Штучний інтелект Google Gemini здійснив значний прорив, який здатен змінити підхід до обробки даних: одночасна обробка відео та статичних зображень у реальному часі. Ця інновація стала можливою завдяки експериментальному додатку AnyChat, що не лише використовує можливості Gemini, а й розширює їх межі.
Про це інформує Venturebeat.
Традиційно штучний інтелект обмежувався обробкою або відеопотоків, або зображень, але платформа AnyChat подолала ці бар’єри. В інтерв’ю Ахсен Халік, керівник машинного навчання у Gradio, зазначив:
«Завдяки AnyChat ви можете вести реальний діалог із ШІ, який одночасно аналізує як відео, так і зображення».
Технологія, яка змінює правила гри
Основою прориву стала передова архітектура нейронної мережі Gemini. Інструмент AnyChat використовує API Gemini для обробки кількох візуальних потоків без втрати продуктивності. Це стало можливим завдяки оптимізації механізмів уваги ШІ, які тепер можуть відслідковувати та аналізувати одночасно кілька джерел даних.
На відміну від багатьох інших платформ, включаючи ChatGPT, що обмежені обробкою лише одного відеопотоку або зображення за раз, Gemini демонструє повну мультимодальну інтеграцію. Наприклад, платформи, подібні до ChatGPT, вимикають відеопотік під час завантаження зображення, чого не спостерігається в AnyChat.
Інновації Google Gemini мають широкий спектр застосувань. Серед можливих сценаріїв використання:
- Освіта: Учні можуть наводити камеру на складні задачі й одночасно отримувати покрокову інструкцію, використовуючи підручники.
- Медицина: Лікарі зможуть одночасно аналізувати симптоми пацієнта та результати медичних сканувань.
- Творчість: Художники можуть ділитися ескізами та референсами, отримуючи детальні рекомендації в реальному часі.
- Інженерія та контроль якості: Інженери можуть порівнювати роботу обладнання з технічними схемами, а виробничі групи – швидко аналізувати якість продукції.
Успіх AnyChat як сигнал для індустрії
Успіх AnyChat демонструє, що інновації часто приходять не від великих корпорацій, а від незалежних розробників, які знаходять нові способи використання наявних технологій. Поки офіційні програми Google не отримали функції багатопотокової обробки, AnyChat вивів ці можливості на новий рівень.
Це відкриває важливе питання: чому Google не інтегрував цей функціонал у власні продукти? Можливо, причиною є стратегічний підхід до розподілу ресурсів чи тестування нових функцій через сторонніх розробників.
Новаторські досягнення AnyChat із використанням API Google Gemini сигналізують про значний зсув у сфері ШІ. Хоча поки що ця технологія доступна лише в експериментальному форматі, її потенціал для широкомасштабного впровадження очевидний.
Google залишається перед дилемою: інтегрувати проривні можливості Gemini у свої офіційні платформи чи залишити простір для експериментів незалежних розробників. Одне безсумнівно – нова ера штучного інтелекту вже тут, і Gemini став її провідником.
