مدل زبانی بزرگ جمینای 2.0 فلش، هوش مصنوعی جدید شرکت گوگل

آیا تا به حال به این فکر کرده‌اید که چگونه ماشین‌ها می‌توانند از ابزارهای ساده فراتر روند و به همکارانی واقعی در زندگی روزمره ما تبدیل شوند؟ گوگل با ارائه مدل پیشرفته جمینای 2.0 فلش ( Gemini 2.0 Flash) گامی بزرگ به سوی عصر جدیدی برداشته است که می‌توان آن را “عصر عامل‌گرا” نامید؛ دورانی که در آن هوش مصنوعی نه‌تنها قادر به انجام وظایف پیچیده با دقت بالا است، بلکه می‌تواند به‌عنوان همراهی هوشمند در فرآیندهای تصمیم‌گیری و خلق ایده‌های نو ایفای نقش کند.

در این مقاله قصد داریم سفری به دنیای شگفت‌انگیز جمینای 2.0 فلش داشته باشیم و بررسی کنیم که این مدل چگونه توانایی‌های خود را از ابزار صرف به سطحی فراتر، یعنی همکار هوشمند، ارتقا می‌دهد. اگر شما هم مشتاق هستید که تصویری روشن‌تر از آینده داشته باشید و بدانید هوش مصنوعی چگونه می‌تواند زندگی ما را دگرگون کند، همراه این مطلب از هامیا ژورنال باشید.

اطلاعات به عنوان نیروی محرکه پیشرفت بشری شناخته می‌شود. شرکت گوگل، با تمرکز بر سازماندهی اطلاعات جهان و تسهیل دسترسی به آن، بیش از دو دهه است که در این مسیر گام برمی‌دارد. در راستای این هدف، تلاش‌های مداومی برای توسعه مرزهای هوش مصنوعی صورت می‌گیرد تا اطلاعات به صورت جامع و کارآمد سازماندهی شده و از طریق انواع مختلف داده‌ها قابل دسترسی باشد.

در همین راستا، مدل زبانی Gemini 1.0 در سال 2023 معرفی شد. این مدل به همراه مدل Gemini 1.5 به عنوان اولین مدل‌های هوش مصنوعی چندوجهی، با داشتن پنجره کانالی بزرگ، توانایی درک و پردازش انواع مختلف داده‌ها از جمله متن، ویدئو، تصویر، صدا و کد را به نمایش گذاشتند که گامی بزرگ در زمینه درک عمیق از اطلاعات محسوب می‌شوند.

با توجه به قابلیت‌های برجسته جمینای، میلیون‌ها توسعه‌دهنده از آن در پروژه‌های خود بهره می‌برند. این امر به شرکت گوگل امکان می‌دهد تا محصولات خود را ارتقا داده و محصولات جدیدی بر پایه این فناوری ایجاد کند. به عنوان مثال، NotebookLM نشان می‌دهد که چگونه مدل‌های چندوجهی می‌توانند به کاربران در انجام وظایف مختلف کمک کنند.

در سال 2024، تمرکز اصلی شرکت گوگل بر توسعه مدل‌های عامل‌گرا (agentic models) بوده‌است. این مدل‌ها قادرند با درک بهتر محیط اطراف، چندین گام آینده را پیش‌بینی کرده و به صورت خودکار اقدامات مورد نیاز را با نظارت کاربر انجام دهند.

در دسامبر سال 2024، شرکت گوگل با افتخار، نسل بعدی مدل‌های خود را معرفی کرد. Gemini 2.0 به عنوان قدرتمندترین مدل زبان بزرگ این شرکت، قابلیت‌های چندوجهی را به سطح جدیدی ارتقا داده‌است. با امکان تولید تصاویر و صدا به صورت محلی و همچنین ادغام با ابزارهای مختلف گوگل، جمینای 2.0 فلش به عنوان بستری برای توسعه دستیارهای هوشمند چندکاره مورد استفاده قرار می‌گیرد و گامی مهم در جهت تحقق چشم‌انداز دستیار جهانی محسوب می‌شود.

