A Google-re most nagy nyomás nehezedik. A vállalat a Gemini — a várva várt, új nagy nyelvi modell — megjelenésének küszöbén áll, amelynek az OpenAI GPT-4 modelljével kell versenybe szállnia.
A Gemini multimodális lesz, vagyis képes lesz szöveg, kép és más típusú tartalmak megértésére és előállítására. Sundar Pichai vezérigazgató utalt rá, hogy a tervezésben is jobb lesz, míg a DeepMind vezérigazgatója, Demis Hassabis elmondta, hogy a Geminit olyan technikákkal képzik, amelyek az AlphaGo programot hajtották, amely 2016-ban legyőzte az egyik legjobb emberi Go játékost.
Mindennek a középpontjában Sissie Hsiao, a Google Bard és Google Assistant alelnöke és általános igazgatója áll. Hsiao nem tagja a Gemini — a DeepMind és a Google Brain egységének újonnan alakult koalíciója — építő csapatának, de ő felel néhány olyan fontos termékért, amelyek a felhasználók számára hozzáférést biztosítanak ezekhez az új MI-rendszerekhez.
Mindent vagy semmit?
A Google-nek szüksége van a Gemini sikerére, hiszen az OpenAI nemrég jelentette be a vizuális művészeti generátorának, a DALL-E-nek a harmadik generációját, valamint frissítette a ChatGPT-t, hogy naprakészebb információkhoz férjen hozzá. (Eddig nem férhetett hozzá 2021 szeptembere után keletkezett adatokhoz). Ha a Gemini elkápráztatja a közönséget, az segíthet megváltoztatni azt a narratívát, hogy a Microsoft és az OpenAI lekörözte. Ha csalódást okoz, az felbátorítja azokat a kritikusokat, akik szerint a Google lemaradt.
A keresőóriás az első naptól kezdve nyíltan beszélt a Bard korlátairól, és még mindig „kísérletként” emlegeti. A chatbotot már többször támadták, mert félretájékoztatott. Hsiao csapata nemrégiben bevezetett egy olyan funkciót, amely kiemeli a Bard által adott, gyaníthatóan nem pontos információkat. Hsiao, mint a legtöbb Google-vezető mostanában, szereti azt mondani, hogy a Google bátor és felelősségteljes, de azt is elismerte, hogy a vállalaton belüli dolgok hihetetlenül gyorsan haladnak, és azt mondta, hogy a Bard csapata most úgy érzi magát, mintha egy startupban lenne.
Hsiao 2006-ban csatlakozott a Google-hoz a képkeresés és a Google Dokumentumok termékmenedzsereként, majd különböző munkaköröket látott el a Google hirdetési termékeinél. „Miután ezt néhány évig csináltam, megnéztem, hogy mi az a legmodernebb termék a Google-nél, amelyen dolgozhatok, amely még megoldatlan”, mondta. A Google Assistant volt a válasz, ezért 2021-ben a Google átrendezte a keresőcsapatát, hogy Hsiao legyen felelős a hangalapú asszisztensért.
Egyesített képességek
A Bard- és az Assistant-csapatokat az év elején egyesítették Hsiao vezetésével, nem véletlenül: a Google nemrég jelentette be, hogy a Bardot integrálják az Assistantba a mobileszközökön, közvetlenül azután, hogy az Amazon bemutatta az új, erősebb Alexát. Az Assistant with Bard, ahogy a Google nevezi, egyesíti a Bard generatív MI-erejét a hangalapú asszisztens hasznos képességeivel. Érkezése azt is sugallja, hogy a vállalat újragondolja, hogy az elmúlt években stagnáló Assistant valójában mit is jelent az erős LLM-ek korában.
„Elmozdultunk a hangtól, mint elsődleges modalitástól”, mondta Hsiao a legutóbbi Assistant frissítésről, amely lehetővé teszi a felhasználók számára, hogy szöveg, hang és kép segítségével lépjenek interakcióba az alkalmazással. Hogy a Google tervezi-e az intelligens hangszórók élményének átdolgozását, azt még nem tudni: „Még vizsgálódunk. Túl korai lenne véglegesen megmondani, hogy hasznos lesz-e vagy sem.”, mondta Hsiao.
Vállalati optimizmus
Bár a chatbotok és a nagy nyelvi modellek lenyűgözték a felhasználókat, még mindig kérdéses, hogy ezek az MI-rendszerek hosszú távon valóban hasznosak lesznek-e. A Google előnye itt a már népszerű alkalmazások — például a Gmail, a Dokumentumok és a Térképek — sora, amelyekbe be tudja építeni a mögöttes MI-képességeket. Hsiao úgy véli, hogy maga a Bard hosszú távon értékes termék, amelyet más termékekbe is beépíthetnek.
