گوگل طی گذشته‌ی سال پیشرفت‌های قابل توجهی در زمینه‌ی هوش مصنوعی داشته است. امروز، ما اولین مدل خانواده مدل‌های Gemini 2.0 را منتشر می‌کنیم: یک نسخه تجربی از Gemini 2.0 Flash. این مدلی است که با داشتن تاخیر کم و عملکرد بهبود یافته در حدود فناوری ما، در مقیاس‌های مختلف و با سرعتی بیش از پیش فعالیت می‌کند.

مدل Gemini 2.0 Flash

Gemini 2.0 Flash بر پایه‌ی موفقیت 1.5 Flash، محبوب‌ترین مدل ما برای توسعه دهندگان، با عملکرد بهبود یافته با زمان پاسخ مشابه سرعت. این مدل حتی نسخه 1.5 Pro را در آزمون‌های کلیدی برای خود در دو برابر سرعت پیشرفت داده است. 2.0 Flash همچنین با قابلیت‌های جدیدی همراه است. علاوه بر پشتیبانی از ورودی‌های چندگانه مانند تصاویر، ویدیو و صدا، 2.0 Flash اکنون حمایت از خروجی‌های چند گانه مانند تصاویر به صورت بومی تولیدی مخلوط با متن و صدای چندزبانه تلفظ‌پذیر. این همچنین می‌تواند به صورت بومی ابزارهایی مانند جستجو در گوگل، اجرای کد و همچنین توابع تعریف‌شده توسط کاربر استفاده کند.

هدف ما این است که مدل‌های خود را به صورت ایمن و سریع در دسترس توسعه‌دهندگان قرار دهیم. در گذشته‌ی گذشته، ما در میان توسعه‌دهندگان نسخه‌های آزمایشی زودرس Gemini 2.0 را به اشتراک گذاشتیم و بازخوردهای فوق‌العاده ای را از آن‌ها به دست آوردیم.
Gemini 2.0 Flash در حال حاضر به عنوان یک مدل آزمایشی برای توسعه‌دهندگان از طریق API Gemini در Google AI Studio و Vertex AI با ورودی چند گانه و خروجی متن برای تمام توسعه‌دهندگان و ورودی صدا و تولید تصویر بومی برای شرکای دسترسی زودرس در دسترس است. دسترسی عمومی به همراه اندازه‌های بیشتر مدل نیز در ژانویه ارائه خواهد شد.

برای کمک به توسعه‌دهندگان در ایجاد برنامه‌های پویا و تعاملی، ما همچنین یک API زنده چند گانه جدید را عرضه می‌کنیم که ورودی صوتی به صورت زمان واقعی، ویدیو استریم و توانایی استفاده از ابزارهای ترکیبی چندگانه را دارد. اطلاعات بیشتر درباره 2.0 Flash و API زنده چند گانه را می‌توانید در وبلاگ توسعه‌دهندگان ما پیدا کنید.

مدل Gemini 2.0 در نرم‌افزار Gemini، دستیار هوش مصنوعی ما

همچنین از امروز، کاربران Gemini در سراسر جهان می‌توانند به نسخه‌ی 2.0 Flash آزمایشی دسترسی داشته باشند. این مدل جدید را می‌توانند با انتخاب آن از لیست‌های پایینی در وب‌سایت و نمایشی تلفن همراه از نسخه‌ی دسکتاپ و وب موبایل در اپلیکیشن موبایل Gemini تجربه کنند. با این مدل جدید، کاربران می‌توانند تجربه‌ای حتی مفید‌تر از دستیار Gemini داشته باشند.

در اوایل سال آینده، ما قصد داریم از Gemini 2.0 بر روی محصولات بیشتر گوگل استفاده کنیم.

باز کردن تجارب نماینده‌گری با Gemini 2.0

قابلیت‌های اعمالی و کارگون شده‌ی اکشن‌های رابط کاربری بومی Gemini 2.0 Flash، همراه با بهبودهای دیگر مانند استدلال چندگانه، درک طولانی مدت، پیروی از دستورات پیچیده و برنامه‌ریزی، تشکیل وظایف کمپوزیتوری، استفاده از ابزار بومی و بهبود زمان پاسخگویی، همه با هم برای امکان فراهم کردن یک کلاس جدید از تجربیات نماینده‌گری کار می‌کنند.

