AI 紅了一陣子，有些功能對於工作的幫助很大，但不少人也漸漸開始感受到一般模型帶來的限制，究竟要到什麼時候，我們才能夠有像是漫威電影中鋼鐵人的 AI 助手 F.R.I.D.A.Y. 一樣強大、理解力高的服務呢？
去年 12 月，Google 宣布推出號稱目前市面上最強大的多模態模型 Gemini AI，不僅打破過往只能以文字下指令的限制，更透過大量資料訓練獲得超群的理解能力，而且價格相較 OpenAI 更加實惠 。
多模態模型（Multimodality）是什麼？
傳統上來說， AI 模型會專注於單一的資料來源形式，像是 Google Vision AI 就是以圖片為主、Google Speech-to-Text AI 就是以音訊為主；多模態模型則是尋求大量資料的整合，加強其模型的準確度和有效性。就像是人類還是胚胎時，最早發展出的是觸覺，接著嗅覺、味覺、聽覺等，最後是視覺，當感官逐漸成熟，胚胎或是嬰兒對於環境給予的刺激會有越來越多不同的反應；小學時，我們大部分的學科都先將重點放在單一方向基本功，國語需要學習認字、寫字、詞語解釋，數學則是加減乘除，但到了中學、高中、大學，則會仰賴過去累積的所有技能做出綜合性的判斷，寫作出一篇用字正確、用詞得宜、搭配個人經驗、符合歷史脈絡的文章，或是針對考題上所附的地圖，考慮地理知識、搭配計算能力找出解答。上面舉出的例子也顯示出，多模態模型的學習方式與人類近似，能力也將與人腦更加相近。
多模態模型的應用範圍相較於一般 AI 模型更加多元且廣泛。在過去，我們上網購物時，通常可透過網站的分類選取或是輸入關鍵字尋找想購買的商品，但有時，可能因為不太確定該商品的正式名稱，而找不到該商品，在結合了圖片的輸入來源後，只要將想買的產品照片上傳，就可以快速找到一模一樣的物品，購物網站甚至還能夠推薦類似的款式，讓消費者可以更有效率的比價、挑選。
🔗 延伸閱讀：AI 、ML、DL 到底是什麼？客製企業專屬生成式 AI 模型就用 Vertex AI
目前最強的多模態模型 Google Gemini 部分版本已上線
Gemini 是一個由 Google 從頭開始建置的多模態模型，透過內部跨部門合作，Gemini 能夠通用於多元場景，且確實、通順地理解和回應文字、圖片、影片、音訊及程式碼等不同形式的資料輸入，同時具有高度彈性，無論是資料中心、電腦或是行動裝置等不同平台都可以運作。
Gemini 多模態模型有哪些版本？
- Ultra：目前最高等級、最大的模型，適用於高度複雜的任務。
- Pro：已經與 Bard, Vertex AI 等 Google 旗下服務結合，通用性最高。
- Nano：效率最高、在小型裝置（如手機）上也能輕鬆使用的版本。
根據 Google 實測，Gemini 在各方面的性能幾乎都超越了 GPT 模型：
未來的企業應用可能
🔗 延伸閱讀：AI 如何協助企業？三大應用場景一次了解！
1. 新人指南
過去我們提過 Google Vertex AI Search 可協助企業建置一個專屬的搜尋引擎，企業若是將內部的規章、SOP 程序等資料投入，對於新進員工訓練、內部資訊的查找都有很大的幫助。搭配 Gemini 的強大效能，我們對於這個系統將可以有更具體的適用案例：新進員工 A 從上司那收到了一份文件，該文件沒有標題，A 不知道該從何下手處理這份文件。這時，他將可以將該文件拍照上傳內部的檢索系統，透過文字辨識讓 AI 了解文件的內容和目的，進而找出相關的程序，還可以檢查文件上是否有缺漏任何主管或部門的簽章。
2. 行銷規劃
行銷部門的 B 在今年的活動安排已滿，但因為公司意外獲頒獎項，B 必須在企劃一場兩週後就要舉行、符合老闆偏好、獲獎主題的慶祝派對，B 對於這個獎項的細節一無所知，也沒有時間慢慢思考規劃。這時，他就可以請 Gemini 提供建議，並在對話當中一步步完成企劃、也獲得舉辦活動所需的資訊。
3. 數據整理
數據科學家 C 必須在年底做出一份關於網站流量的分析報告，他的主管希望他不只是做一個年度的總結，更整理過去的歷史資料，分析公司的軌跡並提出對未來走向的預測。這時， C 可以利用 Gemini 找出眾多歷史資料中他所需要的數字和圖表（沒錯，還有圖表）。
4. 程式碼生成
工程師 D 用 Figma 設計了一個網頁，但他目前只有一個初步的構想，很多細節都還沒規劃，這個情況下，需要花費大把時間寫出一個前端， 對 D 來說很不划算。這時，就可以出動 Gemini， 一張簡單的網頁設計圖就可以生成完整的前端程式碼。
5. 業務輔助
業務 E，最近接到了一個來自國外的 Qualified Leads，因為採購金額很大，若是成了他今年的業績目標就穩了。遺憾的是，E 的外語能力非常弱，客戶的公司由來自不同國家的成員組成，口音多元，認真的 E 會把會議錄下來，事後做成文字紀錄，但總是花上很多時間。在不久的將來， Gemini 就可以幫助 E 改善這個問題！直接接收音訊的 Gemini 可以幫助 E 做出摘要，也能夠根據語氣中的變化提供更詳細的提示。
由上述案例可知，多模態模型 Gemini 的超高理解力將為我們的生活、工作再度帶來新一波變革！現在，從 Bard 、Vertex AI 都可以立即體驗 Gemini 模型，歡迎聯絡思想科技了解更多！
內容參考：
Google台灣 – 官方部落格: 隆重推出Gemini：我們最強大的AI 模型
