Gemini
ナビゲーションに移動
検索に移動
Gemini'（ジェミニ）は、Googleが開発した、マルチモーダルな生成AI（大規模言語モデル、LLM）の総称、およびそれを用いたチャットサービスの名称である。
従来のテキスト特化型モデルとは異なり、テキスト、画像、音声、動画、プログラミングコードなど、異なる種類の情報を同時に処理・理解できることが最大の特徴とされる。
概要[編集]
2023年12月に、Googleの当時の最新モデルであった「PaLM 2」の後継として発表された。名称の「Gemini」は、Google内の2つのAI研究部門（Google BrainとDeepMind）が統合されて誕生したことに由来し、ふたご座を意味している。
それまでGoogleが提供していたチャットAI「Bard」も、2024年2月をもって「Gemini」へと名称が統合され、現在はGoogleのAIブランドの主軸となっている。
特徴[編集]
- マルチモーダル性：設計段階からテキスト以外のデータ（画像・音声等）を学習に組み込んでおり、ネイティブなマルチモーダル処理が可能となっている。
- 広大なコンテキストウィンドウ：特に「Gemini 1.5 Pro」などのモデルでは、100万トークンを超える膨大な情報を一度に読み取ることが可能であり、長編小説や数時間の動画内容を一度に解析できる。
- Googleエコシステムとの連携：Google 検索、Google ドキュメント、Gmailなどの各種サービスと連携し、情報を抽出・整理する機能を有する。
モデルのバリエーション[編集]
利用シーンや計算リソースに応じて、複数のサイズが展開されている。
- Ultra：非常に複雑なタスク向けの高機能モデル。
- Pro：幅広いタスクに対応する汎用性の高いモデル。
- Flash：レスポンス速度とコスト効率を重視した軽量・高速モデル。
- Nano：デバイス上（スマートフォン等）での実行に最適化されたモデル。
歴史[編集]
- 2023年12月6日：Gemini 1.0を発表。
- 2024年2月8日：対話型AI「Bard」を「Gemini」に改称。有料版「Gemini Advanced」の提供を開始。
- 2024年5月：Google I/Oにて、1.5 Proおよび1.5 Flashを発表。コンテキストウィンドウの劇的な拡大が話題となる。
評価[編集]
検索エンジン最大手のGoogleが提供するAIとして、情報の新鮮さやGoogleマップ等との連携機能が高い評価を受けている。一方で、AI全般に共通する課題であるハルシネーション（事実誤認）のリスクについても、継続的な改善が行われている。