هدف عملیاتی از نماینده‌های هوش مصنوعی یک حوزه پژوهشی پر از امکانات جذاب است. ما این مرز جدید را با سری از پروتو‌تایپ‌ها که به امکانات آینده‌ی یک دستیار یونیورسال هوش مصنوعی می‌پردازد، باز می‌کنیم؛ پروژه آسترا که دقیق‌تر به بررسی پروژه‌ها در زمینه‌ی نماینده‌گری پرداخته است؛ پروژه مارینر که به بررسی آینده‌ی تعامل انسان و نماینده روشن می‌کند؛ و ژول، یک نماینده‌ی کد پیشرفته که می‌تواند به توسعه‌دهندگان کمک کند.

با اینکه ما هنوز در مراحل اولیه توسعه هستیم، اما خوشحالیم که ببینیم چگونه ضامنان آزمایشی از این قابلیت‌های جدید استفاده می‌کنند و چه درس‌هایی می‌توانیم به دست آوریم تا بتوانیم آن‌ها را در آینده در محصولات به صورت گسترده‌تر قرار دهیم.

پروژه آسترا: نماینده‌ها با استفاده از درک چندگانه در دنیای واقعی

از زمان معرفی پروژه آسترا در I/O، ما از ضامنان آزمایشی استفاده آن در گوشی‌های Android یاد گرفته‌ایم. بازخوردات ارزشمند آنها به ما کمک کرده‌اند تا بهتر بفهمیم چگونه یک دستیار هوش مصنوعی یونیورسال در عمل کار کند، از جمله پیامدها برای ایمنی و اخلاق. بهبودهای موجود در آخرین ورژنی که با Gemini 2.0 ساخته شده است عبارت‌اند از:
بهبود دیالوگ: پروژه آسترا اکنون برای صحبت در چند زبان و صحبت در زبان‌های مختلط، با فهم بهتر اکسنت‌ها و کلمات غیرمعمول است.
استفاده از ابزارهای جدید: با Gemini 2.0، پروژه آسترا می‌تواند از جستجوی گوگل، لنز و نقشه‌ها استفاده کند که آن را مفیدتر در زندگی روزمره‌ی شما می‌کند.
حافظه بهتر: ما توانایی پروژه آسترا برای یادآوری چیزها را بهبود داده‌ایم در حالی که همچنان زیر کنترل شما هستیم. حالا این دارای حافظه تا ۱۰ دقیقه از حافظه نشست است و می‌تواند گفت‌وگوهای بیشتری که با آن داشته‌اید در گذشته را به یاد داشته باشد تا بهتر شخصی‌سازی شود.
کاهش زمان فعال: با قابلیت‌های جدید استریمینگ و درک صوتی بومی، نماینده می‌تواند به زبان را با زمان دقیقه‌ی صحبت انسان درک کند.

ما در حال کار هستیم تا این امکانات را به محصولات گوگل مانند نرم‌افزار Gemini، دستیار هوش مصنوعی ما، و به سایر طرح‌های مانند عینک‌ها برسانیم. و ما شروع به توسعه‌ی برنامه آزمایشی ضامنان به بیشتر مردم کرده‌ایم، از جمله گروه کوچکی که به زودی با پروتوتایپ عینک‌های آزمایشی پروژه آسترا را آزمایش خواهند کرد.

پروژه مارینر: نماینده‌ها که به شما کمک می‌کنند تا وظایف پیچیده را انجام دهید

پروژه مارینر یک پروتوتایپ پژوهشی اولیه است که با استفاده از Gemini 2.0، آینده‌ی تعامل انسان و نماینده را، از جهت ابتدایی از مرورگرتان آغاز می‌کند. به عنوان یک پروتوتایپ پژوهشی، می‌تواند درک و استدلال بر روی اطلاعات در صفحه‌ی مرورگر شما، از جمله پیکسل‌ها و عناصر وب مانند متن، کد، تصاویر و فرم‌ها، را به کار ببرد و سپس این اطلاعات را از طریق یک افزونه Chrome آزمایشی برای شما به پایان انجامد.

ژول: نماینده‌ها برای توسعه‌دهندگان

در مرحله‌ی بعد، ما به دنبال این هستیم که نماینده‌های هوش مصنوعی چگونه می‌توانند توسعه‌دهندگان را یاری نمایند با ژول – یک نماینده کد تجربی که مستقیماً در یک جریان کاری GitHub یکپارچه شده است. این تلاش قسمتی از هدف درازمدت ما برای ساختن نماینده‌های هوشی است که در تمام حوزه‌ها، از جمله کدزنی، مفید باشند.

در پایان، اطلاعات من راجع به ورودی متنی تبدیل شده است که فکر می‌کنم که شما باید یه مبحثی راجع به اون اضافه کنید.

