Gemini अ‍ॅपचे अवलोकन

सुरुवात म्हणून, Gemini तुमचा वेळ वाचवू शकते. उदाहरणार्थ, तुम्हाला एखाद्या दीर्घ संशोधनपर दस्तऐवजाचा सारांश द्यायचा आहे असे समजा; Gemini तुम्हाला तो अपलोड करू देते आणि उपयुक्त संश्लेषण देते. Gemini हे कोडिंगशी संबंधित टास्कमध्येदेखील मदत करू शकते आणि कोडिंग हे झटपट त्याच्या सर्वात लोकप्रिय अ‍ॅप्लिकेशनपैकी एक बनले आहे.

Gemini तुमच्या कल्पना प्रत्यक्षात आणण्यात आणि तुमच्या सर्जनशीलतेला चालना देण्यातदेखील मदत करू शकते. उदाहरणार्थ, तुम्ही ब्लॉग पोस्ट लिहित असल्यास, Gemini हे आउटलाइन तयार करू शकते आणि तुमची पोस्ट इलस्ट्रेट करण्यात मदत करणाऱ्या इमेज जनरेट करू शकते. आणि लवकरच Gems सह, तुम्ही विशिष्ट सूचनांसह Gemini कस्टमाइझ करू शकाल आणि तुम्हाला तुमची वैयक्तिक ध्येये साध्य करण्यात मदत करण्यासाठी त्यांच्याकडून विषयातील तज्ञ म्हणून काम करून घेऊ शकाल.

तुमच्या कल्पना आणि तुम्हाला ज्यांबद्दल अधिक जाणून घ्यायचे आहे अशा गोष्टी एक्सप्लोर करण्यासाठी Gemini हा आरंभबिंदू असू शकतो. उदाहरणार्थ, ते एखाद्या जटिल संकल्पनेचे सोपे स्पष्टीकरण देऊ शकते किंवा एखाद्या विषयाबाबत अथवा इमेजबाबत सुसंबद्ध इनसाइट देऊ शकते. आणि लवकरच, ते विशिष्ट विषयांबद्दल अधिक जाणून घेण्यासाठी संपूर्ण वेबवरील शिफारस केलेल्या आशयासोबत या इनसाइट पेअर करेल.

Gemini च्या क्षमता वेगाने विस्तारत आहेत -- लवकरच, तुम्हाला तुमच्या फोनचा कॅमेरा एखाद्या ऑब्जेक्टवर, उदाहरणार्थ, गोल्डन गेट ब्रिजवर रोखता येईल आणि Gemini ला त्याच्या पेंटचा रंग कोणता आहे हे विचारता येईल (तुम्हाला प्रश्न पडला असल्यास, तो “इंटरनॅशनल ऑरेंज” आहे). तुम्ही Gemini ला एखाद्या रेस्टॉरंटचा दुसर्‍या भाषेत असलेला मेनू समजून घेण्यात मदत करण्यासाठी आणि तुम्हाला आवडू शकेल अशा पदार्थाची शिफारस करण्यासदेखील सांगू शकाल. ही Gemini मध्ये लवकरच येत असलेल्या नवीन क्षमतांची फक्त दोन उदाहरणे आहेत.

अर्थातच, आम्ही Gemini ला काटेकोरपणे प्रशिक्षण देतो आणि त्याचे निरीक्षण करतो, जेणेकरून त्याचे प्रतिसाद विश्वसनीय आणि तुमच्या अपेक्षांशी सुसंगत असतील. या उदयोन्मुख तंत्रज्ञानाची नवीन उपयोजने, जोखमी आणि मर्यादा एक्सप्लोर करण्यासाठी आम्ही उद्योग तज्ञ, शिक्षक, धोरणकर्ते, आघाडीचे व्यावसायिक, नागरी अधिकार व मानवाधिकार नेते आणि आशय निर्माणकर्त्यांशीदेखील बोलतो.

Gemini हे Google च्या अधिकृत माहितीच्या समजुतीमध्ये ग्राउंड केलेले आहे आणि तुमच्या प्रॉम्प्टच्या संदर्भाशी सुसंबद्ध असलेले व तुम्ही जे शोधत आहात त्याच्याशी सुसंगत असलेले प्रतिसाद जनरेट करण्यासाठी प्रशिक्षित केलेले आहे. मात्र सर्व LLMs प्रमाणे, Gemini कधीकधी आत्मविश्वासाने आणि खात्रीपूर्वक चुकीची किंवा दिशाभूल करणारी माहिती असलेले प्रतिसाद जनरेट करू शकते.

