Google ha recentemente pubblicato un video dimostrativo delle capacità di risposta vocale del suo modello di linguaggio di grandi dimensioni (LLM), Gemini, in “tempo reale”. Tuttavia, è stato poi ammesso che la demo non è avvenuta in tempo reale con prompt vocali, ma piuttosto con prompt di testo.
Ricreazione della Demo con GPT-4
Uno YouTuber ha utilizzato GPT-4 Vision per ricreare la demo di Gemini e realizzarla in tempo reale. Questo esperimento ha dimostrato che è possibile ottenere risultati simili a quelli mostrati nel video di Gemini utilizzando la tecnologia GPT-4.
Dettagli della Demo di Gemini
Nel video di Gemini, inizialmente sembrava che il sistema rispondesse in tempo reale a comandi vocali. Tuttavia, è stato poi rivelato che la latenza era stata ridotta e le risposte di Gemini erano state abbreviate per brevità. Inoltre, Google ha confermato a Bloomberg che Gemini non stava rispondendo a prompt vocali in tempo reale, ma a prompt di testo.
Capacità di Gemini
Nonostante la controversia, Oriol Vinyals, co-leader di Gemini, ha spiegato che Gemini possiede tutte le capacità necessarie per questa funzione. Il video era inteso per mostrare come potrebbero apparire le “esperienze utente multimodali costruite con Gemini“.
Demo di GPT-4 Vision
Nel video pubblicato da Greg Technology su YouTube, GPT-4 è stato utilizzato per riconoscere segni con le mani, identificare un gioco che l’host stava giocando con le mani e identificare un disegno. Sebbene non fosse così raffinato o veloce come mostrato nella demo di Gemini, ha risposto in tempo reale.
Implicazioni e Confronto
Questo sviluppo evidenzia la rapida evoluzione e la competizione nel campo dell’intelligenza artificiale, in particolare tra sistemi come Gemini di Google e GPT-4 di OpenAI. Dimostra anche l’importanza della trasparenza e dell’accuratezza nelle dimostrazioni tecnologiche.