نظریه:
این معرفی از مدل Gemini 2.0 برای دوران نماینده‌گری نشان می‌دهد که گوگل همچنان در حال پیشرفت در زمینه‌ی هوش مصنوعی است. این مدل با قابلیت‌های چندگانه و توانمندی‌های بیشت

---

منبع:
این مقاله در اصل در https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024 منتشر شده است.

ویژگی‌های پروژه آسترا

گوگل در این راه سعی دارد تا اپلیکیشن ژمینی را به یک دستیار هوش مصنوعی یونیورسال تبدیل کند که وظایف روزانه ما را انجام دهد، از امور معمولی مونتاژ ما را به دست گیرد و پیشنهادات خوشایند و جدید را به ما معرفی کند تا ما تولیدی تر باشیم و زندگی‌مان را غنی‌تر سازیم. این آغاز از قابلیت‌هایی بود که ما سال گذشته در پیشتری تحقیقاتی خود در پروتوتایپ پروژه آسترا، مانند درک ویدئوها، به اشتراک گذاری صفحه نمایش و حافظه، را کاوش کردیم.

ساختن هوش مصنوعی که بتواند چند وظیفه را برای شما انجام دهد

همچنین، ما داریم که نطریه‌هایی دربارهء اینکه چگونه قابلیت‌های عملکردی می‌توانند به افراد در چند وظیفه‌ای کمک کنند، با پروژه مارینر کاوش می‌کنیم. این یک پروتوتایپ تحقیقاتی است که آینده تعامل انسان-عامل را بررسی می‌کند، از نیمهٔ دسامبر گذشته شروع کرد. ما اکنون یک سامانه از عامل‌ها داریم که می‌توانند تا ده وظیفه مختلف را همزمان انجام دهند. این عامل‌ها می‌توانند به شما در جستجوی اطلاعات کمک کنند، رزروی را پیدا نمایند، ارزان‌ترین قیمت‌ها را بیابند، تحقیق کنند و موارد بیشتر را انجام دهند – همه در همان زمان.

نظرات خود اولین و بلندیکه

این پیشرفت‌های بی‌نظیر ما نشان می‌دهد که ما در حال ساختن هوش مصنوعی‌ای هستیم که شخصی‌تر، پرخاستگارتر و قدرتمندتر است، زندگی‌مان را بهبود می‌دهد، تازه‌ترین درجات پیشرفت علمی را به جلو می‌برد و عصر طلایی تازه‌ای از کشف و تعجب را معرفی می‌کند. این به نظر منظور شخصی، یک گام بسیار حیاتی در توسعه نوع جدیدی از هوش مصنوعی است که قابلیت‌های ژمینی را استفاده‌گری جهانی از آن به عنوان یک دستیار هوش مصنوعی یونیورسال می‌دهد.

این مقاله درباره پیشبرد تحقیقات و توسعه AI توسط گوگل است که قرار است هوش مصنوعی‌ای جدید و کاملاً کاربردی را ارایه دهد. هدف از گوگل I/O 2025، تبدیل ژمینی به دستیاری هوش مصنوعی با قابلیت‌های جهانی است که بتواند برای شما برنامه‌ریزی کند و اقداماتی را به نیابت از شما انجام دهد. این پیشرفت‌های گران‌قیمت به نوعی نشان از توانائی گوگل در راه‌اندازی هوش مصنوعی بیشتر و با اهمیت است و می‌تواند یک فصل جدید در تکنولوژی و هوش مصنوعی به راه بیاورد.

---

منبع:
این مقاله در اصل در https://blog.google/technology/google-deepmind/gemini-universal-ai-assistant/ منتشر شده است.

مدل توسعه یافته توسط Google DeepMind

Google DeepMind همواره در حال کار بر روی روش‌های جدید برای بهبود مدل‌های خود است، از جمله بهبود کارایی و عملکرد آن‌ها. آخرین مدل تحقیقاتی ما، Gemini Diffusion، یک مدل متنی مدرن است که با یادگیری تبدیل نویز تصادفی به متن یا کد هماهنگ، مانند نحوه کار مدل‌های فعلی ما برای تولید تصاویر و ویدیوها، عمل می‌کند.

آزمایش موضوعی مدل Gemini Diffusion

دموی آزمایشی از Gemini Diffusion که امروز منتشر شده، محتوا را به صورت قابل توجهی سریع‌تر از سریع‌ترین مدل ما تا کنون تولید می‌کند، در حالی که عملکرد کدنویسی آن را همانند آن مدل هماهنگ می‌کند. اگر علاقه‌مند به دسترسی به دمو هستید، لطفاً برای لیست انتظار عضو شوید.