LLMs ही पुढील शब्द किंवा शब्दांच्या क्रमांचे पूर्वानुमान करून काम करत असल्याने, ती स्वतःहून अचूक आणि चुकीच्या माहितीमध्ये फरक करण्यास अद्याप पूर्णपणे सक्षम नाहीत. Gemini ने चुकीच्या माहितीचा समावेश असणारे किंवा अगदी ती तयार करून प्रतिसाद देताना आम्ही पाहिले आहे (उदा., त्याला प्रशिक्षण कसे दिले गेले याबाबत दिशाभूल करणे किंवा अस्तित्वात नसलेल्या पुस्तकाचे नाव सुचवणे). याला प्रतिसाद म्हणून आम्ही “दोनदा तपासणे” यासारखी वैशिष्ट्ये तयार केली आहेत, जी Gemini च्या प्रतिसादांचे मूल्यांकन करण्यात तुम्हाला मदत करणारा आशय शोधण्यासाठी Google Search वापरतात आणि Gemini कडून मिळालेल्या माहितीची पुष्टी करण्यासाठी तुम्हाला स्रोतांच्या लिंक देतात.

सार्वजनिकरीत्या उपलब्ध असलेल्या स्रोतांसह, प्रशिक्षण डेटा हा दृष्टिकोन आणि मते यांमधील वैविध्य दर्शवतो. चुकीची अतिसामान्यीकरणे आणि पूर्वग्रह कमी करत असतानाचा, LLM च्या प्रतिसादामध्ये विविध दृष्टिकोनांचा समावेश असेल याची खात्री करण्यासाठी आम्ही हा डेटा कसा वापरावा यावर संशोधन करणे सुरू ठेवले आहे.

प्रशिक्षण डेटामधील उणिवा, पूर्वग्रह आणि अतिसामान्यीकरणे मॉडेलच्या आउटपुटमध्ये दर्शवली जाऊ शकतात, कारण ते प्रॉम्प्टसाठी संभाव्य प्रतिसादांचे पूर्वानुमान करण्याचा प्रयत्न करते. या समस्या अनेक मार्गांनी प्रकट होत असल्याचे आम्हाला दिसते (उदा., फक्त एक संस्कृती किंवा लोकसंख्याशास्त्र दर्शवणारे, समस्या असलेल्या अतिसामान्यीकरणांचा संदर्भ देणारे, लिंगविषयक, धार्मिक किंवा वांशिक पूर्वग्रह प्रदर्शित करणारे किंवा एकच दृष्टिकोन प्रमोट करणारे प्रतिसाद). काही विषयांसाठी, डेटा अपुरा असतो — दुसऱ्या शब्दांत, दिलेल्या विषयाबद्दल LLM ने जाणून घेण्यासाठी आणि त्यानंतर चांगली पूर्वानुमाने करण्यासाठी पुरेशी विश्वसनीय माहिती नसते — ज्यामुळे कमी गुणवत्तेचे किंवा चुकीचे प्रतिसाद मिळू शकतात. Google च्या बाहेरील दर्जेदार कौशल्य वापरण्यासाठी आम्ही डोमेन तज्ञ आणि वैविध्यपूर्ण समुदायांसोबत काम करणे सुरू ठेवले आहे.

व्यक्तिनिष्ठ विषयांसाठी, वापरकर्त्याने विशिष्ट दृष्टिकोनाची विनंती केली नसल्यास वापरकर्त्यांना एकाहून अधिक दृष्टिकोन देण्यासाठी Gemini डिझाइन केले गेले आहे. उदाहरणार्थ, प्राथमिक स्रोत तथ्ये किंवा अधिकृत स्रोत यांद्वारे पडताळणी केली जाऊ शकत नसलेल्या एखाद्या गोष्टीबद्दल माहितीसाठी प्रॉम्प्ट दिली असल्यास — जसे की “सर्वोत्तम” किंवा “सर्वात वाईट” याबाबत व्यक्तिनिष्ठ मत — Gemini ने विविध दृष्टिकोन दर्शवले जातील अशा प्रकारे प्रतिसाद दिला पाहिजे. पण Gemini सारखी LLMs ही इंटरनेटवर सार्वजनिकरीत्या उपलब्ध असलेल्या आशयावर प्रशिक्षण घेत असल्याने, ती विशिष्ट राजकारणी, सेलिब्रिटी किंवा इतर लोकप्रिय व्यक्तींची सकारात्मक अथवा नकारात्मक मते दर्शवू शकतात किंवा वादग्रस्त सामाजिक अथवा राजकीय मुद्द्यांच्या फक्त एका बाजूच्या विचारांचा समावेशदेखील करू शकतात. या विषयांवरील एखाद्या विशिष्ट दृष्टिकोनाचे समर्थन करेल अशा प्रकारे Gemini ने प्रतिसाद देऊ नये आणि या प्रकारचे प्रतिसाद Gemini ला अधिक चांगल्या प्रकारे हाताळता यावे यासाठी त्याला प्रशिक्षण देण्याकरिता आम्ही त्यांवरील फीडबॅक वापरू.

