوش مصنوعی گوگل جمنای اشاره کرد. بنابراین این سوال برای بسیاری از کاربران پیش آمد که آیا گوگل جمنای یکی از مدل های هوش مصنوعی است یا صرفاً ابزاری است که با استفاده از آن بتوان به مدل های قبلی دسترسی پیدا کرد.

گوگل جمنای کاملاً از Imagen2 مستقل است و هیچ ارتباطی با آن ندارد! بنابراین ابزارهای وب و موبایل گوگل که از گوگل جمنای پشتیبانی می کنند، صرفاً ابزاری برای دسترسی به مدل های آن هستند. بنابراین نباید گوگل جمنای را یک ابزار دانست، بلکه باید یک مدل هوش مصنوعی در نظر بگیرید.

هوش مصنوعی گوگل جمنای بهتر است یا GPT-4؟

گوگل بارها و بارها ادعا کرده که گوگل جمنای نسبت به دیگر مدل های هوش مصنوعی برتری دارد! حتی اعلام کرده جمنای اولترا توانسته 30 معیار از 32 معیار تحقیق و توسعه مدل های زبان را دریافت کند. این شرکت می گوید که جمنای پرو در کارهایی مثل خلاصه کردن محتوا، طوفان فکری و نوشتن از GPT-3.5 بهتر عمل می کند.

اگر ادعاهای گوگل را کنار بگذاریم و با واقعیت ها روبرو شویم، شاید ادعاهای گوگل آن قدر هم درست نباشد! امتیازاتی که گوگل اعلام می کند، تا حدودی از مدل های متناظر هوش مصنوعی بهتر هستند اما ادعای گوگل در بسیاری از موارد بیش از اندازه است.

کاربران و دانشگاهیان اعتقاد دارند که در نسخه اول گوگل جمنای عملکرد خوبی ندیده اند و در بسیاری از بخش ها ترجمه های درستی در اختیار آن ها قرار نداده است.

مقایسه عملکرد گوگل جمنای اولترا و GPT-4

در جدول زیر نتایج حاصل از مقایسه واقعی و تجربی عملکرد این دو آمده است:

در جدول بالا عملکرد هوش مصنوعی GPT-4 و Gemini به صورت کلی آمده است که نشان می دهد گوگل جمنای توانسته امتیاز خوبی دریافت کند.

هزینه هوش مصنوعی گوگل جمنای چقدر است؟

در حال حاضر استفاده از جمنای پرو در AI Studio و Vertex AI رایگان است. با این حال، اگر از حالت پیش نمایش خارج شود باید بابت هر کاراکتر مبلغ 0.00005 دلار پرداخت کنید! فرض کنید یک مقاله 500 کلمه ای دارید که شامل 2000 کاراکتر است. در این صورت خلاصه کردن آن 5 دلار هزینه دارد. همچنین تولید مقاله ای با همین تعداد کلمه و کاراکتر 0.1 دلار هزینه دارد. هزینه های مربوط به جمنای اولترا هنوز به صورت دقیق در دسترس نیست.

چطور به نسخه های مختلف گوگل جمنای دسترسی داشته باشیم؟

اگر تصمیم به استفاده از نسخه های مختلف گوگل جمنای گرفته اید، لازم است بدانید که در حال حاضر تنها می توانید از طریق برنامه های جمنای به آن دسترسی داشته باشید.

• در حال حاضر، نسخه های پرو و اولترا به صورت یک پیش نمایش در دسترس هستند که از طریق API در Vertex AI قابل دسترسی هستند. استفاده از آن ها در حال حاضر رایگان است و از ویژگی های عملکرد چت و فیلتر کردن هم پشتیبانی می کند.
• همچنین امکان دسترسی به جمنای پرو و جمنای اولترا در AI Studio هم وجود دارد. با استفاده از این سرویس توسعه دهندگان امکان درخواست از گوگل جمنای را دارند.
• اگر قصد استفاده از جمنای نانو را دارید، امکان استفاده از آن روی موبایل Pixel 8 Pro وجود دارد! در آینده نزدیک به گوشی های دیگر هم اضافه می شود.

توسعه دهندگان مختلف به راحتی می توانند این مدل را در برنامه های خود اضافه کنند و نحوه عملکرد آن را بررسی کنند.

از هوش مصنوعی گوگل جمنای در بخش های مختلف استفاده کنید!

هوش مصنوعی در سال های اخیر اهمیت زیادی پیدا کرده است و احتمالاً تا چند سال آینده، تمام ابعاد زندگی ما را تحت تاثیر قرار دهد. در این مقاله سعی کردیم به بررسی هوش مصنوعی گوگل جمنای بپردازیم و هر چیزی که لازم بود در مورد آن بدانید را بررسی کنیم. اگر نظر یا تجربه ای در زمینه هوش مصنوعی گوگل جمنای دارید، از طریق بخش نظرات مطرح کنید تا ما هم نظرات شما استفاده کنیم.