米グーグルは6日、生成AI（人工知能）の新たな基盤技術「Gemini」を発表した。テキストだけでなくコードや音声、静止画、動画なども同時に認識し、理解できるのが特徴だ。AIチャットボットの「Bard（バード）」などで導入する。「ChatGPT」を手がける米OpenAIや、テック大手各社とのAI開発の主導権争いが一段と激しくなりそうだ

Geminiはグーグルの「最大で最も有能なAIモデル」とうたわれている。最初のバージョンでは、非常に複雑なタスクをこなす「Gemini Ultra」、幅広いタスクに対応した「Gemini Pro」、モバイル機器向けに特定のタスクに絞った「Gemini Nano」の3サイズが用意される。

Gemini Proを搭載したBardは、170カ以上の国・地域でまず英語で利用できるようになる。近いうちにほかの言語や場所にも対応する予定だ。開発者や法人顧客は今月13日から、グーグルのAIツールプラットフォーム「AI Studio」か「Vertex AI」のAPI経由でGemini Proにアクセスできる。

グーグルによるとGemini Ultraは、数学、歴史、医学、倫理など57科目の知識や問題解決能力をテストするMMLU（大規模マルチタスク言語理解）で「人間の専門家を上回る成績」を収めた初のAIモデルだという。また、32のベンチマークのうち30で、ChatGPTの基盤技術の最新モデルである「GPT-4」を含め、ほかのすべてのAIモデルを上回った。

Geminiは「Python（パイソン）」「Java（ジャバ）」「C++」といったプログラミング言語を理解し、コードを生成することなどもできる。

https://forbesjapan.com/articles/detail/67822

※本記事は、スウィングクルーがピックアップしているマーケティング関連ニュースのクリップです。スウィングクルーが発表しているニュースではございません。