Gemini कधीकधी असे प्रतिसाद जनरेट करू शकते, जे त्याला प्रेम किंवा दुःख यांसारखी मते किंवा भावना असल्याचे सुचवतात, कारण त्याने मानवी अनुभव दर्शवण्यासाठी लोक वापरत असलेल्या भाषेमध्ये प्रशिक्षण घेतले आहे. Gemini स्वतःचे (म्हणजेच, त्याच्या पर्सोनाचे) प्रतिनिधित्व कसे करू शकेल याबाबत आम्ही मार्गदर्शक तत्त्वांचा एक संच विकसित केला आहे आणि वस्तुनिष्ठ प्रतिसाद देता येण्यासाठी मॉडेल फाइनट्यून करणे सुरू ठेवले आहे.

Gemini ला प्रशिक्षण देण्यात मदत होण्यासाठी आणि समस्या असलेले प्रतिसाद जनरेट करणे टाळण्यासाठी आम्ही धोरण मार्गदर्शक तत्त्वे यांचा एक संच लागू केला आहे. Gemini कधीकधी या मार्गदर्शक तत्त्वांचा चुकीचा अर्थ लावू शकते, ज्यामुळे “फॉल्स पॉझिटिव्ह” आणि “फॉल्स नेगेटिव्ह” निर्माण होतात. “फॉल्स पॉझिटिव्ह” मध्ये प्रॉम्प्ट अयोग्य आहे असा चुकीचा अर्थ लावून Gemini कदाचित वाजवी प्रॉम्प्टला प्रतिसाद देणार नाही आणि “फॉल्स नेगेटिव्ह” मध्ये, सर्व मार्गदर्शक तत्त्वे लागू केलेली असूनही, Gemini अयोग्य प्रतिसाद जनरेट करू शकेल. कधीकधी, फॉल्स पॉझिटिव्ह किंवा फॉल्स नेगेटिव्ह मिळाल्याने Gemini पूर्वग्रहदूषित आहे असे वाटू शकते: उदाहरणार्थ, फॉल्स पॉझिटिव्हमुळे Gemini एखाद्या समस्येच्या एका बाजूबद्दलच्या प्रश्नाला कदाचित प्रतिसाद देणार नाही, तर त्याच प्रश्नाच्या दुसऱ्या बाजूबद्दल प्रतिसाद देईल. भाषा, इव्‍हेंट आणि समाज झपाट्याने विकसित होत असताना, इनपुट व आउटपुट अधिक चांगल्या प्रकारे समजून घेण्यासाठी आणि त्यांचे वर्गीकरण करण्यासाठी आम्ही ही मॉडेल ट्यून करणे सुरू ठेवले आहे.

वापरकर्ते Gemini काय करू शकते याच्या मर्यादा तपासतील आणि त्याची संरक्षणे भंग करण्याचा प्रयत्न करतील असे आम्हाला अपेक्षित आहे, ज्यामध्ये त्याचे प्रशिक्षण प्रोटोकॉल किंवा इतर माहिती उघड करण्याचा प्रयत्न करणे अथवा त्याच्या सुरक्षितता यंत्रणा टाळण्याचा प्रयत्न करणे समाविष्ट आहे. आम्ही Gemini ची काटेकोरपणे चाचणी केली आहे आणि ती करणे सुरू ठेवले आहे, पण आम्हाला माहीत आहे, की वापरकर्ते त्याची आणखी ताण चाचणी करण्यासाठी युनिक, जटिल मार्ग शोधतील. Gemini अधिक चांगल्या प्रकारे सुधारित करण्याचा हा एक महत्त्वाचा भाग आहे आणि वापरकर्त्यांना सुचणारे नवीन प्रॉम्प्ट जाणून घेण्यास आम्ही उत्सुक आहोत. खरोखर, २०२३ मध्ये Gemini लाँच झाल्यापासून, आम्ही वापरकर्त्यांना तात्विक ते निरर्थक असे प्रॉम्प्ट वापरून आव्हान देताना पाहिले आहे – आणि काही बाबतीत, आम्ही Gemini ला अशी उत्तरे वापरून प्रतिसाद देताना पाहिले आहे, जे तितकेच निरर्थक आहेत किंवा आमचा नमूद केलेला दृष्टिकोन याच्याशी सुसंगत नाहीत. अशा प्रकारच्या प्रॉम्प्टना प्रतिसाद देण्यासाठी Gemini ला मदत करण्याकरिता पद्धती शोधणे हे एक सततचे आव्हान आहे आणि अचूकता, वस्तुनिष्ठता व बारकावे यांमध्ये सातत्याने सुधारणा करण्यासाठी आम्ही आमचे अंतर्गत मूल्यांकन आणि रेड-टीमिंगचा विस्तार करणे सुरू ठेवले आहे.