پیشرو در کاهش لتانسی مدل‌های Gemini

ما ادامه خواهیم داد تا با روش‌های مختلف به کاهش لتانسی در همه مدل‌های Gemini خود بپردازیم، با انتشار یک Flash Lite 2.5 سریع‌تر در آینده نزدیک.

نظرات تخصصی و نکات کلیدی

این مدل تحقیقاتی Gemini Diffusion از Google DeepMind یک پیشرفت بزرگ در زمینه تولید متن و کدنویسی است. با این مدل، قدرت تولید محتوا به طور چشمگیری افزایش یافته و عملکرد آن تطابق زیادی با سریع‌ترین مدل‌های موجود دارد. این امکان به محققان و توسعه دهندگان کمک می‌کند تا به سرعت محتوای مورد نیاز خود را تولید کنند و تلاش‌های خود را در این زمینه تسریع ببخشند.

این پیشرفت در طراحی و توسعه مدل‌های Gemini، نشان از پیشرفت محسوسی در صنعت هوش مصنوعی و یادگیری عمیق دارد، که می‌تواند به توسعه فناوری‌های جدید و نوآوری‌های بسیاری در این زمینه منجر شود.

---

منبع:
این مقاله در اصل در https://blog.google/technology/google-deepmind/gemini-diffusion منتشر شده است.

همکاری بین DeepMind و Primordial Soup

امروز، ما اعلام همکاری بین Google DeepMind و Primordial Soup، یک ورشکستگی جدید به نوآوری داستان‌گویی که توسط کارگردان نوآور دارن آرونوفسکی تأسیس شده است، را اعلام می‌کنیم.
ویژن همکاری این است که بهترین مدل تولید ویدئو را به دست سازندگان برتر فیلم دنده، مرزهای فناوری را برای داستان‌های بیشتر خلاقانه و احساسی بکشند.

تولید فیلم‌های کوتاه

Primordial Soup سه فیلم کوتاه را با استفاده از مدل‌های هوش مصنوعی تولیدی مدرن گوگل DeepMind، ابزارها و قابلیت‌های خود، از جمله Veo در حال تولید است. هر فیلم توسط یک کارگردان نوظهور که توسط آرونوفسکی تربیت شده و توسط تیم تحقیقاتی گوگل DeepMind پشتیبانی می‌شوند، کارگردانی می‌شود.

فیلم اول: “ANCESTRA”

این فیلم توسط کارگردان برنده جایزه Eliza McNitt کارگردانی می‌شود و در جشنواره ترایبکا در تاریخ 13 ژوئن 2025 اکران خواهد شد. این فیلم از یک مدل تولید هیبرید، یعنی ترکیب عمل زنده با اجراهای پیشرفته و تحقیقات هوش مصنوعی نوظهور استفاده می‌کند، تا نوآوری‌های پیش بنیانی را پرورش دهد و همکاری‌های بین رشته‌ای جدیدی ایجاد کند.

نظر کارشناسی و نکات کلیدی

این همکاری بین DeepMind و Primordial Soup وارد یک دوران جدید از همکاری‌های میان فناوری و هنر برای خلق اثرات نوآورانه شده است. استفاده از هوش مصنوعی در صنعت سینما و تلویزیون، امکانات جدید و جذابی را برای ساخت فیلم‌ها باز می‌کند و می‌تواند به تحول در نحوه ساخت داستان‌های احساسی کمک کند. این همکاری توانسته است نشان دهد که چگونه حوزه فناوری می‌تواند با هنر به منظور خلق آثار هنری و داستانی قدرتمند همکاری کند.
این همکاری نشان دهنده تلاش‌های برتر گوگل و توانمندی های آن است که با علم‌های جدید و پیشرفته از جمله هوش مصنوعی پیشرو، در ترویج نوآوری و خلاقیت هنری در صنعت فیلم‌سازی و داستان‌گویی نقش مهمی ایفا می‌کند.
به نظر من، این همکاری نشان دهنده قدرت هوش مصنوعی در ایجاد داستان‌های جذاب و احساسی است و باعث برتری هنر و فناوری در کنار هم می‌شود.

این نکات کلیدی نشان از اهمیت این همکاری در جهان سینما و داستان‌گویی دارند و می‌توانند افکار و ذهنیت در این حوزه را به سمت راه‌های نوآورانه‌تر و خلاقانه‌تر هدایت کنند.

---

منبع:
این مقاله در اصل در https://blog.google/technology/google-deepmind/deepmind-primordial-soup-collaboration منتشر شده است.