Birden çok veri türüne veya bilgi kaynağına aynı anda erişebilen ve bu farklı veri türleri arasında etkileşimde bulunabilen yapay zekâ sistemleri çok modlu üretken yapay zekâ olarak tanımlanıyor. Geleneksel yapay zekâ modelleri genellikle tek bir veri türüne odaklanırken çok modlu üretken yapay zekâ, metin, görüntü, ses ve diğer veri türlerini entegre edebiliyor. Çok modlu üretken yapay zekâ bu sayede gerçek dünya uygulamalarında daha zengin ve kapsamlı çözümler sunabiliyor.

Google’ın çatı şirketi Alphabet, 6 Aralık 2023’te dil, ses, kod ve video anlama yeteneklerine sahip çok modlu yapay zekâ tabanlı geniş dil modeli  (LLM) Gemini 1.0’ı duyurdu. Çoğu değerde GPT4’ü geride bırakan Gemini, günümüzün en gelişmiş geniş dil modeli konumunda yer alıyor.

Gemini 3 versiyondan oluşuyor

Ultra, Pro ve Nano olmak üzere üç versiyonla tanıtılan Gemini’ın her modeli farklı kullanım senaryoları için tasarlanıyor. En üst düzey model olan Ultra, son derece karmaşık görevler için geliştiriliyor. Gemini Ultra’nın 2024'ün başlarında piyasaya sunulmasını hedefleniyor. 

Gemini Pro versiyonu geniş ölçekte performans ve dağıtım için tasarlanıyor. Google, 13 Aralık 2023 itibarıyla Google Cloud Vertex AI ve Google AI Studio'da Gemini Pro'ya erişimi etkinleştirdi. Kodlama için ise Google AlphaCode 2 üretken yapay zekâ kodlama teknolojisine güç sağlamak amacıyla Gemini Pro’nun özel bir sürümü tercih ediliyor.

Gemini Nano versiyonu da cihaz içi kullanım durumlarını hedef alıyor. Gemini Nano; 1,8 milyar parametreli Nano-1 ve 3,25 milyar parametreli Nano-2 adlarıyla kendi içinde iki farklı versiyon daha barındırıyor. Nano'nun kullanıldığı cihazlar arasında Google Pixel 8 Pro akıllı telefon da yer alıyor.

Gemini hangi yeteneklere sahip?

Google’ın yeni yapay zekâ çözümü Gemini; metin, resim, ses ve video dahil olmak üzere birden çok yöntemde görevi yerine getirme kapasitesi sunuyor. Gemini'ın çok modlu doğası aynı zamanda bir çıktıyı anlamak ve üretmek için farklı yöntemlerin birleştirilmesini sağlıyor. Bu da onu GPT gibi platformlarla benzer yeteneklere sahip olsa da yeteneklerini çok daha kapsamlı kullanma imkânı sunuyor.

• Metin özetleme 

Gemini farklı veri türlerinden içerikleri bir araya getirerek özetleme imkânı sunuyor.

• Metin üretimi

Gemini, kullanıcı istemine dayalı olarak metin oluşturabiliyor. Metin üretimi süreci, soru-cevap tipi bir sohbet robotu arayüzü tarafından yönlendiriliyor.

• Metin çevirisi

Gemini, 100'den fazla dilin anlaşılmasını ve tercüme edilmesini sağlayan geniş çoklu dil yetenekleriyle geliyor.

• Kod analizi ve üretimi

Gemini, aralarında Python, Java, C++ ve Go'nun da bulunduğu popüler programlama dillerindeki kodları anlayabiliyor, açıklayabiliyor ve oluşturabiliyor.

• Görüntüyü anlama

Google Gemini görsel tabanlı içerikleri anlayabiliyor. Grafikler, şekiller ve diyagramlar gibi karmaşık görselleri ayrıştırabilen Gemini, görüntüye altyazı oluşturma gibi görevleri gerçekleştirebiliyor.

• Ses işleme

Gemini tıpkı metin içeriklerinde olduğu gibi konuşmada da 100'den fazla dilde tanıma ve sesli çeviri desteği sunuyor.

• Videoyu anlama

Gemini soruları yanıtlamak ve açıklamalar oluşturmak için video klip içeriklerini işleyebiliyor ve anlayabiliyor.

• Çok modlu akıl yürütme

Gemini, bir çıktı oluşturmak amacıyla farklı veri türlerinin karıştırarak çok modlu akıl yürütebiliyor. Bu özellik Gemini’ın en önemli yeteneği konumunda yer alıyor.

Gemini’ın bugünü ve yakın geleceği

Google tarafından bir temel model olarak geliştirilen ve çeşitli Google hizmetlerine geniş ölçüde entegre edilen Gemini, geliştiricilerin kendi uygulamalarına da destek veriyor. Şu an için Google Bard, Google AlphaCode2, Google Pixel, Android 14, Vertex AI ve Google AI Studio’da Gemini’ın yeteneklerinden faydalanılıyor. Google ayrıca gecikme sürelerini azaltmak ve kaliteyi artırmak için üretken yapay zekâ destekli aramada Gemini’ı test ediyor.

Şu an için Gemini’ın Pro ve Nano versiyonları kullanılabiliyor olsa da bu çok modlu yapay zekanın asıl büyük adımı Ultra modeliyle atılacak. Google bu modelin 2024'ün başlarında geliştiricilere ve işletmelere tam olarak sunulmadan önce erken denemeler ve geri bildirimler için seçkin müşterilere, geliştiricilere, iş ortaklarına ve uzmanlara sunulacağını belirtiyor. 

Gemini Ultra’nın aynı zamanda Google Bard sohbet robotunun güncellenmiş, daha güçlü ve yetenekli bir versiyonu olan Bard Advanced için bir temel oluşturacağı düşünülüyor. Gemini için süreç olumlu ilerlerse uzak olmayan bir gelecekte bu çok modlu üretken yapay zekanın Google Chrome tarayıcısına da entegre olması planlanıyor.