هوش مصنوعی Gemini چیست؟

هوش مصنوعی Gemini، خانواده ‌ای از مدل ‌های پیشرفته هوش مصنوعی است که برای درک و پردازش اطلاعات به شیوه‌ ای مشابه انسان طراحی شده ‌اند. بر خلاف موتورهای جستجوی سنتی، جمینای قادر است با فرمت ‌های متنوعی از جمله متن، کد، تصویر و حتی ویدئو کار کند. این توانمندی به مدل امکان می ‌دهد تا موضوعات پیچیده را به ‌طور عمیق درک کرده و پاسخ‌ های خلاقانه تولید کند و بدین ترتیب به‌ عنوان ابزاری قدرتمند برای انجام وظایفی نظیر پژوهش، کمک در برنامه ‌نویسی و ارتباطات مبتنی بر زبان طبیعی شناخته می ‌شود.

از سال ۲۰۱۶، Google Assistant به میلیون‌ ها کاربر کمک کرده است تا تنها با استفاده از تلفن همراه خود، وظایف بیشتری را در حین حرکت انجام دهند. در این مدت، بازخوردهای کاربران نشان داده است که انتظار آن ‌ها دستیاری شخصی ‌سازی ‌شده ‌تر، با قابلیت گفت‌ و گوی طبیعی ‌تر و کارآمدتر در انجام وظایف است. بر همین اساس، گوگل باز تعریفی نوین از آن چه یک دستیار تلفن همراه می ‌تواند باشد ارائه کرده است؛ دستیاری که بر پایه قدرتمند ترین مدل ‌های هوش مصنوعی این شرکت باز طراحی و باز ساخته شده است.

Gemini نسل تازه‌ ای از دستیارهای هوش مصنوعی است که از پایه با تکیه بر درک زبانی پیشرفته و توانایی استدلال طراحی شده است. آن چه اهمیت ویژه دارد این است که جمینای نه‌ تنها قادر است همان قابلیت‌ های بدون نیاز به دخالت دست را که پیش ‌تر در Google Assistant مورد توجه کاربران بود ارائه دهد، بلکه تجربه‌ ای غنی‌ تر و مبتنی بر گفت ‌و گو در انجام وظایف فراهم می‌ سازد. نتایج آزمون ‌های مقایسه‌ ای نشان می‌ دهد که کاربران با استفاده از جمینای عملکرد موفق ‌تری دارند؛ زیرا این دستیار از توانایی بالاتری در درک زبان طبیعی برخوردار است.

در ادامه، مقایسه ‌ای میان Gemini و Google Assistant ارائه می ‌شود، همراه با معرفی برخی رویکردهای نوینی که این دستیار می ‌تواند در انجام وظایف به کار گیرد. هدف اصلی، تبدیل Gemini به مفید ترین و شخصی ‌سازی‌ شده‌ ترین دستیار هوش مصنوعی است که بر اساس بازخورد کاربران به ‌صورت مستمر بهبود می‌ یابد.

هوش مصنوعی Gemini چیست؟

جمینای، یک چت‌ بات رایگان مبتنی بر هوش مصنوعی است که علاوه بر قابلیت گفت ‌و گو، امکان جستجو و ارائه خدمات فراتر از آن را فراهم می ‌سازد. در ادامه، مهم ‌ترین نکاتی که باید درباره این ابزار هوش مصنوعی توسعه ‌یافته توسط گوگل بدانید، ارائه می ‌شود.

از زمان معرفی چت ‌جی‌ پی‌ تی (ChatGPT) در اواخر سال ۲۰۲۲ و جلب توجه گسترده، شرکت ‌های فناوری رقابتی جدی را برای تثبیت موقعیت خود در حوزه هوش مصنوعی مولد آغاز کرده ‌اند. در این میان، گوگل که سال‌ ها به‌ عنوان یکی از بازیگران اصلی این عرصه شناخته می‌ شود، تمرکز راهبردی خود را بر توسعه سامانه هوش مصنوعی جمینای معطوف نموده است.