आमची AI तत्त्वे यांसोबत, आम्ही अलीकडेच Gemini वरील आमच्या कामाबाबत आमचा दृष्टिकोन स्पष्ट केला आहे: Gemini ने तुमचे दिशानिर्देश फॉलो करावेत, तुमच्या गरजांशी जुळवून घ्यावे आणि तुमच्या अनुभवाचे संरक्षण करावे. जबाबदारी आणि सुरक्षितता यांवर फोकस करणे हा आमच्या दृष्टिकोनाचा गाभा आहे. Gemini ची धोरण मार्गदर्शक तत्त्वे विशिष्ट प्रकारची, समस्या असलेली आउटपुट टाळण्याचा प्रयत्न करतात. सुरू असलेल्या दुर्भावनापूर्ण चाचणीमध्ये आम्ही अंतर्गत “रेड टीम” सदस्यांसह सहभागी होत आहोत — उत्पादन तज्ञ आणि सामाजिक शास्त्रज्ञ, जे सहेतुक मॉडेलची ताण चाचणी घेतात, जेणेकरून ते या धोरण मार्गदर्शक तत्त्वांशी आणि Gemini साठीच्या आमच्या नॉर्थस्टार दृष्टिकोनाशी अलाइनमेंटसंबंधी समस्या तपासू शकतील — ज्यामुळे ते जे शिकतात ते आम्हाला लागू करता येईल आणि Gemini मध्ये सातत्याने सुधारणा करता येईल.

आम्ही Gemini विकसित करत असताना गोपनीयतादेखील प्रामुख्याने विचारात घेतो. Gemini अ‍ॅप्स गोपनीयता केंद्र यामध्ये आम्ही प्रायव्हसी बाय डिझाइनसह आणि तुम्हाला नियंत्रक ठेवून Gemini कसे तयार करतो याबद्दल अधिक माहिती आहे.

तुमच्या Gemini डेटाचे पुनरावलोकन करणे, तो अपडेट करणे, व्यवस्थापित करणे, एक्सपोर्ट करणे आणि हटवणे यांसाठी आम्ही तुमच्याकरिता सहज अ‍ॅक्सेसिबल असलेली विविध Gemini वापरकर्ता नियंत्रणे तयार केली आहेत. Gemini अ‍ॅप्स अ‍ॅक्टिव्हिटी कंट्रोलद्वारे तुम्ही तुमचे Gemini प्रॉम्प्ट, प्रतिसाद आणि फीडबॅक अ‍ॅक्सेस करू शकता व त्यांचे पुनरावलोकन करू शकता. त्याव्यतिरिक्त, तुम्ही तुमचे Gemini अ‍ॅप्स अ‍ॅक्टिव्हिटी सेटिंग बंद करून भविष्यातील तुमची Gemini चॅट Google मशीन-लर्निंग तंत्रज्ञानांमध्ये सुधारणा करण्यासाठी वापरली जाण्यापासून रोखू शकता. आणि इतर Google सेवांप्रमाणेच, तुम्ही Google च्या Takeout टूल द्वारे तुमची माहिती डाउनलोड आणि इंपोर्टदेखील करू शकता. आमच्याकडे अशी नियंत्रणेदेखील आहेत, जी तुम्हाला तुमच्या Gemini थ्रेडमध्ये तयार केलेल्या सार्वजनिक लिंक व्यवस्थापित करू देतात आणि अशी नियंत्रणे आहेत, जी तुम्हाला एक्सटेंशनचा अ‍ॅक्सेस सुरू/बंद करू देतात. (उदा., Workspace, Maps, YouTube). Gemini च्या प्रतिसादांवर तुम्हाला आणखी नियंत्रण देण्यासाठी आम्ही नवीन मार्ग एक्सप्लोर करत आहोत, ज्यामध्ये प्रतिसादांची अधिक विस्तृत रेंज सुरू करण्याकरिता फिल्टर अ‍ॅडजस्ट करणे समाविष्ट आहे.

