Google щойно анонсувала Gemini, свій найпотужніший пакет моделей штучного інтелекту, який мав би перевершити можливості ChatGPT. Проте вже отримав звинувачення у перебільшенні можливостей та введені в оману користувачів. Як повідомляє Bloomberg, одне з промоційних відео, яке демонструє мультимодальні можливості Gemini, (наприклад, розмовні підказки в поєднанні з розпізнаванням зображень) зредаговані, а також насправді містять текстові запити, про які не зазначають у відео. На демо Gemini майже миттєво розпізнає навіть нечіткі зображення (як потрібно промалювати з’єднанням точок), а також здатен передбачати, що користувач намалює далі. При цьому, відео змонтоване так, ніби користувач спілкується з ШІ-асистентом голосом, а той відповідає в режимі реального часу. Якщо поглянути на опис відео на YouTube, то Google додав важливе застереження:«Для цілей цієї демонстрації затримку відповіді було зменшено, а результати Gemini скорочені для стислості».Насправді демонстрація відео не відбулася в режимі реального часу та не використовувала голосових запитів. Для запитів використовувались окремі зображення,
а не лайв-відео, як може здатись з демонстрації. А також запити до нейромережі надавались не голосом, а через введення тексту. «Це зовсім інше від того, що, здавалося, демонстрував Google: що людина може вести плавну голосову розмову з Gemini, який спостерігає та реагує на навколишній світ у реальному часі», — пише оглядач Bloomberg Пармі Олсон.Коротка відповідь — так. Інші компанії також переважно демонструють запис роботи продукту, а не живу трансляцію, щоб уникнути можливих технічних проблем, але те, що зробив Google більше схоже на дезінформацію. Наприклад, Google у 2018 році демонстрував свою розробку під назвою Duplex AI. Це голосовий помічник, який міг замість вас зателефонувати в перукарню чи ресторан та замовити послугу. Компанію викрили, оскільки під час демонстрації на фоні не було жодного шуму. У 2023 році, коли китайська компані Baidu запустила свій Ernie Bot зі зрежисованим відео, що призвело до падіння акцій компанії. Розширене пояснення створення відео та роботи з нейромережею з'явилось 6 грудня у блозі Google for Developers. Саме з нього стало зрозуміло,
що процес роботи значно відрізняється від того, що показаний на відео. Оріол Віньялс, віцепрезидент з досліджень і глибокого навчання Google у DeepMind (також співкерівник Gemini) опублікував допис, у якому пояснюється, як команда створила відео.«Усі запити користувача та вихідні дані у відео є реальними та скороченими для стислості», — каже Віньялс. «Відео ілюструє, як може виглядати багаторежимний досвід користувача, створений за допомогою Gemini. Ми зробили це, щоб надихнути розробників».На відео, яке Віньялс опублікував у X(Twitter) також помітно, що інтерфейс та спосіб взаємодії користувача з чат-ботом відрізняється. Зокрема запити через тест, а не живу мову. Найімовірніше, що можливості, які були продемонстровані у відео доступні лише у версії моделі Gemini Ultra. Це найбільша та найповільніша версія призначена для виконання найскладніших завдань. Наразі до неї немає публічного доступу, але Google обіцяє надати його на початку 2024 року.
