Google Gemini vs OpenAI’s ChatGPT : गुगल जेमिनी हे एक नवीन मल्टिमोडल जनरल AI मॉडेल आहे, ज्याचे वर्णन सर्वात शक्तिशाली टूल असे केले जाते. आता ते जगभरातील युजर्ससाठी उपलब्ध आहे, Bard, काही डेव्हलपर प्लॅटफॉर्म्स आणि बाजारपेठेत अगदी नवीन आलेल्या Google Pixel 8 Pro या उपकरणाद्वारेही त्याचा वापर करता येणार आहे. १.अल्ट्रा, २. प्रो आणि ३. नॅनो अशा तीन रूपांमध्ये उपलब्ध असलेलीही सोय म्हणजे गुगलने चॅट जीपीटीला दिलेले उत्तरच आहे, असे याकडे पाहिले जात आहे. सध्या जेमिनीसंदर्भात बरीच चर्चा सुरू असून गुगल जेमिनी एआय मॉडेल लॉन्च करण्याच्या तयारीत आहे. सोप्या शब्दात सांगायचे झाल्यास हे ChatGPT सारखंच एक महत्त्वाचं साधन ठरणार आहे.
हजारपेक्षा जास्त प्रीमियम लेखांचा आस्वाद घ्या ई-पेपर अर्काइव्हचा पूर्ण अॅक्सेस कार्यक्रमांमध्ये निवडक सदस्यांना सहभागी होण्याची संधी ई-पेपर डाउनलोड करण्याची सुविधा
Google जेमिनी म्हणजे काय?
Google Deep Mind चे CEO आणि सह संस्थापक डेमिस हसाबिस सांगतात, जेमिनी एआय हे आमच्यासाठी स्मार्ट सॉफ्टवेअरसारखे आहे, ते मदतनीस किंवा सहाय्यकाच्या दृष्टिकोनातून महत्त्वाचे ठरणार आहे. जेमिनी हे Google वर काम करताना मदतनीस म्हणूनच उपयोगी पडावे, या उद्देशाने तयार करण्यात आले. विशेष म्हणजे हे मल्टिमोडल देखील आहे, याचा अर्थ ज्या माहितीवर प्रक्रिया करणे शक्य आहे, अशा प्रकारांपुरतेच ते मर्यादित नाही, तर मजकूर, कोड, ऑडिओ, प्रतिमा आणि व्हिडीओ या सर्वच प्रकारांमध्ये ते काम करण्याची क्षमता राखते. याउलट ChatGPT सध्या व्हिडीओसाठी वापरता येत नाही.
हेही वाचाः विश्लेषण: ‘जनरेशन झी’चा लाडका ‘रिझ’ कसा ठरला ऑक्सफर्डचा ‘वर्ड ऑफ द इयर’?
जेमिनी हे सध्याचे सर्वात प्रगत एआय साधन आहे. उत्तम प्रकारच्या सर्चसाठी विविध प्रकारचे निकष शैक्षणिक पातळीवर वापरले जातात. त्यातील ३२ पैकी ३० निकषांवर जेमिनी अल्ट्रा सरस ठरते, असे दावा गुगलने केला आहे. त्याचा वापर लार्ज लँग्वेज मॉडेलच्या (एलएलएम) संशोधन आणि विकासादरम्यान त्याचा वापर करण्यात आला. तर मॅसिव्ह मल्टिटास्क लँग्वेज अंडरस्टँडिंगच्या माध्यमातून जागतिक समस्या आणि सोडवणुकीसाठी ५७ हून अधिक विषयांचा धांडोळा घेण्यात येतो, त्या प्रक्रियेतही उत्तराच्या शोधामध्ये जेमिनी अल्ट्रा अधिक सरस असल्याचे लक्षात आले आहे. या ५७ विषयांच्या धांडोळ्यामध्ये भौतिकशास्त्र, गणित, इतिहास, कायदा, वैद्यक, नीतिशास्त्र आदी विषयांचा समावेश आहे.
हेही वाचाः विश्लेषण : “देव पुजाऱ्यांचा की भक्तांचा?”; डॉ. बाबासाहेब आंबेडकरांनी हा प्रश्न का विचारला?
तसेच जेमिनी “जगातील सर्वात लोकप्रिय प्रोग्रामिंग भाषांमध्ये Python, Java, C++ आणि Go यांसारखे उच्च गुणवत्तेचे कोड समजू शकते अन् समजून घेत उत्तरापर्यंत कमीत कमी वेळेत पोहोचू शकते.”, असाही कंपनीचा दावा आहे.