مدل نسل جدید جمینای که نخستین ‌بار در دسامبر ۲۰۲۳ توسط گوگل دیپ ‌مایند معرفی شد و در دسامبر ۲۰۲۴ به نسخه ۲.۰ ارتقا یافت، در طیف گسترده ‌ای از محصولات گوگل از جمله موتور جست ‌و جوی گوگل، مجموعه ‌ی Workspace و گوشی ‌های هوشمند پیکسل ادغام شده است. این یکپارچه ‌سازی موجب ارتقای سطح هوشمندی، پاسخگویی و کاربرپسندی این ابزارها شده است.

پس هوشن مصنوعی جمینای چیست؟ جمینای در واقع یک مدل زبانی بزرگ (LLM) است که با هدف درک و تولید متن مشابه زبان طبیعی انسان توسعه یافته است. این مدل به ‌منظور ادغام قابلیت‌ های پیشرفته هوش مصنوعی در تعاملات روزمره کاربران و همچنین ارائه راه ‌حل ‌های پیچیده در سطح سازمانی طراحی شده است. کاربران می ‌توانند از طریق چت ‌بات جمینای در نسخه وب یا اپلیکیشن موبایل با این مدل زبانی گوگل تعامل برقرار کنند.

مدل ‌های جمینای در چهار نسخه اصلی شامل  Ultra، Pro، Flash  و Nano ارائه شده ‌اند که هر یک با هدف پاسخ‌ گویی به نیازها و کاربردهای متفاوت طراحی شده ‌اند. از مهم ‌ترین قابلیت‌ های جدید این مجموعه می ‌توان به گسترش پنجره‌ ی زمینه ‌ی توکن ‌ها اشاره کرد که امکان تولید پاسخ ‌هایی طولانی ‌تر، دقیق ‌تر و منسجم ‌تر را فراهم می‌ سازد. به‌ طور مشخص، مدل جمینای ۱.۵ Flash  از پنجره ‌ای با ظرفیت ۱ میلیون توکن پشتیبانی می ‌کند، در حالی که این ظرفیت در مدل جمینای ۱.۵ Pro به ۲ میلیون توکن افزایش یافته است. در مقایسه، نسخه توسعه‌ یافته ChatGPT حداکثر از ۳۲ هزار توکن پشتیبانی می ‌کند.

اگر هنوز به دنیای هوش مصنوعی علاقه‌ مند نشده ‌اید و همه این ‌ها کمی گیج‌ کننده به نظر می ‌رسند، ادامه دهید و همراه ما باشید.

نسخه ‌های هوش مصنوعی Gemini

گوگل جمینای دارای سه نسخه اصلی است که هر یک برای اهداف متفاوت بهینه ‌سازی شده ‌اند:

• جمینای اولترا (Gemini Ultra): این نسخه بزرگ ‌ترین و قدرتمندترین عضو مجموعه به شمار می ‌آید. طراحی آن به ‌گونه ‌ای است که توانایی انجام وظایف بسیار پیچیده و مستلزم قدرت پردازشی بالا را دارد و از این رو برای پژوهش ‌های پیشرفته و پروژه‌ های خلاقانه‌ ی پیچیده بسیار مناسب است.
• جمینای فلش (Gemini Flash): این نسخه سبک ‌تر از جمینای پرو است و با بهره ‌گیری از روش «تقطیر دانش» در حوزه یادگیری ماشین آموزش دیده است.
• جمینای پرو (Gemini Pro): این نسخه متنوع ‌ترین عضو خانواده جمینای است که میان قدرت پردازشی و کارایی توازن برقرار می ‌کند و توانایی انجام طیف گسترده ‌ای از وظایف را به ‌صورت مؤثر فراهم می ‌سازد. این مدل به ‌ویژه برای استفاده‌ های روزمره و موقعیت‌ هایی که نیازمند ترکیبی از قابلیت‌ ها هستند مناسب است.
• جمینای نانو (Gemini Nano): این نسخه کوچک‌ ترین و کارآمدترین عضو خانواده جمینای است که برای اجرای وظایف به‌ صورت مستقیم روی دستگاه‌ هایی مانند گوشی ‌های هوشمند یا تبلت طراحی شده است. از آن جا که عملکرد آن بدون نیاز به اتصال به فضای ابری امکان‌ پذیر است، گزینه ‌ای مناسب برای شرایطی با دسترسی محدود به اینترنت محسوب می ‌شود.

