Pregled aplikacije Gemini
Već dugo znamo da informacije i obrada podataka mogu biti mnogo pristupačniji i korisniji za korisnike zahvaljujući AI-ju. Predvodnici smo u razvoju velikih jezičnih modela (LLM-ova) te smo ostvarili velik napredak na svim Googleovim uslugama i općenito u tom području. LLM-ove smo više godina primjenjivali u pozadini da bismo poboljšali mnoge svoje proizvode, primjerice samodovršavanje rečenica na Gmailu, proširivanje mogućnosti Google prevoditelja, kao i bolje razumijevanje upita na Google pretraživanju. LLM-ove nastavljamo upotrebljavati za brojne Googleove usluge, a oni ujedno pokreću aplikaciju Gemini koja korisnicima omogućuje izravnu suradnju pomoću generativnog AI-ja. Cilj nam je da aplikacija Gemini bude najkorisniji i najosobniji AI asistent koji korisnicima pruža izravan pristup najnovijim Googleovim AI modelima.
Iako se nalazimo na važnoj prekretnici i raduje nas uzbuđenje javnosti u pogledu generativnog AI-ja, ova je tehnologija još u fazi ranog razvoja. Ovdje objašnjavamo kako pristupamo usavršavanju aplikacije Gemini (odnosno Geminija), uključujući doživljaj u mobilnoj i web-aplikaciji – što je Gemini, kako funkcionira i koje su njegove trenutačne mogućnosti i ograničenja. Naš pristup izgradnji Geminija razvijat će se u skladu s razvojem te osnovne tehnologije i saznanjima na temelju kontinuiranog istraživanja, doživljaja i povratnih informacija korisnika.
Što je Gemini
Gemini je sučelje multimodalnog LLM-a (koji obrađuje tekst, audiozapise, slike i drugo). Gemini se temelji na Googleovom naprednom istraživanju u području LLM-ova koje je započelo radom Word2Vec iz 2013., a u kojem su predložene nove arhitekture modela koje mapiraju riječi kao matematičke koncepte, nakon čega je 2015. uslijedilo uvođenje neuronskog konverzacijskog modela. Taj je okvir pokazao kako modeli u razgovoru mogu predvidjeti sljedeću rečenicu na temelju prethodne rečenice odnosno rečenica, što dovodi do prirodnijih konverzacijskih doživljaja. Zatim je uslijedio naš revolucionarni rad o Transformeru iz 2017. te o mogućnostima fluidnog razgovora iz 2020., što je pokazalo još veći napredak u pogledu generativnog jezika.
Gemini (koji se tada zvao Bard) inicijalno smo pokrenuli kao eksperiment u ožujku 2023. u skladu sa svojim načelima za AI. Korisnici se otada oslanjaju na Geminijevu pomoć pri pisanju zanimljivih e-poruka, otklanjanju složenih pogrešaka u vezi s pisanjem koda, razmatranju ideja za predstojeće događaje, učenju zahtjevnih koncepata i drugom. Gemini je danas svestran AI alat koji vam može pomoći na brojne načine. Gemini već pomaže korisnicima da budu produktivniji, kreativniji i znatiželjniji, a redovito mu dodajemo nove funkcije i inovacije.
Produktivnost
Za početak, Gemini vam može uštedjeti vrijeme. Na primjer, pretpostavimo da želite sažeti dugi istraživački dokument. Gemini vam omogućuje da ga prenesete i pruža vam korisnu sintezu. Gemini vam može pomoći i sa zadacima pisanja koda, što je od samih početaka jedna od njegovih najpopularnijih primjena.
Kreativnost
Gemini vam može pomoći i da svoje ideje pretočite u stvarnost te potaknuti vašu kreativnost. Na primjer, ako sastavljate post na blogu, Gemini može izraditi skicu i generirati slike za ilustriranje posta. Osim toga, uz Gemove ćete uskoro moći prilagoditi Gemini pomoću posebnih uputa te se osloniti na njegovu stručnu pomoć za određene teme kako biste ostvarili svoje osobne ciljeve.
Znatiželja
Gemini vam može poslužiti kao polazište za istraživanje ideja i stvari o kojima želite saznati više. Na primjer, može jednostavno objasniti složeni koncept ili prikazati relevantne uvide u vezi s nekom temom ili slikom. Osim toga, te će uvide uskoro uparivati s preporučenim sadržajem s weba kako biste saznali više o određenim temama.