जेमिनी तीन प्रकारात का उपलब्ध?
जेमिनी गरजेनुसार वापरासाठी तीन वेगवेगळ्या प्रकारांत उपलब्ध असेल. जटील समस्या आदींसाठी जेमिनी अल्ट्रा हे सर्वाधिक वेगवान एआय मॉडेल वापरता येईल. सुरक्षितता आणि विश्वासार्हता या संदर्भातील याच्या चाचण्या सुरू असून ते फक्त निवडक ग्राहक, डेव्हलपर, भागीदार आणि तज्ज्ञांना लवकर प्रयोग अन् अभिप्रायासाठी उपलब्ध करून देण्यात येईल. पुढील वर्षाच्या सुरुवातीला ते विकासक आणि एंटरप्राइझ ग्राहकांसाठी बाजारपेठेत आणले जाणे अपेक्षित आहे.
जेमिनी प्रो सध्या जगभरातील नियमित वापरकर्त्यांसाठी Bard मध्ये उपलब्ध आहे. बार्डवर “तर्कशास्त्र आणि कारणमीमांसेच्या तत्त्वावर सर्वोत्तम ठरणारी इंग्रजी जेमिनी प्रोची वैशिष्ट्यपूर्ण आवृत्ती डेव्हलपर आणि एंटरप्राइझ ग्राहकांसाठी Google AI स्टुडिओ किंवा Google Cloud Vertex AI मधील Gemini API द्वारे उपलब्ध करून देण्यात आली आहे.
जेमिनी नॅनो विविध उपकरणांसाठी विकसित करण्यात आली असून ती पिक्सेल ८ प्रोवर ते आधीपासूनच उपलब्ध आहे. नवीन वैशिष्ट्यामध्ये रेकॉर्डर अॅपमध्ये सारांशित करणे आणि Gboard द्वारे स्मार्ट रिप्लाय, व्हॉट्सएपपासून सुरू होणारी कार्ये करण्यास फायदेशीर ठरणार आहे. १३ डिसेंबरपासून Android डेव्हलपरदेखील AICore द्वारे Gemini Nano उपलब्ध करून देणार आहेत, ही नवीन प्रणाली क्षमता Android 14 मध्ये उपलब्ध आहे, Pixel 8 Pro उपकरणांवर सुरू होणार आहे.
जेमिनीचा गुगल सर्चवरही परिणाम होईल का?
Google ने दावा केला आहे की, सर्च, जाहिराती, क्रोम आणि ड्युएट एआय यांसारख्या अधिक उत्पादने आणि सेवांसाठी जेमिनीचा वापर करण्यात येईल. गुगल सर्चमध्ये यापूर्वीपासूनच वापर करण्यास सुरुवात झाली आहे, “तिथे सर्चचा वेग वाढल्याचा वापरकर्त्यांचा अनुभव आहे. अमेरिकेमध्ये इंग्रजीतील संगणकीय व्यवहारांमध्ये होणारा विलंब ४० टक्क्यांनी कमी करण्यात यश आले असून त्यामुळे गुणवत्तेत परिणामकारक वाढ झाली आहे.”
जेमिनी भ्रम आणि सुरक्षिततेच्या समस्यांचे निराकरण कसे करते?
Google Deep Mind चे प्रॉडक्ट व्हीपी एली कॉलिन्स यांनी indianexpress.com ला सांगितले की, LLM मध्ये चुकीची माहिती समोर येण्याचे प्रमाण कमी झालेले असले तर अद्यार त्यात पूर्णता आलेली नाही. “जेव्हा आम्ही ही मॉडेल्स Bard सारख्या उत्पादनांसह बाजारात आणतो, तेव्हा आमच्याकडे प्रतिसादांची अचूकता सुधारण्यासाठी अतिरिक्त तंत्रे असतात.” सुरक्षिततेबद्दल Google ने सांगितले की, ते “जेमिनीच्या मल्टिमोडल क्षमतांमध्ये विविध सुरक्षित साधनांचा पुरेसा वापर करण्यात आला आहे. संभाव्य जोखमींचा विचारही करण्यात आला आहे. कंपनीचा दावा आहे की, जेमिनीकडे “आजपर्यंतच्या कोणत्याही Google AI मॉडेलचे सर्वात व्यापक सुरक्षा मूल्यमापन आहे. आणि सायबर-गुन्हा, आणि स्वायत्तता यासारख्या संभाव्य जोखीम क्षेत्रांमध्ये संशोधन सुरू आहे. याशिवाय तज्ज्ञांमार्फत तपासणी सुरू असून गुगलच्या तपासणीत राहून गेलेल्या त्रुटींवर मात करण्यासाठीही प्रयत्न केले जातील.