گوگل جمینای چگونه کار می ‌کند؟

در این جا عملکرد گوگل جمینای به‌ طور ساده توضیح داده شده است:

• قدرت پردازشی عظیم: جمینای مانند یک مغز فوق‌ العاده قدرتمند است که با حجم عظیمی از اطلاعات، آموزش دیده است؛ شامل متن، کد، تصویر و ویدئو.
• درک نیازهای شما: وقتی سوالی می‌ پرسید، جمینای آن را تحلیل می ‌کند تا بفهمد دقیقاً چه چیزی نیاز دارید.
• ارتباط ‌سازی داده‌ ها: مانند یک کارآگاه، جمینای دانش خود را جست ‌و جو می‌ کند تا مرتبط ‌ترین اطلاعات را بیابد.
• ایجاد پاسخ: بر اساس اطلاعات به‌ دست ‌آمده، جمینای بهترین پاسخ ممکن را تولید می ‌کند؛ چه به صورت متن، کد یا حتی پاسخ‌ های خلاقانه ‌تر.
• یادگیری مستمر: با هر تعامل شما، جمینای از سوالات و بازخوردهای شما می ‌آموزد و توانایی ‌های خود را به ‌طور پیوسته بهبود می ‌بخشد.

در ادامه، توضیح دقیق‌ تری از نحوه عملکرد گوگل جمینای ارائه شده است:

• آموزش با داده ‌های عظیم: گوگل حجم وسیعی از متن، کد، تصویر و حتی ویدئو را به جمینای می‌ دهد. این داده ‌ها پایه و اساس دانش و درک جمینای از جهان را تشکیل می ‌دهند.
• درک ورودی شما: هنگامی که با جمینای تعامل می ‌کنید، چه از طریق متن و چه فرمان ‌های صوتی، از تکنیک ‌های پیشرفته پردازش زبان طبیعی (NLP) استفاده می ‌شود.  NLP به جمینای کمک می‌ کند تا درخواست شما را تحلیل کند، واژه‌ ها و مفاهیم کلیدی را شناسایی کند و نیت کلی پشت سؤال یا دستور شما را بفهمد.
• پردازش چند رسانه ‌ای: بر خلاف مدل‌ های سنتی هوش مصنوعی که عمدتاً بر متن تمرکز دارند، جمینای قادر است اطلاعات را از چندین نوع داده مختلف پردازش و درک کند. به این معنا که می ‌تواند محتوای تصاویر و ویدئوها را همراه با داده‌ های متنی تحلیل کرده و درک جامع ‌تری از پرسش شما ارائه دهد.
• ساخت گراف دانش: جمینای بر اساس داده‌ های آموزشی، یک گراف دانش داخلی ایجاد می‌ کند. این گراف، مفاهیم، ایده‌ ها و حقایق مختلف را به هم متصل می ‌کند و به جمینای امکان می ‌دهد روابط بین بخش ‌های اطلاعاتی ظاهراً نامرتبط را شناسایی و مدیریت کند.
• استدلال و نتیجه ‌گیری: جمینای تنها اطلاعات را باز تولید نمی ‌کند؛ بلکه می‌ تواند بر اساس دانش خود استدلال کرده و نتیجه ‌گیری کند. این قابلیت به آن امکان می ‌دهد تا به سوالات پیچیده پاسخ دهد، مسائل را به‌ صورت خلاقانه حل کند و حتی قالب ‌های متنی خلاقانه مختلف تولید نماید.
• یادگیری ماشین و تطبیق: با هر تعامل شما، جمینای به‌ طور مداوم یاد می‌گیرد و خود را تطبیق می ‌دهد. این سیستم تعاملات پیشین شما، بازخوردهای ارائه ‌شده (در صورت وجود) و میزان موفقیت پاسخ‌ ها را تحلیل می‌ کند تا عملکرد خود را به مرور زمان بهبود بخشد. این ویژگی باعث می ‌شود جمینای شخصی ‌سازی شده و نیازهای خاص شما را بهتر درک کند.
• تولید خروجی: بسته به نوع درخواست شما، جمینای خروجی خود را متناسب می ‌سازد. این خروجی می‌ تواند شامل پاسخ‌ های متنی، تولید محتوای خلاقانه مختلف یا حتی ارائه قطعه کد برای کمک به برنامه ‌نویسی باشد.
• هشدار: اطلاعات غیر عمومی را در جمینای وارد نکنید. در صورتی که با اطلاعات غیر عمومی کار می‌ کنید، می ‌توانید با خرید حساب کاربری از امنیت داده ‌ها اطمینان حاصل کنید.