مدل زبانی Gemini 2.0 از دسامبر 2024 به صورت آزمایشی در اختیار توسعه‌دهندگان و کاربران منتخب قرار گرفته‌است. شرکت گوگل در تلاش است تا این مدل را به سرعت در محصولات خود، به ویژه جمینای و موتور جستجو، ادغام کند. هم‌اکنون، نسخه آزمایشی جمینای 2.0 فلش برای تمامی کاربران Gemini قابل دسترس است. علاوه بر این، ویژگی جدیدی به نام Deep Research معرفی شده‌است که با بهره‌گیری از قابلیت‌های استدلال پیشرفته و درک متون طولانی، به عنوان یک دستیار تحقیقاتی عمل کرده و قادر به بررسی موضوعات پیچیده و تهیه گزارش‌های جامع است. این ویژگی در حال حاضر برای کاربران Gemini Advanced قابل استفاده می‌باشد.

هیچ محصولی به اندازه موتور جستجو تحت تأثیر هوش مصنوعی قرار نگرفته‌است. ویژگی AI Overviews که به کاربران امکان می‌دهد طیف گسترده‌ای از پرسش‌ها را مطرح کنند، با استقبال بسیار خوبی (در حدود 1 میلیارد نفر) روبرو شده‌است. در گام بعدی، مطابق با گزارش‌های شرکت گوگل قابلیت‌های استدلالی پیشرفته Gemini 2.0 به AI Overviews اضافه خواهد شد تا کاربران بتوانند پرسش‌های پیچیده‌تر، از جمله مسائل ریاضی، پرسش‌های چند وجهی و کد نویسی را مطرح کنند. این ویژگی در حال حاضر در مرحله آزمایشی قرار دارد و در اوایل سال 2025 به صورت گسترده‌تر عرضه خواهد شد. همچنین، گسترش پوشش AI Overviews به زبان‌ها و کشورهای مختلف در برنامه‌های آتی شرکت گوگل قرار دارد.

پیشرفت‌های حاصل شده در جمینای 2.0 فلش نتیجه سرمایه‌گذاری‌های طولانی مدت شرکت گوگل در حوزه هوش مصنوعی و رویکرد جامع و متمایز آن است. این مدل بر روی سخت‌افزارهای سفارشی مانند Trillium و نسل ششم TPU‌ها ساخته شده‌است. TPU‌ها به طور کامل مسئولیت آموزش و اجرای Gemini 2.0 را بر عهده داشته‌اند و در حال حاضر، پلتفرم Trillium به صورت عمومی در دسترس توسعه‌دهندگان قرار دارد.

در حالی که Gemini 1.0 بر سازماندهی و درک اطلاعات تمرکز داشت، جمینای 2.0 بر کاربردی‌تر کردن این اطلاعات تأکید دارد.

معرفی Gemini 2.0: مدل هوش مصنوعی جدید شرکت گوگل در عصر عامل‌گرایی (agentic era)

در طول سال 2024، شرکت گوگل شاهد پیشرفت‌های چشمگیری در حوزه هوش مصنوعی بوده‌است. شرکت گوگل با معرفی نسخه آزمایشی Gemini 2.0 Flash، گامی بزرگ در این مسیر برداشته‌است. این مدل با بهره‌گیری از فناوری‌های پیشرفته و مقیاس‌پذیری بالا، به عنوان یکی از قدرتمندترین مدل‌های زبانی بزرگ در نظر گرفته می‌شود. سرعت بالای پاسخ‌دهی و عملکرد پیشرفته این مدل، آن را به ابزاری قدرتمند در حوزه‌های مختلف تبدیل کرده‌است.

