Googleは米国現地時間12月7日、新しい高性能AIモデルとしてゼロから立ち上げたGeminiを発表しました。どうやらPaLM 2というLLM(大規模言語モデル)から脱却し(おそらくPaLM 2を踏まえた開発のようです)、新しいマルチモーダル(複数の質問を複数のファイル形式で同時理解する)として作り直したような表現を感じます。そして今回のGemini 1.0はGPT-4を上回る成績を残した性能があるようです(イタチごっこ？)。というわけで、Geminiについてご紹介しておきます。
Geminiの機能
Googleからの発表記事によると、Geminiはマルチモーダルによる複合理解を可能にした高性能モデルとなっており、そのうえで情報処理速度も向上し、より直感的で会話的に反応するようです。
そして、今回そのGeminiの機能を大きく3つのプランに分け、その能力と利用感にハードルを設けるようです。以下にプラン名とその概要(仕様イメージ)、使えるところ、使える時期を(12月15日時点として)まとめています。
| プラン名 | 概要 | 適用対象 | 利用可能時期 |
|---|---|---|---|
| Gemini Ultra | Geminiが持つ性能のフルモデル | Bard Advancedという有料プラン予定 | 2024年以降のなるはや |
| Gemini Pro | 幅広く対応する適正モデル | Bard(英語版)に導入＆他言語や機能拡大予定 | 英語版は導入済で他は数ヶ月後 |
| Gemini Nano | モバイルデバイズサイズの簡易モデル | Pixel 8 Proに導入 | 既にアップデート済 |
こんな感じですね。Gemini Ultraは、数学、物理学、歴史、法律、医学、倫理等の57科目の分野でMMLU(Measuring Massive Multitask Language Understanding：大規模マルチタスク言語理解)という知識と解決能力テストで90.00%をスコアし、GPT-4(86.4%)と人間の専門家を上回った初めてのモデルとのことです。スコア表もご紹介しておきますが、あまりよく分かりませんね。「どれくらい凄い」というよりは「どこよりも今のところ凄い」という解釈で良いと思います。
また、MMLU(Massive Multi-discipline Multimodal Understanding：大規模多目的マルチモーダル理解度)においてもGPT-4V(56.8%)を上回る59.4%をベンチマークし、より複合理解力が高いことを証明したようです。
それ以外にも(英語版ですが)動画で説明していますので、詳細はGoogle Japan Blogをご覧ください。
今後どう向き合う？
私が体感している生成AIの能力としては、今のところ、BardもGPTもビジネスとして使える程ではなく、あくまで人間個人のパフォーマンスを補完する手段としての利用程度だと考えています。但し2023年12月15日時点です。今回のGemini Ultraがビジネス利用やどんなプロンプトにも安定的パフォーマンスを発揮するかどうかはまだ分かりません。しかし、だからと言って利用しないという意見にはならないと思います。
また、GPTが良いのかBardが良いのか、等の賛否もあります。ChatHub等を使って両方使用する人もいますが、実際にはどちらのほうが優秀になっていくのでしょうかね？
私の身の回りでは、登場と性能が先んじていたGPTを利用する人が多いのですが、私個人としてはGoogleのインフラ処理能力実績を考えていつかBardが席巻するのではないかと考えています。いずれにしても積極的に活用しながら生成AIの性能具合を見定めておくことは重要ですね。
AIに対する人の姿勢タイプと宇宙人と出会った時の人の姿勢タイプが似てる気がして…笑。
好奇心旺盛でアプローチする人、何とか仲良くしようとする人、様子を見る人、保守的で毛嫌いする人、恐れて攻撃的で否定的な人。
私はAIに対する色々な人から上記のほとんどの意見タイプを聞いた気がします。
— 清野 剛｜サイト運用支援 (@keyouknow) December 10, 2023
みなさんはどう向き合っていきますか？