مقایسه Gemini با Google Assistant

Gemini توانایی انجام کارهایی واقعاً شگفت ‌انگیز را دارد. این دستیار نشان ‌دهنده یک تحول اساسی در شیوه تعامل ما با هوش مصنوعی برای انجام امور است. هنگام آغاز کار با  Gemini، توجه به چند نکته کلیدی ضروری است:

• از آن جا که Gemini قادر به درک زبان طبیعی است، می ‌توانید درست مانند یک دستیار شخصی با او صحبت کنید یا برایش بنویسید.
• از آن جا که Gemini بر پایه مدل‌ های بسیار بزرگ و پیشرفته هوش مصنوعی توسعه یافته است، در برخی موارد ممکن است اجرای درخواست‌ های ساده اندکی بیشتر از Google Assistant زمان ببرد. با این حال، بهبود کارایی و افزایش سرعت این سامانه به ‌طور مستمر در حال پیگیری است و انتظار می‌ رود عملکرد آن به مرور زمان سریع ‌تر شود.
• اگر چه Gemini می ‌تواند به پرسش ‌های بسیار بیشتری نسبت به Google Assistant پاسخ دهد، اما همیشه پاسخ ‌ها بی ‌نقص نخواهند بود. شما می ‌توانید با استفاده از قابلیت «بررسی دوباره»، منابعی را که Gemini در بسیاری از پاسخ‌ های خود ارائه می‌ دهد مرور کنید یا برای اطمینان از صحت اطلاعات حیاتی، از Google Search  کمک بگیرید.

در ادامه فهرستی از قابلیت‌ های پرکاربرد Google Assistant  ارائه شده است که اکنون در Gemini در دسترس هستند یا به ‌زودی اضافه خواهند شد. لطفاً توجه داشته باشید که این قابلیت ‌ها تنها مربوط به تلفن همراه شما و سایر دستگاه ‌های واجد شرایط اندرویدی هستند.

راهنما:

ارتقا یافته با بهره‌ گیری از هوش مصنوعی: کاربران می ‌توانند درخواست‌ های خود را به زبان طبیعی، چه به‌ صورت نوشتاری و چه گفتاری، مطرح کنند و علاوه بر آن، در انجام وظایف پیچیده ‌تر مانند استفاده هم‌ زمان از چند برنامه از این قابلیت بهره ‌مند شوند. این ویژگی ‌های جدید به ‌تدریج عرضه خواهند شد.

اکنون در Gemini در دسترس است.
به زودی ارائه خواهد شد.

نوعی کمک جدید

در ادامه چند مثال دیگر از کارهای هیجان ‌انگیزی که می ‌توانید با Gemini  به‌ عنوان دستیار جدید خود انجام دهید، ارائه شده است.

“یک ایمیل رسمی برای صاحب‌ خانه ‌ام بفرست که دستگاه تهویه مطبوعم خراب شده است. متن باید فوری به نظر برسد اما همچنان مودبانه باشد.”

Gemini می ‌تواند با نگارش ایمیلی با کلمات دقیق، در وقت شما صرفه‌ جویی کند. هر چه اطلاعات بیشتری درباره آن چه می‌ خواهید در پیامتان باشد ارائه دهید، پاسخ دریافتی نیز شخصی ‌سازی ‌شده‌ تر خواهد بود.

“یک تصویر از گربه ‌ای که با دوچرخه BMX از روی یک تپه شنی روی ماه می‌ پرد، در کنار یک ماژول فرود ایجاد کن.”

Gemini می ‌تواند به شما در کشف مرزهای بیرونی تخیلات تان کمک کند، دوچرخه ‌سواری روی ماه، مشتری، مریخ و هر کجا که بخواهید.

“سر فصل درس جامعه ‌شناسی را در Google Drive بررسی کن و همه مهلت‌ های من را فهرست کن.”