Geminijeve sposobnosti brzo se razvijaju – uskoro ćete moći usmjeriti kameru telefona prema nekom objektu, primjerice mostu Golden Gate, i Geminiju postaviti pitanje o njegovoj boji (ako se pitate, riječ je o "međunarodno narančastoj"). Od Geminija ćete moći zatražiti i da vam pomogne pročitati jelovnik u restoranu na drugom jeziku te vam preporuči jelo po vašem ukusu. To su samo dva primjera novih sposobnosti koje uskoro dolaze na Gemini.
Naravno, rigorozno obučavamo i nadziremo Gemini kako bi njegovi odgovori bili pouzdani i usklađeni s vašim očekivanjima. Surađujemo i sa stručnjacima iz branše, edukatorima, donositeljima politika, poslovnim liderima, zagovarateljima građanskih i ljudskih prava te autorima sadržaja kako bismo istražili nove primjene, rizike i ograničenja ove nove tehnologije.
Kako funkcionira Gemini
Predobuka
Naknadna obuka
Odgovori na upite korisnika
Povratne informacije i ljudska procjena
Poznata ograničenja sučelja koja se temelje na LLM-ovima poput Geminija
Gemini je samo dio naših kontinuiranih nastojanja u odgovornom razvoju LLM-ova. U okviru tog razvoja otkrili smo i predstavili nekoliko ograničenja povezanih s LLM-ovima. Ovdje se usredotočujemo na šest područja koja nastavljamo istraživati:
Točnost: Geminijevi odgovori mogu biti netočni, posebice ako mu se postavi pitanje o složenim ili činjeničnim temama.
Pristranost: Geminijevi odgovori mogu odražavati pristranost sadržanu u podacima za obuku.
Više gledišta: Geminijevi odgovori možda neće održavati čitav raspon različitih gledišta.
Persona: Geminijevi odgovori mogu netočno upućivati na to da on ima vlastita mišljenja ili osjećaje.
Lažno pozitivni i negativni odgovori: Gemini možda neće odgovoriti na neke primjerene upite, dok u drugim slučajevima može pružiti neprimjerene odgovore.
Ranjivost na zlonamjerne upite: korisnici mogu pronaći načine da Geminijevu izvedbu testiraju upućivanjem besmislenih upita ili pitanja koja se rijetko postavljaju u stvarnom svijetu.
Nastavljamo istraživati nove pristupe i područja za poboljšanje izvedbe u svakom od tih aspekata.
Točnost
Gemini se temelji na Googleovom razumijevanju vjerodostojnih informacija i obučen je za generiranje odgovora koji su relevantni za kontekst vašeg upita te su u skladu s onim što želite saznati. No poput svih LLM-ova, Gemini ponekad može generirati uvjerljive odgovore koji se čine pouzdanima, ali sadrže netočne ili zavaravajuće informacije.
Budući da LLM-ovi funkcioniraju na temelju predviđanja sljedeće riječi ili nizova riječi, oni još ne mogu sami u potpunosti razlikovati točne i netočne informacije. Zabilježeni su slučajevi u kojima je Gemini pružao odgovore s netočnim, pa čak i izmišljenim informacijama (primjerice, kada je pogrešno predstavljao način na koji je obučen ili navodio naziv knjige koja ne postoji). Stoga smo osmislili značajke poput dodatne provjere, koja upotrebljava Google pretraživanje za pronalaženje sadržaja koji vam pomaže u procjeni Geminijevih odgovora te pruža veze na izvore za potvrdu informacija koje dobijete od Geminija.
Pristranost
Podaci za obuku, uključujući one iz javno dostupnih izvora, odražavaju raznolika gledišta i mišljenja. Nastavljamo istraživati kako te podatke upotrebljavati na način kojim se osigurava da LLM-ov odgovor uključuje širok raspon stajališta, a da se istodobno smanje pretjerane generalizacije i pristranosti.
Praznine, pristranosti i pretjerane generalizacije u podacima za obuku mogu se odraziti u rezultatima obrade modela dok pokušava predvidjeti vjerojatne odgovore na upit. Primjećujemo da se ti problemi očituju na brojne načine (npr. odgovori koji odražavaju samo jednu kulturu ili demografsku skupinu, koji se pozivaju na problematične generalizacije, koji su pristrani u pogledu spola, vjere ili etničke pripadnosti ili koji promiču samo jedno stajalište). Za neke teme postoje praznine u podacima, odnosno nema dovoljno pouzdanih informacija o određenoj temi da bi LLM naučio više o njoj i zatim pružio točna predviđanja, što može dovesti do nekvalitetnih ili netočnih odgovora. Nastavljamo surađivati sa stručnjacima iz pojedinih područja i raznolikim zajednicama kako bismo iskoristili stručna znanja kojima Google ne raspolaže.