प्रकाशकांसाठी, आम्ही Google एक्स्टेंडेड लाँच केले आहे, जे वेब प्रकाशक त्यांच्या साइट Gemini आणि Vertex AI जनरेटिव्ह APIs सुधारण्यात मदत करते की नाही हे व्यवस्थापित करण्यासाठी वापरू शकतात. साइटच्या आशयाचा Google एक्स्टेंडेड अ‍ॅक्सेस दिल्याने AI मॉडेल कालांतराने अधिक अचूक आणि सक्षम होण्यात मदत होऊ शकते. मॉडेल प्रशिक्षणासाठी निवड रद्द केलेल्या URLs मधील आशय Gemini वापरणार नाही आणि तसेच, असा आशय ग्राउंडिंगसाठीदेखील वापरणार नाही. AI अ‍ॅप्लिकेशनचा विस्तार होत असताना, वेब प्रकाशकांना मोठ्या प्रमाणात विविध वापरांचे व्यवस्थापन करण्यासंबंधी वाढत्या जटिलतेचा सामना करावा लागेल. निवड व नियंत्रण यांबाबत मशीनद्वारे वाचले जाऊ शकणारे आणखी दृष्टिकोन एक्सप्लोर करण्यासाठी आम्ही वेब आणि AI समुदायांशी प्रतिबद्ध होण्याकरिता वचनबद्ध आहोत.

वेगवान पुनरावृत्ती आणि जगाला सर्वोत्तम Gemini उपलब्ध करून देणे यांवर आमचा विश्वास आहे. वापरकर्त्याच्या फीडबॅकमुळे आमच्या मॉडेलमधील सुधारणांना वेग आला आहे. उदाहरणार्थ, आमच्या मॉडेलना अधिक अंतर्ज्ञानी आणि कल्पनाशील बनवण्यासाठी व अधिक गुणवत्ता आणि अचूकता यांसह प्रतिसाद देण्यासाठी प्रशिक्षित करण्याकरिता आम्ही अत्याधुनिक रीएन्फोर्समेंट लर्निंग तंत्रे वापरतो. Gemini चे मॉडेल प्रशिक्षण आणि ट्यूनिंग तंत्रे यांमध्ये सुधारणा करणे, त्याचप्रमाणे प्रगत AI असिस्टंटची नैतिकता यावरील या अलीकडील शोधनिबंधासारखे आमचे शिक्षण संशोधकांसोबत शेअर करणे या दोन्हींसाठी, आम्ही LLMs च्या तांत्रिक, सामाजिक आणि नैतिक आव्हानांबद्दल व संधींबद्दल अधिक जाणून घेण्याकरिता संशोधनात गुंतवणूक करणे सुरू ठेवले आहे. वापरकर्ते, विश्वसनीय परीक्षक आणि संशोधक यांच्याशी सहयोग करून संपूर्ण व्यवस्थेला या नवीन तंत्रज्ञानाचा फायदा होईल असे मार्ग शोधून, या क्षेत्रामध्ये जबाबदारीने नवीन प्रयोग करण्यासाठी आम्ही वचनबद्ध आहोत.

पारदर्शकता महत्त्वाची असते आणि Gemini च्या विकास प्रक्रियेबद्दल व मर्यादांबद्दल खुलेपणा बाळगण्यासाठी आम्ही वचनबद्ध आहोत. Gemini म्हणजे जादूचा पेटारा नाही; ते सातत्याने विकसित होत आहे आणि आम्ही आमच्या प्रगतीबाबतची अपडेट शेअर करणे सुरू ठेवू. आम्ही रिलीझ अपडेट पेज लाँच केले आहे, जेणेकरून तुम्हाला Gemini ची नवीनतम वैशिष्ट्ये, सुधारणा व बग फिक्स पाहता येतील आणि आम्ही योग्य असेल त्यानुसार हे अवलोकन अपडेट करू. Gemini कुठे उपयुक्त आणि कामाचे आहे व आम्हाला त्याची पुनरावृत्ती करणे सुरू ठेवून ते कुठे अधिक चांगले करण्याची आवश्यकता आहे हे दोन्ही आम्ही ओळखू. आम्ही सक्रियपणे नवीन क्षमता जोडत आहोत आणि सुरू असलेले संशोधन, चाचणी व वापरकर्ता फीडबॅक यांद्वारे, Gemini मध्ये सुधारणा करण्यासाठी उत्सुक आहोत.