Gemini می ‌تواند چند کار را به‌ صورت هم ‌زمان انجام دهد. این دستیار می‌ تواند اطلاعات را جست ‌و جو کند یا به پرسش‌ ها پاسخ دهد و با بسیاری از برنامه ‌ها و خدمات دیگر نیز کار می‌ کند.

“خواهرزاده و برادرزاده ‌ام این آخر هفته می ‌آیند و من به دنبال ایده ‌ای سرگرم ‌کننده و آموزشی هستم که بتوانیم با هم انجام دهیم، شاید چیزی مرتبط با شیمی… چیزی کمی غیر معمول.”

می‌ توانید با Gemini  به‌ صورت زنده گفتگو کنید تا مکالماتی طبیعی و روان داشته باشید، زمانی که می‌ خواهید ایده ‌پردازی کنید، برنامه‌ ریزی کنید، ایده‌ های جدید را کاوش کنید یا صرفاً درباره موضوعی صحبت کنید.

“این آخر هفته برای دوستانم آشپزی می ‌کنم. یک وعده سه ‌قسمتی مدیترانه ‌ای شامل دسر بساز، با این توجه که یک نفر گیاه ‌خوار است و دیگری به آجیل حساسیت دارد.”

Gemini می‌ تواند در برنامه‌ ریزی مهمانی بعدی شما کمک کند؛ از ارائه دستورهای غذایی سفارشی و فهرست پخش منتخب گرفته تا سریع‌ ترین روش برای تمیز کردن آشپزخانه.

اصطلاحات هوش مصنوعی: مدل‌ های زبانی بزرگ (LLM)، هوش مصنوعی مولد (Generative AI) ، چت ‌بات ‌ها، توکن ‌ها

هوش مصنوعی مولد (Generative AI یا Gen AI) به سیستم ‌هایی اطلاق می ‌شود که قادر به تولید محتوا، شامل متن، تصویر و حتی موسیقی، بر اساس داده ‌های آموزش دیده هستند. مدل ‌های زبانی بزرگ (LLM) مانند جمینای نمونه ‌ای از هوش مصنوعی مولد به شمار می ‌روند. این مدل‌ ها با بهره‌ گیری از مجموعه‌ های داده ‌ی عظیم شامل متن و کد، یادگیری می ‌کنند و سپس از این دانش برای درک و تولید محتوایی مشابه زبان انسانی استفاده می نمایند.

احتمالاً قبلاً با یک مدل زبانی بزرگ (LLM) تعامل داشته ‌اید، چه از طریق چت ‌بات ‌های پشتیبانی آنلاین مشتریان و چه خود چت‌ جی ‌پی ‌تی.

این چت ‌بات ‌ها از مدل‌های زبانی بزرگ (LLM) برای برقراری مکالمات لحظه ‌ای، ارائه اطلاعات و حل مسائل استفاده می‌ کنند؛ هر چند گاهی اوقات پاسخ‌ های نادرست یا عجیب ارائه می ‌دهند که به آن «توهمات هوش مصنوعی (AI hallucinations)» گفته می ‌شود. گوگل نیز در این زمینه تجربه‌ هایی داشته است، اما در ادامه به جزئیات بیشتری می ‌پردازیم.

توکن ‌ها بلوک های سازنده متن هستند که مدل ‌های هوش مصنوعی برای پردازش زبان از آن ‌ها استفاده می‌ کنند. هنگام خواندن یا تولید متن، مدل‌ های زبانی، محتوا را به قطعات کوچک ‌تری به نام توکن تقسیم می‌ کنند. این توکن ‌ها می ‌توانند شامل کلمات کامل، بخش ‌هایی از کلمات یا حتی علائم نگارشی باشند. برای مثال، در جمله‌ی «Hello, world!» هوش مصنوعی ممکن است «Hello» و «,» را به ‌عنوان توکن ‌های مجزا در نظر بگیرد.

بنابراین وقتی از محدودیت توکن ‌ها صحبت می ‌کنیم، منظور این است که هوش مصنوعی چقدر از گفت‌ و گو را می ‌تواند «به یاد بسپارد» تا پاسخ ‌ها منسجم و مرتبط باقی بمانند.

نکته ‌ای که باید به خاطر داشت این است که مانند هر فناوری نوین دیگر، جمینای همچنان در حال توسعه است و هوش مصنوعی به ‌طور روزانه در حال پیشرفت می ‌باشد.