Više gledišta
Kad je riječ o subjektivnim temama, Gemini je osmišljen da korisnicima pruži više gledišta ako korisnik ne zatraži određeno stajalište. Na primjer, ako postavite upit o nečemu što se ne može potvrditi na temelju činjenica iz primarnih ili vjerodostojnih izvora, recimo ako zatražite subjektivno mišljenje o tome što je "najbolje" ili "najgore", Gemini bi trebao odgovoriti na način koji odražava širok raspon gledišta. No budući da se LLM-ovi poput Geminija obučavaju na sadržaju koji je javno dostupan na internetu, oni mogu odražavati pozitivne ili negativne stavove o određenim političarima, slavnim osobama ili drugim javnim ličnostima ili čak uključivati jednostrana stajališta o kontroverznim društvenim ili političkim pitanjima. Gemini ne bi smio odgovarati tako da promiče određeno stajalište o tim temama, a povratne informacije o takvim odgovorima upotrebljavat ćemo za njegovu daljnju obuku.
Persona
Budući da je obučen na temelju jezika koji odražava ljudsko iskustvo, Gemini ponekad može generirati odgovore u kojima se čini da izražava mišljenja ili osjećaje, poput ljubavi ili tuge. Razvili smo skup smjernica o načinu na koji se Gemini može predstavljati (odnosno o njegovoj personi) i nastavljamo prilagođavati model radi pružanja objektivnih odgovora.
Lažno pozitivni i negativni odgovori
Implementirali smo skup smjernica za pravila kako bismo obučili Gemini i izbjegli generiranje problematičnih odgovora. Gemini ponekad može pogrešno protumačiti navedene smjernice te generirati lažno pozitivne i negativne odgovore. U lažno pozitivnom odgovoru Gemini može odbiti odgovoriti na razuman upit jer ga pogrešno tumači kao neprimjeren, a u lažno negativnom odgovoru Gemini može generirati neprimjeren sadržaj unatoč postojećim smjernicama. Ponekad se zbog pojavljivanja lažno pozitivnih ili negativnih odgovora može steći dojam da je Gemini pristran. Na primjer, lažno pozitivan odgovor može dovesti do toga da Gemini ne odgovori na pitanje o jednom aspektu problema, ali da odgovori na isto pitanje o drugom aspektu. Te modele nastavljamo prilagođavati da bi bolje razumjeli i kategorizirali unose i rezultate obrade u skladu s brzim razvojem jezika, događaja i društva.
Ranjivost na zlonamjerne upite
Očekujemo da će korisnici testirati granice Geminijevih mogućnosti i pokušati zaobići njegove zaštite, primjerice navesti ga da razotkrije svoje protokole obuke ili druge podatke, ili pokušati zaobići njegove sigurnosne mehanizme. Testirali smo i nastavljamo rigorozno testirati Gemini, no znamo da korisnici pronalaze jedinstvene, složene načine da ispitaju granice njegovih mogućnosti. To je važan dio usavršavanja Geminija i radujemo se novim upitima koje će korisnici osmisliti. Naime, od pokretanja Geminija 2023. korisnici ga testiraju postavljajući mu upite, od filozofskih do besmislenih, a Gemini im ponekad pruža odgovore koji su podjednako besmisleni ili neusklađeni s našim objavljenim pristupom. Neprestano tražimo načine kako Geminiju pomoći da odgovori na takve upite te i dalje proširujemo interne procjene i simulirana testiranja kako bismo poboljšali točnost, objektivnost i sposobnost razlikovanja nijansi.
Kako nastavljamo razvijati Gemini
Primjena načina na koji pristupamo razvoju Geminija
Osim naših načela za AI, nedavno smo objasnili kako pristupamo razvoju Geminija: Gemini treba slijediti vaše upute, prilagoditi se vašim potrebama i pružiti vam siguran doživljaj. Naš se pristup temelji na odgovornosti i sigurnosti. Geminijevim smjernicama za pravila nastoje se izbjeći određene vrste problematičnih rezultata. Neprestano testiramo moguće prijetnje s članovima internog crvenog tima – stručnjacima za proizvode i stručnjacima iz područja društvenih znanosti koji namjerno ispituju granice modela kako bi otkrili neusklađenosti s tim smjernicama za pravila i našim strateškim pristupom za Gemini – kako bismo mogli primijeniti njihova saznanja i kontinuirano poboljšavati Gemini.
Osim toga, privatnost je ključan čimbenik koji uzimamo u obzir pri razvoju Geminija. U centru za privatnost u Gemini aplikacijama možete pronaći više informacija o tome kako razvijamo Gemini uz integriranu privatnost i mogućnost da samostalno upravljate njegovom upotrebom.
