Google、マルチモーダル生成AIモデル「Gemini」をリリース

2023.12.07

Googleは2023年12月6日、マルチモーダル生成AIモデル「Gemini」をリリースしました。Geminiは、テキスト、画像、音声など、複数の情報を組み合わせて生成するAIモデルです。

従来のAIモデルは、テキスト、画像、音声などをバラバラに学習し、組み合わせて生成していました。しかし、Geminiは、学習の段階からマルチモーダル性を前提に、まったくのゼロから学習し直して開発されています。

そのため、Geminiは、テキストや画像、音声など複数の情報を学習し、横断的に判断するように作られています。これにより、従来のAIモデルでは困難だった、テキストと画像を組み合わせた画像生成や、音声とテキストを組み合わせた翻訳などのタスクを、より自然に実現できると期待されています。

Geminiは、現在のところ英語でのみ利用可能ですが、今後、日本語を含む他の言語にも対応していく予定です。Geminiの登場により、マルチモーダルAIの新たな可能性が広がると期待されます。

Geminiは、マルチモーダルAIの可能性を大きく広げるモデルと言えるでしょう。従来のAIモデルでは困難だったタスクを、より自然に実現できることで、さまざまな分野での活用が期待されます。

例えば、Geminiは、教育分野では、教材の作成や学習のサポートに活用できるでしょう。また、エンターテインメント分野では、映画やアニメなどの制作に活用できるでしょう。さらに、ビジネス分野では、マーケティングやカスタマーサービスに活用できるでしょう。

Geminiは、まだ開発途上ですが、今後のさらなる発展が期待されます。

Gemini は「Ultra」「Pro」「Nano」の3つのサイズで提供

Gemini「Pro」は既にBardに搭載されています。
Bardは、テキスト、画像、音声など、複数の情報を組み合わせて生成する機能を備えています。
また、Pixel 8 Proでは、Geminiの「Nano」が利用可能となっています。「Nano」は、Proモデルよりもサイズが小さく、軽量なモデルで、スマートフォンなどのデバイスに搭載しやすいのが特徴です。
Geminiは、BardやPixel 8 Proのほか、今後、さまざまな製品やサービスに搭載されていく予定です。
最大サイズで高度なAIである「Ultra」はさらなる改良を行っており、2024年に開発者や企業向けに公開する計画としています。
また、2024年にはGemini Ultraで稼働する「Bard Advanced」もリリースする予定です。