جمینای در گوشی ‌های پیکسل و جستجوی گوگل

جمینای چگونه در دستگاه‌ هایی که هر روز استفاده می ‌کنید نقش ایفا می ‌کند؟ ابتدا، این فناوری به ‌طور مستقیم در گوشی‌ های پیکسل گوگل تعبیه شده است.

اگر تاکنون از گوشی پیکسل برای تبدیل پیام ‌های صوتی به متن یا تولید پاسخ‌ های سریع ایمیل استفاده کرده ‌اید، در واقع مدل جمینای در پس ‌زمینه فعال بوده است. این سیستم به گوشی پیکسل امکان می ‌دهد وظایف را با سرعت بالاتر و به شیوه ‌ای طبیعی ‌تر انجام دهد.

جمینای همچنین نقش مهمی در ارائه نمای کلی هوش مصنوعی (AI Overviews) در نتایج جست ‌و جوی گوگل ایفا می ‌کند. اگر تاکنون مشاهده کرده ‌اید که پاسخ‌ های دقیق ‌تر و دارای زمینه ‌ی غنی ‌تر در بالای نتایج جست ‌و جو نمایش داده می ‌شوند، این امر ناشی از ادغام جمینای است. این مدل به تحلیل موضوعات پیچیده و تبدیل آن ‌ها به توضیحاتی کوتاه، شفاف و قابل فهم کمک می ‌کند.

در زمان عرضه، گوگل با انتقادهایی مواجه شد؛ چرا که نمای کلی هوش مصنوعی (AI Overviews)  گاهی توصیه ‌های نامتعارف یا نادرست به کاربران ارائه می ‌داد، از جمله پیشنهاد مصرف روزانه سنگ یا افزودن چسب به دستور پخت پیتزا. این شرکت ب ه‌سرعت اقدام به اصلاحات لازم کرد تا چنین مشکلاتی رفع شوند.

تمام کاربران در ایالات متحده آمریکا با سن ۱۳ سال و بالاتر که حساب گوگل خود را مدیریت می‌ کنند، می ‌توانند به نمای کلی هوش مصنوعی (AI Overviews) دسترسی داشته باشند. در سایر کشورها، مانند بریتانیا، هند، مکزیک، برزیل، اندونزی و ژاپن، دسترسی به این ویژگی برای کاربران ۱۸ سال به بالا فراهم است. گوگل قصد دارد این قابلیت را به ‌طور جهانی گسترش دهد و هدف آن رسیدن به بیش از یک میلیارد کاربر تا پایان سال ۲۰۲۴ بوده است.

برخی کاربران این ویژگی را دوست ندارند و نکته منفی این است که نمای کلی هوش مصنوعی (AI Overviews)  قابل غیر فعال‌ سازی نیست. با این حال، چند روش جایگزین وجود دارد که ممکن است به مدیریت یا کاهش تاثیر آن کمک کند.

بهبود Gemini با همکاری شما

گوگل همواره از بازخوردهای افراد می ‌آموزد و تلاش می کند تا Gemini را با گذر زمان سریع‌ تر و توانمندتر کند، اما همیشه درست عمل نخواهد کرد. در حالی که بر توسعه قابلیت ‌های هیجان ‌انگیز جدید برای Gemini  کار می کند، متعهد به بهبود کیفیت تجربه روزمره کاربران است، به‌ ویژه برای کسانی که به Google Assistant  تکیه داشته ‌اند.

می ‌توانید بازخورد خود را با دادن «لایک» یا «دیس ‌لایک» به هر پاسخ Gemini  و سپس بیان نظرات تان با گوگل در میان بگذارید. گوگل مشتاقانه منتظر دریافت دیدگاه‌ های شما است.

رفع مشکل تولید تصاویر با عرضه نسخه ‌های جدید

زمانی که جمینای برای اولین بار عرضه شد، مشکلات زیادی بروز کرد. گوگل با انتقادهایی درباره برخی توهمات هوش مصنوعی و نحوه نمایش شخصیت‌ های تاریخی و نژادهای مختلف مواجه شد. این موضوع حتی به تیتر خبرها تبدیل شد، از جمله نمایش سربازان نازی سیاه ‌پوست و آسیایی که با واکنش ‌های منفی رو به ‌رو شد. منتقدان گوگل را متهم کردند که بیش از حد تلاش کرده تنوع نژادی را نشان دهد. در نتیجه، گوگل تولید تصاویر توسط جمینای را متوقف کرد و قول داد که این مشکلات را اصلاح کند.