Omogućivanje kontrola za korisnike i izdavače
U Geminiju smo osmislili različite korisničke kontrole kojima lako možete pristupiti kako biste pregledali, ažurirali, izvezli i izbrisali svoje podatke s Geminija te upravljali njima. Svojim upitima, odgovorima i povratnim informacijama za Gemini možete upravljati putem kontrole aktivnosti u Gemini aplikacijama. Osim toga, možete onemogućiti da se razgovori s Geminijem ubuduće upotrebljavaju za poboljšavanje Googleovih tehnologija strojnog učenja tako da isključite postavku spremanja aktivnosti u Gemini aplikacijama. Kao i na drugim Googleovim uslugama, svoje podatke možete preuzeti i izvesti putem Googleovog alata za arhiviranje. Imamo i kontrole koje vam omogućuju da upravljate javnim vezama koje ste izradili na Geminijeve niti, kao i kontrole koje vam omogućuju da uključite/isključite pristup za proširenja (npr. Workspace, Karte, YouTube). Istražujemo i nove načine da vam pružimo veću kontrolu nad Geminijevim odgovorima, uključujući prilagodbu filtara radi omogućivanja šireg raspona odgovora.
Za izdavače smo pokrenuli Google-Extended, kontrolu koja web-izdavačima omogućuje da upravljaju time hoće li se njihove web-lokacije upotrebljavati za poboljšanje Geminija i generativnih API-ja za Vertex AI. Omogućivanje da Google-Extended pristupa sadržaju web-lokacija pomaže AI modelima u poboljšanju točnosti i njihovih sposobnosti. Osim što se sadržaj s isključenih URL-ova neće upotrebljavati za obuku modela, Gemini taj sadržaj neće upotrebljavati ni kao izvor informacija prilikom generiranja odgovora. Kako se primjene AI-ja proširuju, web-izdavači se suočavaju sa sve složenijim upravljanjem različitim načinima upotrebe u velikim razmjerima, a mi u suradnji s web-zajednicama i AI zajednicama radimo na pronalaženju strojno čitljivijih pristupa izboru i kontroli.
Improving Gemini together
Vjerujemo u brza poboljšanja i svijetu želimo ponuditi najbolju verziju Geminija. Zahvaljujući povratnim informacijama korisnika brže poboljšavamo svoje modele. Na primjer, upotrebljavamo vrhunske tehnike podržanog učenja kako bismo modele obučili da budu intuitivniji i maštovitiji te da pružaju kvalitetnije i točnije odgovore. Nastavljamo ulagati u istraživanja kako bismo saznali više o tehničkim, društvenim i etičkim izazovima i mogućnostima LLM-ova. To činimo kako bismo poboljšali Geminijevu obuku modela i tehnike preciziranja odgovora, ali i kako bismo svoja saznanja podijelili s istraživačima, primjerice u nedavnom radu Ethics of Advanced AI Assistants (Etika naprednih AI asistenata). Predano radimo na odgovornom inoviranju u tom području te surađujemo s korisnicima, pouzdanim testerima i istraživačima kako bismo pronašli načine da cijeli ekosustav ima koristi od te nove tehnologije.
Transparentnost je važna, pa nastojimo otvoreno govoriti o procesu razvoja Geminija i njegovim ograničenjima. Gemini nije magična crna kutija, nego se neprestano razvija te ćemo nastaviti dijeliti novosti o svojem napretku. Pokrenuli smo stranicu Ažuriranja izdanja da biste mogli vidjeti najnovije Geminijeve značajke, poboljšanja i ispravke programskih pogrešaka te ćemo u skladu s tim ažurirati ovaj pregled. Razmotrit ćemo u kojim je područjima Gemini koristan, a što trebamo poboljšati. Aktivno dodajemo nove mogućnosti te se radujemo poboljšavanju Geminija na temelju kontinuiranog istraživanja, testiranja i povratnih informacija korisnika.
Zahvale
Zahvaljujemo i odajemo priznanje izvrsnom radu kolega u timovima za aplikaciju Gemini, Google DeepMind, povjerenje i sigurnost te Google istraživanje.
James Manyika
Viši potpredsjednik, Odjel za istraživanje, tehnologiju i društvo
Sissie Hsiao
Potpredsjednica i glavna direktorica, Google asistent i aplikacija Gemini
Ovaj dokument podliježe promjenama te ćemo ga povremeno ažurirati dok nastavljamo ubrzano poboljšavati mogućnosti aplikacije Gemini i rješavati ograničenja svojstvena LLM-ovima. Ovaj je pregled posljednji put ažuriran 25. srpnja 2024. Za najnovija ažuriranja aplikacije Gemini otvorite stranicu Ažuriranja izdanja ili pročitajte više na blogu Google Keyword.