شرکت گوگل همچنین با ارائه نمونه‌های اولیه‌ای که با قابلیت‌های چندوجهی جمینای 2.0 فلش فعال شده‌اند، مرزهای تحقیقات در حوزه عامل‌گرایی را گسترش داده‌است. این نمونه‌ها نشان می‌دهند که چگونه مدل‌های زبانی بزرگ می‌توانند در انجام وظایف پیچیده و چند مرحله‌ای مورد استفاده قرار گیرند.

Demis Hassabis و Koray Kavukcuoglu

Gemini 2.0 Flash چیست؟

مدل زبانی بزرگ جمینای 2.0 فلش با بهره‌گیری از موفقیت نسخه پیشین خود، Gemini 1.5 Flash، و با هدف بهبود عملکرد در زمان‌های پاسخ‌دهی مشابه طراحی شده‌است. نتایج ارزیابی‌ها نشان می‌دهد که Gemini 2.0 Flash در شاخص‌های کلیدی عملکردی، حتی از نسخه پیشرفته‌تر Gemini 1.5 Pro نیز پیشی گرفته و سرعت آن دو برابر شده‌است. این مدل علاوه بر پشتیبانی از انواع داده‌های ورودی مانند تصویر، ویدیو و صدا، قادر به تولید خروجی‌های متنوعی از جمله تصاویر، متن و صداهای چندزبانه است. همچنین، جمینای 2.0 فلش می‌تواند به صورت محلی با ابزارهای مختلفی همچون موتور جستجوی گوگل، محیط‌های اجرای کد و توابع تعریف شده توسط کاربر تعامل داشته باشد.

شرکت گوگل همواره در تلاش است تا مدل‌های زبانی خود را به سرعت و با رعایت اصول ایمنی در اختیار کاربران قرار دهد. در دسامبر 2024، نسخه‌های اولیه و آزمایشی Gemini 2.0 به منظور جمع‌آوری بازخورد توسعه‌دهندگان در اختیار آنان قرار گرفت.

مدل زبانی جمینای 2.0 فلش از این پس به عنوان یک مدل آزمایشی از طریق پلتفرم‌های Google AI Studio و Vertex AI در دسترس توسعه‌دهندگان قرار خواهد گرفت. این مدل از قابلیت‌های ورودی چندوجهی و خروجی متنی برخوردار بوده و برای گروهی از توسعه‌دهندگان منتخب، امکان تولید تصاویر و صداهای محلی نیز فراهم شده‌است. دسترسی عمومی به این مدل با ارائه اندازه‌های مدل متنوع‌تر در ماه ژانویه سال 2025 برنامه‌ریزی شده‌است.

به منظور تسهیل در توسعه برنامه‌های پویا و تعاملی، شرکت گوگل یک رابط برنامه‌نویسی کاربردی (API) چندوجهی جدید را معرفی کرده‌است. این API از قابلیت‌های ورودی صوتی و ویدئویی در زمان واقعی و همچنین امکان استفاده ترکیبی از چندین ابزار پشتیبانی می‌کند. برای کسب اطلاعات بیشتر در مورد Gemini 2.0 Flash و API چندوجهی جدید، می‌توان به وبلاگ توسعه‌دهندگان گوگل مراجعه نمود.

چگونه از Gemini 2.0 استفاده کنیم؟

از این پس، کاربران جمینای در سراسر جهان می‌توانند با انتخاب مدل جمینای 2.0 فلش از فهرست مدل‌های موجود در نسخه دسکتاپ و وب موبایل، از قابلیت‌های پیشرفته این مدل بهره‌مند شوند. در آینده نزدیک، این مدل در نسخه موبایل نرم‌افزار جمینای نیز در دسترس خواهد بود. با استفاده از Gemini 2.0 Flash، کاربران می‌توانند از عملکرد بهبودیافته و کارآمدتر دستیار هوش مصنوعی خود بهره‌مند شوند.

در اوایل سال 2025، مدل زبانی بزرگ جمینای 2.0 فلش در محصولات بیشتری از شرکت گوگل ادغام خواهد شد.

کشف تجربیات عامل‌گرا با Gemini 2.0

قابلیت‌های عملیاتی بومی مدل زبانی بزرگ Gemini 2.0 Flash، در کنار بهبودهایی همچون استدلال چندوجهی، درک عمیق از متن، توانایی پیروی از دستورالعمل‌های پیچیده، برنامه‌ریزی، فراخوانی توابع ترکیبی، استفاده مستقیم از ابزارها و کاهش زمان پاسخ‌دهی، به طور مشترک امکان ایجاد نسل جدیدی از سیستم‌های عامل‌گرا را فراهم می‌آورند.

کاربرد عملی عامل‌های هوش مصنوعی حوزه‌ای پر از پتانسیل‌های نوآورانه‌است. در این راستا، تحقیقات گسترده‌ای در حال انجام است تا بتوان از این فناوری برای تسهیل انجام کارها و وظایف مختلف بهره برد. به عنوان نمونه:

1. پروژه آسترا (Project Astra) به عنوان یک نمونه اولیه تحقیقاتی، قابلیت‌های آینده یک دستیار هوش مصنوعی جهانی را بررسی می‌کند.
2. پروژه مارینر (Project Mariner) نیز با تمرکز بر تعامل انسان و عامل در محیط مرورگر، آینده این تعامل را ترسیم می‌کند.
3. عامل کدنویسی جولز (Jules) نیز می‌تواند به توسعه‌دهندگان در فرآیند توسعه نرم‌افزار کمک شایانی کند.

با وجود اینکه این فناوری هنوز در مراحل اولیه توسعه قرار دارد، اما با انجام آزمایش‌های گسترده و جمع‌آوری بازخورد کاربران، می‌توان به بهبود مستمر آن پرداخت. هدف نهایی، گسترش این قابلیت‌ها به محصولات مختلف و در دسترس قرار دادن آن‌ها برای عموم کاربران است.

پروژه آسترا (Project Astra): عامل‌هایی که از درک چندوجهی در دنیای واقعی استفاده می‌کنند

از زمان رونمایی پروژه آسترا در کنفرانس گوگل I/O، بازخوردهای ارزشمندی از سوی کاربران منتخب جمع‌آوری شده‌است. تجربیات کاربران در تعامل با این دستیار هوش مصنوعی بر روی دستگاه‌های اندرویدی، دیدگاه‌های ارزشمندی در خصوص عملکرد و قابلیت‌های یک دستیار جهانی هوش مصنوعی ارائه کرده‌است. این بازخوردها به بهبود مستمر پروژه آسترا و درک بهتر پیامدهای آن از جمله جنبه‌های ایمنی و اخلاقی کمک شایانی کرده‌است. آخرین نسخه پروژه آسترا که با بهره‌گیری از مدل زبانی بزرگ جمینای 2.0 فلش توسعه یافته، بهبودهای قابل توجهی را تجربه کرده‌است که عبارتند از:

• یکی از بهبودهای قابل توجه در پروژه آسترا، ارتقاء توانایی آن در برقراری مکالمات چندزبانه و ترکیبی از زبان‌ها است. این دستیار هوش مصنوعی اکنون قادر است لهجه‌ها و واژگان غیرمعمول را با دقت بیشتری تشخیص داده و پردازش کند.
• با بهره‌گیری از مدل Gemini 2.0، پروژه آسترا می‌تواند از طیف گسترده‌ای از ابزارهای گوگل مانند Google Search، Google Lens، Google Maps و غیره استفاده کند. این قابلیت، کاربرد پروژه آسترا را در زندگی روزمره کاربران افزایش داده و آن را به یک دستیار همه کاره تبدیل کرده‌است.
• توانایی پروژه آسترا در به خاطر سپردن اطلاعات و شخصی‌سازی تعاملات با کاربران، بهبود چشمگیری یافته‌است. این دستیار هوش مصنوعی اکنون قادر است مکالمات ۱۰ دقیقه گذشته را به خاطر بسپارد و بر اساس تعاملات قبلی، پاسخ‌های شخصی‌سازی شده ارائه دهد.
• با بهبود قابلیت‌های پردازش زبان طبیعی و کاهش زمان پاسخ‌دهی، عامل موجود در پروژه آسترا قادر است مکالمات را با سرعتی نزدیک به مکالمات انسانی برقرار کند.

شرکت گوگل در تلاش است تا قابلیت‌های پروژه آسترا را در محصولات مختلف خود از جمله نرم‌افزار جمینای و دستیار هوش مصنوعی گوگل یکپارچه کند. همچنین، برنامه آزمایشی پروژه آسترا بر روی عینک‌های هوشمند نمونه اولیه آغاز شده‌است تا قابلیت‌های این فناوری در حوزه‌های جدید مورد بررسی قرار گیرد.

پروژه مارینر (Project Mariner): عامل‌هایی که می‌توانند به شما در انجام کارهای پیچیده کمک کنند

پروژه Mariner به عنوان یک نمونه اولیه تحقیقاتی مبتنی بر مدل زبانی بزرگ جمینای 2.0 فلش، با هدف بررسی آینده تعامل انسان و عامل‌های هوشمند طراحی شده‌است. این پروژه با تمرکز بر محیط مرورگر، قابلیت درک و استدلال در مورد اطلاعات موجود در صفحات وب، از جمله متن، تصاویر، کدها و فرم‌ها را فراهم می‌کند. سپس با استفاده از یک افزونه آزمایشی برای مرورگر کروم، قادر به انجام وظایف مختلف به نمایندگی از کاربر است.

در ارزیابی‌های انجام شده با استفاده از معیار WebVoyager که عملکرد عامل‌ها را در انجام وظایف واقعی در محیط وب می‌سنجد، پروژه Mariner توانست به موفقیت چشمگیری دست یابد. این پروژه در این ارزیابی‌ها، با عملکردی در سطح 83.5 درصد به عنوان یک عامل مستقل، نتایج قابل توجهی را ارائه داد.

اگرچه پروژه Mariner هنوز در مراحل اولیه توسعه قرار دارد، اما نشان می‌دهد که قابلیت پیمایش و انجام وظایف در محیط مرورگر توسط عامل‌های هوشمند امکان‌پذیر است. البته، در حال حاضر این سیستم ممکن‌است با برخی محدودیت‌ها و کندی در انجام برخی وظایف همراه باشد، اما پیش‌بینی می‌شود که با گذشت زمان و توسعه بیشتر، این محدودیت‌ها برطرف شوند.

به منظور توسعه ایمن و مسئولانه این فناوری، تحقیقات گسترده‌ای در زمینه شناسایی و کاهش خطرات احتمالی انجام می‌شود. برای مثال، پروژه Mariner تنها قادر به انجام اقدامات محدودی مانند تایپ، اسکرول و کلیک در تب فعال مرورگر است و قبل از انجام هرگونه اقدامی که منجر به تغییرات مهمی شود، از کاربر تأیید می‌گیرد.

در حال حاضر، گروهی از کاربران منتخب به عنوان آزمایش‌کننده، از طریق یک افزونه آزمایشی برای مرورگر کروم به پروژه Mariner دسترسی دارند. همچنین، گفتگوهایی با توسعه‌دهندگان وب برای گسترش و بهبود این فناوری در حال انجام است.

پروژه جولز (Project Jules): عاملی برای برنامه‌نویسان

در راستای توسعه عامل‌های هوش مصنوعی، پروژه جولز به عنوان یک نمونه اولیه تحقیقاتی معرفی شده‌است. این عامل کدنویسی که به‌صورت مستقیم با پلتفرم گیت‌هاب ادغام می‌شود، با هدف کمک به توسعه‌دهندگان در انجام وظایف مختلف برنامه‌نویسی طراحی شده‌است. جولز قادر است مشکلات کدنویسی را شناسایی و برطرف کند، برنامه‌های جدیدی را توسعه دهد و حتی آن‌ها را اجرا کند. این عامل، تحت نظارت و کنترل توسعه‌دهنده عمل می‌کند و بخشی از تلاش‌های گسترده‌تر برای ایجاد عامل‌های هوش مصنوعی است که بتوانند در طیف وسیعی از حوزه‌ها، از جمله برنامه‌نویسی، مفید واقع شوند.

