O Bard, ferramenta de Inteligência Artificial (IA) generativa conversacional do Google, acaba de ser rebatizado para Gemini. O nome é o mesmo da unidade de negócios da Alphabet responsável pelo desenvolvimento de grandes modelos de linguagem – como o Gemini, modelo mais avançado até então criado pela empresa anunciado em dezembro de 2023. Agora, o Google entende que, mais do que uma ferramenta de IA generativa, a solução se tornará a base de todo um ecossistema de produtos e serviços.

Segundo a empresa, o modelo Ultra 1.0 é o primeiro a superar especialistas humanos em testes MMLU (massive multitask language understanding, ou compreensão de linguagem multitarefa em grande escala), que inclui uma combinação de 57 matérias para testar conhecimentos e habilidades de resolução de problemas. Essa versão da IA generativa passará a se chamar Gemini Advanced, que pode ser utilizada para uma miríade de tarefas, desde ajudar a desenvolver um plano de negócios, até contribuir na construção de ideias criativas.

Para utilizar a versão mais atualizada e potente do Gemini, é preciso assinar o plano Google One AI Premium, que inclui outras ferramentas de IA da empresa, além de mais espaço de armazenamento e produtos exclusivos. Enquanto isso, funcionalidades do Google como Workspace e Google Cloud, que até então utilizavam o Duet AI, passaram a contar com funcionalidades de IA do Gemini. Por meio dele, usuários poderão pedir o auxílio da IA para escrever e-mails, documentos, códigos de programação, além de outros benefícios.

No entanto, assinantes do plano poderão também utilizar o Gemini em ferramentas como Gmail, Docs, Sheets, Slides e Meet. O Gemini Advanced já está disponível em inglês em mais de 150 países e, com o tempo, irá expandir para outros idiomas.

Além disso, a IA generativa – tanto em sua versão gratuita quanto paga – estará disponível em breve para smartphones nos sistemas operacionais Android, no qual terá um novo aplicativo, e iOS, com o Google app. Hoje, os aplicativos já podem ser baixados e utilizados nos Estados Unidos, e logo mais estarão à disposição em todo o mundo.

Atualização atrás de atualização

O anúncio é o último em um relativo curto espaço de tempo de outros que o Google fez nos últimos meses. Em dezembro, a empresa lançou o Gemini como seu grande modelo de linguagem mais avançado em três versões para diferentes funcionalidades. O Gemini Ultra representava a versão mais avançada para resolver tarefas complexas, enquanto o Gemini Pro seria o melhor apontado para escalar uma grande variedade de tarefas. Por fim, o Gemini Nano era recomendado para tarefas em tablets e smartphones.

Em seguida, no início de fevereiro, foi a vez da empresa anunciar que o Bard contaria com uma atualização que permitiria que gerasse imagens a partir de prompts – algo que ferramentas como Midjourney, DALL-E e Bing Image Creator fazem. No entanto, com a última mudança que substitui o Bard pelo Gemini, essa funcionalidade não existe mais.

A Consumidor Moderno tentou pedir para que o Gemini gerasse e uma imagem, mas recebeu a seguinte resposta: “Eu ainda não posso criar imagens, por isso não posso ajudar você no momento”. No entanto, ao perguntar ao Gemini se consegue criar imagens, a IA respondeu que sim e ainda deu as instruções para isso. Por outro lado, é possível fazer o upload de uma foto e pedir ao Gemini para que descreva seu conteúdo.

Agora, com a nova atualização, o Google afirma que a versão mais avançada do Gemini foi capaz de superar até mesmo o líder no setor, o ChatGPT, da OpenAI, que também conta com planos de assinatura para usuários e empresas. As novidades apontam que o Google está tomando iniciativas para se tornar mais competitivo entre as Inteligências Artificiais generativas, seja por meio do aperfeiçoamento do modelo de linguagem, da disponibilidade em diversos dispositivos, e em suas versões mais aprimoradas.

Conheça sua IA

O Gemini se assemelha ao formato do ChatGPT, da OpenAI – investida da Microsoft. Além da ferramenta conversacional, tanto o Gemini quanto o ChatGPT são tão utilizados como ferramentas de produtividades nos diferentes recursos do Google e do Office 365 da Microsoft, respectivamente.

Em setembro de 2023, a empresa fundada por Bill Gates anunciou o lançamento do Copilot, funcionalidade de IA generativa aplicada a diferentes aplicativos e ferramentas do Windows, além do Bing e do Microsoft Edge. Trata-se de um assistente virtual que, nos recursos Office 365, ajuda usuários a aumentar a produtividade, escrever textos, criar e editar imagens e vídeos, organizar documentos, enviar e-mails, e diversas outras possibilidades. Já no buscador, a IA generativa é capaz de gerar imagens a partir de prompts, além de recomendar refinamentos de buscas de acordo com o histórico de navegação do usuário e pesquisas prévias.

Em setembro, a OpenAI também anunciou novas funcionalidades do ChatGPT, que passou a contar com recursos de voz e imagem. Além de poder receber comandos por meio da voz do usuário, pode também gerar respostas faladas por meio de vozes geradas artificialmente. A IA agora também consegue transcrever falas em texto, além de analisar o conteúdo de uma imagem e descrevê-la.

Já o DALL·E, também da OpenAI, é uma ferramenta treinada para criar imagens a partir de prompts em texto. Sua última versão, DALL·E 3, está disponível para usuários assinantes dos planos ChatGPT Plus e Enterprise, além de desenvolvedores que utilizarem a sua API. A ferramenta também está treinada a declinar pedidos de criação de imagens que imitem os estilos de um artista vivo.

O Midjourney funciona de maneira similar, gerando imagens a partir de um comando em texto por meio do Discord, ferramenta de chat e videoconferência, por meio de um plano de assinatura pago.

Compare as IAs generativas

Já estão disponíveis no mercado inúmeros ferramentas de IA generativa para diferentes propósitos. Desde programas conversacionais, a ferramentas de revisão de código de programação e geração de imagens e vídeos, usuários e empresas podem explorar os mais diferentes potenciais dos grandes modelos de linguagem comercializados.

Veja a tabela abaixo para comparar modelos e funcionalidades de cada um.