در تاریخ ۲۸ اوت، گوگل آخرین نسخه از ابزار تبدیل متن به تصویر خود، یعنی Imagen 3، را برای مشترکین نسخه ‌های پیشرفته، تجاری و سازمانی جمینای معرفی کرد. در آن زمان، قابلیت تولید تصاویر افراد موقتاً غیر فعال شده بود.

پیش‌ تر، در تاریخ ۱۳ اوت، گوگل جمینای لایو را برای مشترکین نسخه پیشرفته روی دستگاه‌ های اندرویدی عرضه کرد و برنامه ‌هایی برای گسترش آن به سیستم عامل iOS در دست دارد. جمینای لایو امکان برقراری مکالمات بلادرنگ و بدون دخالت دست با استفاده از ۱۰ گزینه صدای جدید را فراهم می‌ کند، حتی زمانی که اپلیکیشن در پس‌ زمینه فعال است یا گوشی قفل شده است. علاوه بر این، کاربران می ‌توانند مکالمات را هر زمان که بخواهند مکث کرده و مجدداً از سر بگیرند، که این ویژگی تجربه کاربری را بهبود می ‌بخشد.

قیمت ‌گذاری و نحوه دسترسی

جمینای به‌ عنوان یک دستیار هوش مصنوعی شخصی، به ‌صورت رایگان در دسترس است و امکان استفاده از مدل ۱.۵ Flash با پنجره زمینه ‌ای ۳۲,۰۰۰ توکن را فراهم می ‌کند؛ این ظرفیت برای مکالمات طولانی و تعاملی مناسب است. با این حال، برای بهره ‌گیری از ویژگی ‌های پیشرفته ‌تر، جمینای چند طرح اشتراک ارائه می ‌دهد:

• جمینای پیشرفته (Gemini Advanced) با مدل 1.5 Pro: ماهانه ۲۰ دلار
• جمینای تجاری (Gemini Business): ماهانه ۲۰ دلار به ازای هر کاربر در طرح سالانه یا ۲۴ دلار در صورت پرداخت ماهانه
• جمینای سازمانی (Gemini Enterprise): ماهانه ۳۰ دلار به ازای هر کاربر در طرح سالانه، با امکان قیمت ‌گذاری سفارشی از طریق تیم فروش گوگل

برای توسعه ‌دهندگان و کسب‌ و کارها، گوگل یک ساختار قیمت‌ گذاری پلکانی برای مدل‌ های  API جمینای مانند فلش و پرو در نظر گرفته است. توسعه‌ دهندگان می ‌توانند از طریق خدمات API گوگل کلود به این مدل ‌ها دسترسی پیدا کرده و قابلیت ‌های هوش مصنوعی را مستقیماً در برنامه‌ های خود ادغام کنند.

هر دو مدل قابلیت استفاده مقیاس‌ پذیر از هوش مصنوعی را فراهم می ‌کنند، با این تفاوت که قیمت‌ گذاری و محدودیت نرخ بر اساس سطح اشتراک و طول توکن متفاوت است. جزئیات دقیق تعرفه ‌ها را می‌ توان در وب ‌سایت رسمی گوگل مشاهده کرد. همچنین یک سطح رایگان نیز وجود دارد که با ارائه حجم محدودی از استفاده، امکان آزمایش و آشنایی اولیه را فراهم می‌ سازد—گزینه ‌ای مناسب برای امتحان کردن پیش از استفاده گسترده ‌تر.