عامل‌ها در بازی‌ها و حوزه‌های دیگر

شرکت DeepMind گوگل سابقه طولانی در استفاده از بازی‌های رایانه‌ای به عنوان محیطی برای آموزش و توسعه مدل‌های هوش مصنوعی دارد. بر همین اساس، عامل‌های هوش مصنوعی مبتنی بر Gemini 2.0 طراحی شده‌اند تا به کاربران در بازی‌های ویدیویی کمک کنند. این عامل‌ها می‌توانند با تحلیل اقدامات صورت گرفته در بازی، استدلال کرده و پیشنهادات لحظه‌ای برای ادامه بازی ارائه دهند.

به منظور بررسی کارایی و قابلیت‌های این عامل‌ها، همکاری‌هایی با توسعه‌دهندگان بازی‌های مطرح مانند Supercell برقرار شده‌است. در این همکاری‌ها، عملکرد عامل‌ها در بازی‌های متنوعی مانند بازی‌های استراتژیک (مانند Clash of Clans) و شبیه‌سازها (مانند بازی شبیه سازی کشاورزی Hay Day) ارزیابی می‌شود تا توانایی آن‌ها در درک قوانین و چالش‌های مختلف سنجیده شود.

علاوه بر ارائه راهنمایی‌های درون‌بازی، این عامل‌ها می‌توانند با اتصال به موتور جستجوی گوگل، اطلاعات گسترده‌ای در مورد بازی مورد نظر را در اختیار کاربران قرار دهند.

کاربرد عامل‌های هوش مصنوعی مبتنی بر جمینای 2.0 فلش تنها به دنیای مجازی محدود نمی‌شود. این عامل‌ها با بهره‌گیری از قابلیت‌های استدلال فضایی، می‌توانند در حوزه رباتیک نیز مورد استفاده قرار گیرند. اگرچه این حوزه هنوز در مراحل ابتدایی تحقیقات قرار دارد، اما پتانسیل بالایی برای توسعه عامل‌هایی که قادر به انجام وظایف مختلف در دنیای فیزیکی باشند، وجود دارد.

برای کسب اطلاعات بیشتر در مورد این پروژه‌های تحقیقاتی، می‌توانید به وب‌سایت آزمایشگاه‌های گوگل مراجعه کنید.

توسعه پایدار در عصر عامل‌های هوشمند

مدل زبانی بزرگ Gemini 2.0 Flash و نمونه‌های اولیه تحقیقاتی مرتبط، بستری را فراهم می‌آورند تا قابلیت‌های نوین هوش مصنوعی در محیطی آزمایشگاهی مورد بررسی و بهبود قرار گیرد که در نهایت نتایج حاصل از این تحقیقات به ارتقای کیفیت محصولات و خدمات گوگل کمک می‌کند.

توسعه فناوری‌های نوین هوش مصنوعی مانند عامل‌های هوشمند، مسائلی مهمی را در حوزه ایمنی و امنیت مطرح می‌سازد. به همین دلیل، رویکردی محتاطانه و تدریجی برای توسعه این فناوری‌ها اتخاذ شده‌است. این رویکرد شامل انجام تحقیقات گسترده بر روی نمونه‌های اولیه، آموزش مستمر در زمینه ایمنی، همکاری با متخصصان و آزمایش‌کنندگان خارجی و انجام ارزیابی‌های دقیق از جنبه‌های مختلف ایمنی و اطمینان می‌باشد. برای مثال:

