Googlen Gemini AI vihjaa seuraavaan suureen teknologian harppaukseen: Reaaliaikaisen tiedon analysointi

Googlen Gemini AI vihjaa seuraavaan suureen teknologian harppaukseen: Reaaliaikaisen tiedon analysointi
Jaa artikkeli tällä linkillä: https://publication-x.com/click/daz

Google on julkaissut Geminin , uuden tekoälyjärjestelmän , joka voi näennäisesti ymmärtää ja puhua älykkäästi melkein kaikista kehotteista – kuvista, tekstistä, puheesta, musiikista, tietokonekoodista ja paljon muusta.

Tämän tyyppinen tekoälyjärjestelmä tunnetaan multimodaalisena mallina . Se on askel pidemmälle kuin pelkkä tekstin tai kuvien käsittely aiemmalla tavalla. Ja se antaa vahvan vihjeen siitä, mihin tekoäly voi mennä seuraavaksi: kyky analysoida ulkomaailmasta tulevaa reaaliaikaista tietoa ja vastata siihen.

Vaikka Geminin ominaisuudet eivät ehkä olekaan niin kehittyneitä, miltä ne näyttivät virusvideossa, joka on editoitu huolellisesti kuratoidusta tekstistä ja still-kuvista, on selvää, että tekoälyjärjestelmät kehittyvät nopeasti. He ovat matkalla kohti kykyä käsitellä yhä monimutkaisempia tuloja ja lähtöjä.

Uusien ominaisuuksien kehittämiseksi tekoälyjärjestelmät ovat erittäin riippuvaisia ​​siitä, millaista “koulutustietoa” niillä on käytettävissään. He altistuvat tälle tiedolle, jotta he voivat parantaa toimintaansa, mukaan lukien päätelmien tekeminen, kuten kasvojen tunnistaminen kuvassa tai esseen kirjoittaminen.

Tällä hetkellä tiedot, joita yritykset, kuten Google, OpenAI, Meta ja muut kouluttavat mallejaan, kerätään edelleen pääosin Internetin digitoidusta tiedosta . On kuitenkin olemassa yrityksiä laajentaa radikaalisti sen datan laajuutta, jota tekoäly voi työstää. Esimerkiksi aina päällä olevia kameroita, mikrofoneja ja muita antureita käyttämällä olisi mahdollista kertoa tekoälylle, mitä maailmassa tapahtuu .

Reaaliaikainen data

Googlen uusi Gemini-järjestelmä on osoittanut, että se voi ymmärtää reaaliaikaista sisältöä, kuten live-videota ja ihmisen puhetta. Uusien tietojen ja antureiden avulla tekoäly pystyy tarkkailemaan todellisen maailman tapahtumia, keskustelemaan niistä ja toimimaan niiden mukaan.

Ilmeisin esimerkki tästä on itseohjautuvat autot, jotka jo nyt keräävät valtavia määriä dataa ajaessaan teillämme. Nämä tiedot päätyvät valmistajien palvelimille, joissa niitä ei käytetä pelkästään ajoneuvon käyttöhetkellä, vaan rakennetaan pitkäaikaisia ​​tietokonepohjaisia ​​ajotilanteita koskevia malleja, jotka voivat tukea liikenteen sujuvuutta tai auttaa viranomaisia ​​tunnistamaan epäilyttävää tai rikollista toimintaa.

Kotona liiketunnistimia, ääniavustajia ja turvakameroita käytetään jo havaitsemaan toimintaa ja omaksumaan tapojamme. Muita “älykkäitä” laitteita ilmestyy markkinoille koko ajan. Vaikka tämän varhaiset käyttötavat ovat tuttuja, kuten lämmityksen optimointi parempaan energiankäyttöön , tottumusten ymmärtäminen kehittyy huomattavasti.

Tämä tarkoittaa, että tekoäly voi päätellä kodin toimintaa ja jopa ennustaa, mitä tulevaisuudessa tapahtuu. Lääkärit voisivat sitten käyttää näitä tietoja esimerkiksi diabeteksen tai dementian kaltaisten sairauksien varhaiseen havaitsemiseen sekä elintapojen muutosten suosittelemiseen ja seurantaan.

Kun tekoälyn tieto todellisesta maailmasta tulee entistä kattavammaksi, se toimii kumppanina kaikissa elämäntilanteissa. Ruokakaupassa voin keskustella parhaista ja edullisimmista raaka-aineista suunnittelemaani ateriaan. Työssä tekoäly pystyy muistuttamaan minua asiakkaiden nimistä ja kiinnostuksen kohteista kasvokkaisessa tapaamisessa – ja ehdottaa parasta tapaa turvata heidän liiketoimintansa. Kun olet matkalla vieraassa maassa, se pystyy ylläpitämään jatkuvaa keskustelua paikallisista nähtävyyksistä, kun taas tekoäly pitää silmällä mahdollisia vaarallisia tilanteita, joita saatan kohdata.

Yksityisyyden vaikutukset

Kaikki nämä uudet tiedot tuovat mukanaan valtavia myönteisiä mahdollisuuksia, mutta on olemassa yhtä suuri riski ylittämisestä ja ihmisten yksityisyyden loukkaamisesta. Kuten olemme nähneet, käyttäjät ovat toistaiseksi olleet enemmän kuin iloisia voidessaan vaihtaa hämmästyttävän määrän henkilökohtaisia ​​tietojaan vastineeksi pääsystä ilmaisiin tuotteisiin, kuten sosiaaliseen mediaan ja hakukoneisiin.

Kompromissit tulevat olemaan vielä suurempia ja mahdollisesti vaarallisempia, kun tekoäly oppii tuntemaan ja tukemaan meitä jokapäiväisen elämän kaikilla osa-alueilla.

Jos teollisuus antaa mahdollisuuden, se jatkaa tiedonkeruun laajentamista kaikilla elämänaloilla, myös offline-alueilla. Poliittisten päättäjien on ymmärrettävä tämä uusi maisema ja varmistettava, että hyödyt tasapainottavat riskit. Heidän on seurattava uusien tekoälymallien tehon ja leviämisen lisäksi myös niiden keräämää sisältöä.

Kun tekoäly laajentaa kykyjään seuraavalle rajalle – todelliseen maailmaan – vain mielikuvituksemme rajoittaa mahdollisuuksia.

Lars Erik Holmquist , suunnittelun ja innovaation professori, Nottingham Trent University

Tämä artikkeli on julkaistu uudelleen The Conversationista Creative Commons -lisenssillä. Lue alkuperäinen artikkeli .

Lähde: