Google rozvíja hlasový režim Gemini Live a schopnosť hĺbkového uvažovania umelej inteligencie.
Objavujte nové technológie, umelú inteligenciu, drony, mobilitu, elektroniku, navigáciu a digitálne inovácie
Spoločnosť Google pokračuje v rozširovaní možností svojho vlajkového radu umelej inteligencie Gemini 2.0 , pričom kladie dôraz na prepojenie prirodzenej hlasovej komunikácie a hĺbkovej logickej analýzy. Najnovšie funkcie tohto ekosystému umožňujú umelej inteligencii vykonávať zložité viacstupňové výpočty priamo počas dialógu s používateľom.
Interaktívny hlasový režim Gemini Live umožňuje konverzáciu v reálnom čase s minimálnym oneskorením. Používatelia môžu algoritmus prerušiť uprostred vety, zmeniť tému rozhovoru alebo prenášať obraz z kamery svojho zariadenia. Systém prispôsobuje intonáciu a emócie, čím vytvára dojem prirodzenej ľudskej reči.
Vývojári zároveň rozvíjajú technológiu Extended Thinking , predstavenú v modeli Gemini 2.0 Flash Thinking . Pomocou mechanizmov Chain-of-Thought (reťazec úvah) si model vytvára interný plán odpovede, overuje hypotézy a opravuje vlastné chyby. To výrazne znižuje mieru halucinácií pri riešení úloh z oblasti programovania, matematiky a analytiky.
Synergia algoritmov hlasovej interakcie a schopnosti hĺbkového uvažovania predstavuje novú etapu vývoja umelej inteligencie. Používatelia teraz môžu získavať presné odpovede na analytické otázky bez prieťahov či potreby vytvárať zložité textové dopyty.
Zdroj: Google Blog