जेमिनी ChatGPT 4 पेक्षा चांगले आहे का?
याक्षणी हे सांगणे कठीण आहे, परंतु जेमिनी सध्या GPT4 पेक्षा अधिक चांगले असल्याचे दिसते. तसेच व्हिडीओसह आणि इंटरनेटशिवाय उपकरणांवर काम करण्याची क्षमता त्याला एक वेगळेच परिमाण देते. आणखी एक घटक असा आहे की, जेमिनी वापरण्यासाठी विनामूल्य आहे तर ChatGPT4 केवळ सशुल्क वापरकर्त्यांसाठी उपलब्ध आहे.
Google जेमिनी म्हणजे काय?
Google Deep Mind चे CEO आणि सह संस्थापक डेमिस हसाबिस सांगतात, जेमिनी एआय हे आमच्यासाठी स्मार्ट सॉफ्टवेअरसारखे आहे, ते मदतनीस किंवा सहाय्यकाच्या दृष्टिकोनातून महत्त्वाचे ठरणार आहे. जेमिनी हे Google वर काम करताना मदतनीस म्हणूनच उपयोगी पडावे, या उद्देशाने तयार करण्यात आले. विशेष म्हणजे हे मल्टिमोडल देखील आहे, याचा अर्थ ज्या माहितीवर प्रक्रिया करणे शक्य आहे, अशा प्रकारांपुरतेच ते मर्यादित नाही, तर मजकूर, कोड, ऑडिओ, प्रतिमा आणि व्हिडीओ या सर्वच प्रकारांमध्ये ते काम करण्याची क्षमता राखते. याउलट ChatGPT सध्या व्हिडीओसाठी वापरता येत नाही.
हेही वाचाः विश्लेषण: ‘जनरेशन झी’चा लाडका ‘रिझ’ कसा ठरला ऑक्सफर्डचा ‘वर्ड ऑफ द इयर’?
जेमिनी हे सध्याचे सर्वात प्रगत एआय साधन आहे. उत्तम प्रकारच्या सर्चसाठी विविध प्रकारचे निकष शैक्षणिक पातळीवर वापरले जातात. त्यातील ३२ पैकी ३० निकषांवर जेमिनी अल्ट्रा सरस ठरते, असे दावा गुगलने केला आहे. त्याचा वापर लार्ज लँग्वेज मॉडेलच्या (एलएलएम) संशोधन आणि विकासादरम्यान त्याचा वापर करण्यात आला. तर मॅसिव्ह मल्टिटास्क लँग्वेज अंडरस्टँडिंगच्या माध्यमातून जागतिक समस्या आणि सोडवणुकीसाठी ५७ हून अधिक विषयांचा धांडोळा घेण्यात येतो, त्या प्रक्रियेतही उत्तराच्या शोधामध्ये जेमिनी अल्ट्रा अधिक सरस असल्याचे लक्षात आले आहे. या ५७ विषयांच्या धांडोळ्यामध्ये भौतिकशास्त्र, गणित, इतिहास, कायदा, वैद्यक, नीतिशास्त्र आदी विषयांचा समावेश आहे.
हेही वाचाः विश्लेषण : “देव पुजाऱ्यांचा की भक्तांचा?”; डॉ. बाबासाहेब आंबेडकरांनी हा प्रश्न का विचारला?
तसेच जेमिनी “जगातील सर्वात लोकप्रिय प्रोग्रामिंग भाषांमध्ये Python, Java, C++ आणि Go यांसारखे उच्च गुणवत्तेचे कोड समजू शकते अन् समजून घेत उत्तरापर्यंत कमीत कमी वेळेत पोहोचू शकते.”, असाही कंपनीचा दावा आहे.
जेमिनी तीन प्रकारात का उपलब्ध?
जेमिनी गरजेनुसार वापरासाठी तीन वेगवेगळ्या प्रकारांत उपलब्ध असेल. जटील समस्या आदींसाठी जेमिनी अल्ट्रा हे सर्वाधिक वेगवान एआय मॉडेल वापरता येईल. सुरक्षितता आणि विश्वासार्हता या संदर्भातील याच्या चाचण्या सुरू असून ते फक्त निवडक ग्राहक, डेव्हलपर, भागीदार आणि तज्ज्ञांना लवकर प्रयोग अन् अभिप्रायासाठी उपलब्ध करून देण्यात येईल. पुढील वर्षाच्या सुरुवातीला ते विकासक आणि एंटरप्राइझ ग्राहकांसाठी बाजारपेठेत आणले जाणे अपेक्षित आहे.
