primero en informar<\/a> la discrepancia.)<\/p>\nEntonces, aunque podr\u00eda hacer las cosas que Google muestra en el video, no las hizo, y tal vez no pudo, hacerlas en vivo y en la forma que implicaban. En realidad, se trataba de una serie de indicaciones de texto cuidadosamente ajustadas con im\u00e1genes fijas, claramente seleccionadas y acortadas para tergiversar c\u00f3mo es realmente la interacci\u00f3n. Puedes ver algunas de las indicaciones y respuestas reales en una publicaci\u00f3n de blog relacionada, que, para ser justos, est\u00e1 vinculada en la descripci\u00f3n del video, aunque debajo de \u00ab…m\u00e1s\u00bb.<\/p>\n
Por un lado, G\u00e9minis realmente parece haber generado las respuestas que se muestran en el v\u00eddeo. \u00bfY qui\u00e9n quiere ver algunos comandos de limpieza, como decirle al modelo que vac\u00ede su cach\u00e9? Pero los espectadores se enga\u00f1an acerca de la velocidad, la precisi\u00f3n y el modo fundamental de interacci\u00f3n con el modelo.<\/p>\n
Por ejemplo, en el minuto 2:45 del v\u00eddeo, se muestra una mano haciendo en silencio una serie de gestos. G\u00e9minis responde r\u00e1pidamente \u201c\u00a1S\u00e9 lo que est\u00e1s haciendo! \u00a1Est\u00e1s jugando a piedra, papel y tijera!<\/p>\n
\n
Cr\u00e9ditos de imagen:<\/strong> Google YouTube<\/p>\n<\/div>\nPero lo primero que aparece en la documentaci\u00f3n de la capacidad es c\u00f3mo el modelo no razona bas\u00e1ndose en ver gestos individuales. Se le deben mostrar los tres gestos a la vez y se le debe indicar: \u201c\u00bfQu\u00e9 crees que estoy haciendo? Pista: es un juego\u201d. Responde: \u00abEst\u00e1s jugando piedra, papel y tijera\u00bb.<\/p>\n
![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2023\/12\/gemini-rps.jpg\")
<\/p>\n
Cr\u00e9ditos de imagen:<\/strong> Google<\/p>\n<\/div>\nA pesar de la similitud, no parecen la misma interacci\u00f3n. Se sienten como interacciones fundamentalmente diferentes, una es una evaluaci\u00f3n intuitiva y sin palabras que captura una idea abstracta sobre la marcha, otra es una interacci\u00f3n dise\u00f1ada y fuertemente insinuada que demuestra tanto limitaciones como capacidades. G\u00e9minis hizo lo segundo, no lo primero. La \u201cinteracci\u00f3n\u201d que se muestra en el video no sucedi\u00f3.<\/p>\n
Posteriormente, se colocan en la superficie tres notas adhesivas con garabatos del Sol, Saturno y la Tierra. \u00ab\u00bfEs este el orden correcto?\u00bb G\u00e9minis dice que no, va Sol, Tierra, Saturno. \u00a1Correcto! Pero en el mensaje real (nuevamente escrito), la pregunta es \u201c\u00bfEs este el orden correcto? Considera la distancia al sol y explica tu razonamiento\u201d.<\/p>\n
![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2023\/12\/gemini-planets.jpg\")
<\/p>\n
Cr\u00e9ditos de imagen:<\/strong> Google<\/p>\n<\/div>\n\u00bfG\u00e9minis lo hizo bien? \u00bfO se equivoc\u00f3 y necesit\u00f3 un poco de ayuda para producir una respuesta que pudieran incluir en un v\u00eddeo? \u00bfReconoci\u00f3 siquiera los planetas o tambi\u00e9n necesitaba ayuda all\u00ed?<\/p>\n
En el v\u00eddeo, una bola de papel se intercambia debajo de una taza, que el modelo detecta y rastrea de forma instant\u00e1nea y aparentemente intuitiva. En el post no s\u00f3lo hay que explicar la actividad, sino que hay que entrenar al modelo (si es de forma r\u00e1pida y usando lenguaje natural) para realizarla. Etc\u00e9tera.<\/p>\n