• به منظور شناسایی و ارزیابی دقیق خطرات احتمالی ناشی از توسعه مدل‌های هوش مصنوعی، از جمله جمینای 2.0 فلش، همکاری نزدیکی با کمیته مسئولیت و ایمنی (RSC) برقرار شده‌است. این کمیته با بهره‌گیری از تجربیات گذشته، نقش مهمی در شناسایی و مدیریت ریسک‌ها ایفا می‌کند.
• با توجه به پیشرفت‌های چشمگیر در توانایی استدلال مدل Gemini 2.0، روش‌های ارزیابی ایمنی نیز ارتقاء یافته‌اند. تیم‌های تخصصی با استفاده از تکنیک‌های پیشرفته، قادر به شناسایی و رفع خودکار برخی از مشکلات و ایرادات مدل هستند. این امر موجب افزایش کارایی و دقت فرایند ارزیابی ایمنی شده‌است.
• با افزایش پیچیدگی، ویژگی‌های چندوجهی و تنوع خروجی‌های مدل جمینای 2.0 فلش، فرایند ارزیابی ایمنی نیز گسترش یافته‌است. به منظور تضمین ایمنی مدل، ارزیابی‌های جامع و مستمری بر روی ورودی‌ها و خروجی‌های مختلف، از جمله تصاویر و صدا، انجام می‌شود.
• در پروژه آسترا، تمرکز اصلی بر حفظ حریم خصوصی کاربران و جلوگیری از افشای اطلاعات حساس است. به همین منظور، مکانیزم‌هایی برای حذف آسان سوابق مکالمات و جلوگیری از سوء استفاده از اطلاعات کاربران توسط عامل‌های هوش مصنوعی طراحی شده‌است. همچنین، تحقیقات گسترده‌ای برای اطمینان از اینکه عامل‌ها به عنوان منابع اطلاعاتی معتبر عمل می‌کنند و اقدامات ناخواسته‌ای انجام نمی‌دهند، در جریان است.
• در پروژه Mariner، تلاش می‌شود تا اطمینان حاصل شود که عامل‌های هوش مصنوعی به طور دقیق دستورالعمل‌های کاربران را اجرا کرده و از انجام اقدامات مخرب خودداری کنند. برای دستیابی به این هدف، مدل‌ها آموزش می‌بینند تا بتوانند دستورالعمل‌های مخرب را شناسایی کرده و از اجرای آن‌ها جلوگیری کنند. این امر از قرار گرفتن کاربران در معرض تهدیداتی مانند کلاهبرداری و فیشینگ جلوگیری می‌کند.

شرکت گوگل بر این باور است که توسعه مسئولانه هوش مصنوعی امری ضروری است. به همین دلیل، ایمنی و مسئولیت‌پذیری به عنوان اولویت‌های اصلی در فرایند توسعه مدل‌ها در نظر گرفته می‌شوند. با انجام تحقیقات گسترده و اتخاذ رویکردهای مبتنی بر اصول اخلاقی، تلاش می‌شود تا مدل‌ها و عامل‌های هوش مصنوعی به گونه‌ای طراحی شوند که به نفع انسانیت باشند.

Gemini 2.0، عامل‌های هوش مصنوعی و فراتر از آن

با معرفی مدل زبانی بزرگ جمینای 2.0 فلش و مجموعه نمونه‌های اولیه تحقیقاتی مبتنی بر آن، شرکت گوگل گامی بزرگ در جهت توسعه هوش مصنوعی برداشته شده‌است. این دستاورد، فصل جدیدی را در تاریخچه مدل جمینای رقم می‌زند و نشان از پیشرفت چشمگیر در حوزه هوش مصنوعی است. با بهره‌گیری از این فناوری نوین، محققان به دنبال توسعه سیستم‌های هوش مصنوعی پیشرفته‌ای هستند که قادر به انجام وظایف پیچیده و متنوع باشند. این تلاش‌ها در راستای تحقق هدف نهایی ایجاد هوش مصنوعی عمومی (AGI) صورت می‌گیرد.