->
Gemini 1.0 能做些什麼？
在正式介紹 Gemini 1.0 前讓我們先來看一段 Google 示範的影片：
沒錯，在影片中我們可以看到 Gemini 1.0 能夠具體的回答出提問者的問題，甚至是延續問題的繼續回答下去。像是一開始在紙上先畫出了一條線，接著開始完成鴨子的圖案。過程中 Gemini 1.0 會依照筆畫的增加後回答他看到的樣子，最後更能介紹鴨子的生活型態。當提問者接著問這隻鴨子能不能浮起來的時候，Gemini 1.0 還會提出「必須依照材質來決定，但它“看起來”是塑膠」這樣相當有判斷力的回答方式。
提問者後續進一步的請 Gemini 1.0 教他「鴨子」的其他語言時，也能教導提問者「鴨子」的發音（很剛巧的，影片中就用我們熟悉的中文來示範）。或是後面畫了一張圖，有左右兩條叉路，問 Gemini 要走哪條時，Gemini 還能做出「右邊的熊對鴨子來說是有危險，左邊的鴨子較為安全，建議走左邊。」這樣有邏輯性的推斷建議。
影片後面還示範了不斷地對 Gemini 1.0 提供兩個物品，它能夠說出它們的相似點、藉由桌面上的地圖來設計新遊戲、給它兩個顏色的毛線球來請它給出可以做什麼的建議… 更驚人的還有竟然能跟它玩猜球在哪個杯子的遊戲！
看完是不是覺得很神奇？這就是即將出現在你我生活上的 AI 應用？是的，Gemini 就是一個能夠流暢理解自然圖像、音訊和視訊，到數學推理，還能結合包括文字、圖像、音訊、視訊和程式碼在內的不同類型資訊做出回應的人工智慧模型。
Google 說 Gemini 1.0 會依照模型的大小不同有 Ultra、Pro 和 Nano 三種。所謂的模型大小會影響的就是能做到的指令複雜程度。
- Gemini Ultra：是規模最大、功能最強大的模型，專為高度複雜的任務而設計。
- Gemini Pro：最適合擴展、橫跨各種類型的任務。
- Gemini Nano：處理裝置上的任務最有效率的模型。
因此可以理解成 Gemini Ultra 是 Google Gemini 中最強的模型，是為處理高度複雜的任務而設計，因此能夠相當快速理解並處理包括文字、圖像、音訊、影片和程式碼等不同類型的資訊，主要對象會像是程式設計師、製圖師與開發者、企業用戶等專業人士來使用。使用者未來可以透過 Bard Advanced 來體驗 Gemini Ultra 模型。Google 也預告會在明年初正式向更多用戶開放 Bard Advanced 的測試計畫。
而 Gemini Pro 也已經開放到 Bard 上，主要是用來處理像是理解、歸納總結、推理、程式設計跟規劃等多面向的處理需求，可以想成 Gemini Pro 會讓 Bard 變成更好聊天的機器人。目前 Gemini Pro 模型的 Bard 會先以英文版本在超過 170 多個國家和地區開放使用，台灣也在其中，並先支援以文字為主的指令提示。日後也會持續新增對於不同語言和地區的支援。
至於最小的 Gemini Nano，有提到它主要是用來處理「裝置」上的任務，沒錯，所以它會先在 Pixel 8 Pro 上推出，只要用戶將手機切換成英文的介面就能使用。目前 Gemini Nano 能夠支援錄音機應用程式中的「摘要」-把錄音的內容作出重點整理；另一個是支援 Gboard 中的智慧回覆，使用者現在能透過 Whatsapp 應用程式中試用此項功能。
Gemini 是 Google 設計的人工智慧模型，有別於一般多模態模型是針對不同的模態去訓練個別的元件，再把元件組合在一起，來大致模擬出一部分的多模態功能的方式。Gemini 則是一開始就以多模態的模式來訓練，後續再透過額外的多模態資料進行微調，進一步提升效能。這樣可以幫助 Gemini 從一開始就能順暢地理解和推理各種輸入的資訊。
簡單來說就像是把一個很會畫圖的人與邏輯超好的人放在一起，然後當請他們完成一項任務，像是拿出一個橘子和一塊餅乾時，他們兩方看到要描述或是推理這兩個物件的時候就會出現 “需要溝通” 的不順暢情況。可是 Gemini 可以想成本身就是一個已經被訓練成很會畫畫，邏輯又強的人，因此當他看到一個橘子和一塊餅乾時，他就可以馬上依照自己的經驗判斷做出回應。
因此我們可以理解到 Gemini 1.0 是被設計來流暢理解自然圖像、音訊和視訊，到數學推理，還能結合包括文字、圖像、音訊、視訊和程式碼在內的不同類型資訊做出回應。
所以如果對你我來說，想要直接體驗感受 Gemini 的能力，最快的方式就是透過 Bard 來輸入想要問的句子，或是上傳圖片問他這兩個東西有什麼關係等來進行，甚至就連在 emoji kitchen 中創造出來的 emoji，也能請 Gemini 猜猜是由哪兩個 emoji 組出來？又建議可以怎麼用呢！