Estos ejemplos pueden parecerle triviales o no. Despu\u00e9s de todo, reconocer los gestos con las manos como un juego tan r\u00e1pidamente es realmente impresionante para un modelo multimodal. \u00a1Tambi\u00e9n lo es decidir si una pel\u00edcula a medio terminar es un pato o no! Aunque ahora, dado que la publicaci\u00f3n del blog carece de una explicaci\u00f3n para la secuencia del pato, tambi\u00e9n estoy empezando a dudar de la veracidad de esa interacci\u00f3n.<\/p>\n
Ahora bien, si el video hubiera dicho al principio: \u00abEsta es una representaci\u00f3n estilizada de las interacciones que nuestros investigadores probaron\u00bb, nadie se habr\u00eda inmutado; esperamos que videos como este sean mitad objetivos y mitad aspiracionales.<\/p>\n
Pero el video se llama \u201cPr\u00e1ctica con G\u00e9minis\u201d y cuando dicen que muestra \u201cnuestras interacciones favoritas\u201d, est\u00e1 impl\u00edcito que las interacciones que vemos son aquellos<\/em> interacciones. Ellos no eran. A veces estaban m\u00e1s involucrados; a veces eran totalmente diferentes; a veces no parece que hayan sucedido en absoluto. Ni siquiera nos dicen qu\u00e9 modelo es: \u00bfel Gemini Pro que la gente puede usar ahora o (m\u00e1s probablemente) la versi\u00f3n Ultra cuyo lanzamiento est\u00e1 previsto para el pr\u00f3ximo a\u00f1o?<\/p>\n\u00bfDeber\u00edamos haber asumido que Google s\u00f3lo nos estaba dando un v\u00eddeo de muestra cuando lo describieron como lo hicieron? Quiz\u00e1s entonces deber\u00edamos suponer todo<\/em> Las capacidades en las demostraciones de IA de Google se est\u00e1n exagerando para lograr un efecto. Escribo en el titular que este v\u00eddeo fue \u201cfalso\u201d. Al principio no estaba seguro de si este lenguaje duro estaba justificado (ciertamente Google no; un portavoz me pidi\u00f3 que lo cambiara). Pero a pesar de incluir algunas partes reales, el v\u00eddeo simplemente no refleja la realidad. Es falso.<\/p>\nGoogle dice que el v\u00eddeo \u00abmuestra resultados reales de Gemini\u00bb, lo cual es cierto, y que \u00abhicimos algunas ediciones en la demostraci\u00f3n (hemos sido sinceros y transparentes al respecto)\u00bb, lo cual no lo es. No es una demostraci\u00f3n (en realidad no) y el v\u00eddeo muestra interacciones muy diferentes de las creadas para informarlo.<\/p>\n
Actualizar<\/strong>: En un publicaci\u00f3n en redes sociales<\/a> Realizado despu\u00e9s de la publicaci\u00f3n de este art\u00edculo, el vicepresidente de investigaci\u00f3n de Google DeepMind, Oriol Vinyals, mostr\u00f3 un poco m\u00e1s de c\u00f3mo \u201cse utiliz\u00f3 Gemini para crear\u201d el v\u00eddeo. \u201cEl v\u00eddeo ilustra las experiencias de usuario multimodal creadas con Gemini. podr\u00eda<\/strong> parece. Lo hicimos para inspirar a los desarrolladores\u201d. (El \u00e9nfasis es m\u00edo.) Curiosamente, muestra una secuencia previa que le permite a G\u00e9minis responder la pregunta sobre los planetas sin que el Sol lo indique (aunque s\u00ed le dice a G\u00e9minis que es un experto en planetas y que debe considerar la secuencia de objetos representados).<\/p>\nQuiz\u00e1s me comer\u00e9 el cuervo cuando, la pr\u00f3xima semana, AI Studio con Gemini Pro est\u00e9 disponible para experimentar. Y Gemini bien podr\u00eda convertirse en una poderosa plataforma de inteligencia artificial que realmente rivalice con OpenAI y otras. Pero lo que Google ha hecho aqu\u00ed es envenenar el pozo. \u00bfC\u00f3mo puede alguien confiar en la empresa cuando afirma que su modelo hace algo ahora? Ya cojeaban detr\u00e1s de la competencia. Es posible que Google se haya disparado en el otro pie.<\/p>\n<\/p><\/div>\n