जेमिनी प्रो सध्या जगभरातील नियमित वापरकर्त्यांसाठी Bard मध्ये उपलब्ध आहे. बार्डवर “तर्कशास्त्र आणि कारणमीमांसेच्या तत्त्वावर सर्वोत्तम ठरणारी इंग्रजी जेमिनी प्रोची वैशिष्ट्यपूर्ण आवृत्ती डेव्हलपर आणि एंटरप्राइझ ग्राहकांसाठी Google AI स्टुडिओ किंवा Google Cloud Vertex AI मधील Gemini API द्वारे उपलब्ध करून देण्यात आली आहे.
जेमिनी नॅनो विविध उपकरणांसाठी विकसित करण्यात आली असून ती पिक्सेल ८ प्रोवर ते आधीपासूनच उपलब्ध आहे. नवीन वैशिष्ट्यामध्ये रेकॉर्डर अॅपमध्ये सारांशित करणे आणि Gboard द्वारे स्मार्ट रिप्लाय, व्हॉट्सएपपासून सुरू होणारी कार्ये करण्यास फायदेशीर ठरणार आहे. १३ डिसेंबरपासून Android डेव्हलपरदेखील AICore द्वारे Gemini Nano उपलब्ध करून देणार आहेत, ही नवीन प्रणाली क्षमता Android 14 मध्ये उपलब्ध आहे, Pixel 8 Pro उपकरणांवर सुरू होणार आहे.
जेमिनीचा गुगल सर्चवरही परिणाम होईल का?
Google ने दावा केला आहे की, सर्च, जाहिराती, क्रोम आणि ड्युएट एआय यांसारख्या अधिक उत्पादने आणि सेवांसाठी जेमिनीचा वापर करण्यात येईल. गुगल सर्चमध्ये यापूर्वीपासूनच वापर करण्यास सुरुवात झाली आहे, “तिथे सर्चचा वेग वाढल्याचा वापरकर्त्यांचा अनुभव आहे. अमेरिकेमध्ये इंग्रजीतील संगणकीय व्यवहारांमध्ये होणारा विलंब ४० टक्क्यांनी कमी करण्यात यश आले असून त्यामुळे गुणवत्तेत परिणामकारक वाढ झाली आहे.”
जेमिनी भ्रम आणि सुरक्षिततेच्या समस्यांचे निराकरण कसे करते?
Google Deep Mind चे प्रॉडक्ट व्हीपी एली कॉलिन्स यांनी indianexpress.com ला सांगितले की, LLM मध्ये चुकीची माहिती समोर येण्याचे प्रमाण कमी झालेले असले तर अद्यार त्यात पूर्णता आलेली नाही. “जेव्हा आम्ही ही मॉडेल्स Bard सारख्या उत्पादनांसह बाजारात आणतो, तेव्हा आमच्याकडे प्रतिसादांची अचूकता सुधारण्यासाठी अतिरिक्त तंत्रे असतात.” सुरक्षिततेबद्दल Google ने सांगितले की, ते “जेमिनीच्या मल्टिमोडल क्षमतांमध्ये विविध सुरक्षित साधनांचा पुरेसा वापर करण्यात आला आहे. संभाव्य जोखमींचा विचारही करण्यात आला आहे. कंपनीचा दावा आहे की, जेमिनीकडे “आजपर्यंतच्या कोणत्याही Google AI मॉडेलचे सर्वात व्यापक सुरक्षा मूल्यमापन आहे. आणि सायबर-गुन्हा, आणि स्वायत्तता यासारख्या संभाव्य जोखीम क्षेत्रांमध्ये संशोधन सुरू आहे. याशिवाय तज्ज्ञांमार्फत तपासणी सुरू असून गुगलच्या तपासणीत राहून गेलेल्या त्रुटींवर मात करण्यासाठीही प्रयत्न केले जातील.
जेमिनी ChatGPT 4 पेक्षा चांगले आहे का?
याक्षणी हे सांगणे कठीण आहे, परंतु जेमिनी सध्या GPT4 पेक्षा अधिक चांगले असल्याचे दिसते. तसेच व्हिडीओसह आणि इंटरनेटशिवाय उपकरणांवर काम करण्याची क्षमता त्याला एक वेगळेच परिमाण देते. आणखी एक घटक असा आहे की, जेमिनी वापरण्यासाठी विनामूल्य आहे तर ChatGPT4 केवळ सशुल्क वापरकर्त्यांसाठी उपलब्ध आहे.