سوالات متداول

الان روی دستگاه من Google Assistant فعال است، آیا این یعنی دستگاه من به Gemini ارتقا خواهد یافت؟

• می‌ توانید Gemini را از فروشگاه Google Play یا Apple App Store دانلود کرده و در هر زمان از تجربه ارتقا یافته آن استفاده کنید.
• اگر به همه سوالات زیر پاسخ «بله» بدهید، دستگاه شما در ماه ‌های آینده از Assistant به Gemini ارتقا خواهد یافت:

اگر دستگاه شما تلفن همراه یا تبلت است:

• آیا دستگاه شما حداقل ۲ گیگا بایت رم دارد؟
• آیا در یکی از بیش از ۲۰۰ کشور محل عرضه Gemini هستید؟
• برای اندروید: آیا دستگاه شما اندروید ۱۰ یا بالاتر دارد؟
• برای iOS: آیا دستگاه شما iOS 16 یا بالاتر دارد؟

اگر دستگاه شما هدفون است: دستیار دیجیتال روی هدفون شما در ماه‌ های آینده با دستیار دیجیتال موجود روی دستگاه موبایل متصل شما هماهنگ خواهد شد.

چه اتفاقی برای Google Assistant روی اسپیکرها و نمایشگرهای خانگی، خودرو یا تلویزیون من خواهد افتاد؟

اگر دستگاه شما هدفون است: دستیار دیجیتال روی هدفون شما در ماه‌ های آینده با دستیار دیجیتال موجود روی دستگاه موبایل متصل شما هماهنگ خواهد شد. گوگل همچنین تجربه‌ ای جدید، مبتنی بر Gemini، را برای دستگاه‌ های خانگی مانند اسپیکرها، نمایشگرها و تلویزیون ‌ها ارائه می کند. گوگل مشتاقانه منتظر به اشتراک ‌گذاری جزئیات بیشتر با شما در چند ماه آینده است. تا آن زمان، Google Assistant  روی این دستگاه ‌ها به فعالیت خود ادامه خواهد داد.

آیا Gemini می ‌تواند همه کارهایی که Google Assistant انجام می ‌دهد را انجام دهد؟

• Gemini دستیار هوش مصنوعی گوگل است که همان کمک ‌های بدون کاربرد دست مورد علاقه شما در Google Assistant را ارائه می ‌دهد، اما فراتر رفته و توانایی مکالمه طبیعی و انجام وظایف پیچیده‌ تر را دارد.
• جدول مفید ذکر شده در بالا بسیاری از ویژگی ‌هایی را که از Google Assistant می‌ شناسید نشان می‌ دهد و توضیح می ‌دهد که Gemini  چگونه آن ‌ها را بهبود می‌ بخشد.
• علاوه بر این، Gemini به ‌طور ذاتی چند رسانه ‌ای و عامل ‌محور است، بنابراین می‌ توانید با آن مکالمات آزاد و روان داشته باشید و Gemini  می ‌تواند به نمایندگی از شما وظایف را انجام دهد.

برای Gemini از چه کلمه کلیدی برای فعال سازی (hotword) استفاده کنم؟

• «Hey Google» همچنان به ‌عنوان کلمه کلیدی فعال سازی (hotword) عمل خواهد کرد.
• هم زمان با ارتقای دستگاه ‌ها به Gemini، اگر Gemini روی آن دستگاه در دسترس باشد، گفتن «Hey Google» دستیار Gemini  را فعال می ‌کند.
• در سایر مواردی که Gemini هنوز در دسترس نیست، «Hey Google»  هم چنان دستیار Google Assistant  را فعال خواهد کرد.

به منظور انجام ارتقا به‌ صورت روان و بدون مشکل، برخی از تنظیمات و تاریخچه ‌های Google Assistant  هنگام ارتقای دستگاه شما به Gemini  استفاده خواهند شد. به ‌عنوان مثال، در بیشتر کشورها هنگام انتقال به Gemini، گوگل به ‌طور خودکار تاریخچه تماس‌ ها و پیام‌ های اخیر شما را از Google Assistant بررسی می کند تا بهتر بتواند تشخیص دهد که می ‌خواهید با چه کسی تماس بگیرید یا پیام ارسال کنید.

آیا تاریخچه و تنظیمات شخصی ‌سازی شده من از Google Assistant به Gemini منتقل خواهند شد؟

اگر از Google Assistant با حساب کاری خود استفاده می ‌کنید، شما نیز اواخر امسال از Google Assistant  به Gemini  منتقل خواهید شد. مدیر Google Workspace  شما پیش از انجام انتقال اطلاع خواهد یافت و تجربه کاربری ممکن است بسته به قابلیت‌ هایی که مدیر شما برای Gemini  فراهم کرده است متفاوت باشد.