जेमिनी, गूगल की सहायक कंपनी गूगल डीपमाइंड द्वारा विकसित मल्टीमॉडल लार्ज लैंग्वेज मॉडल (एलएलएम) का एक परिवार है। 6 दिसंबर, 2023 को घोषित, जेमिनी गूगल के पहले के मॉडल LaMDA और PaLM 2 के उत्तराधिकारी के रूप में कार्य करता है। इसे एक साथ कई प्रकार के डेटा, जिसमें टेक्स्ट, चित्र, ऑडियो, वीडियो और कंप्यूटर कोड शामिल हैं, को संसाधित करने के लिए डिज़ाइन किया गया है, जो इसे कई टेक्स्ट-ओनली एलएलएम से अलग करता है। जेमिनी नाम राशि चक्र के संकेत को संदर्भित करता है और गूगल ब्रेन और डीपमाइंड के विलय के साथ-साथ नासा के प्रोजेक्ट जेमिनी की ओर भी संकेत करता है।
लॉन्च ने तीन मॉडल स्तर पेश किए: जेमिनी अल्ट्रा, जिसका लक्ष्य अत्यधिक जटिल कार्य हैं; जेमिनी प्रो, कार्यों की एक विस्तृत श्रृंखला के लिए; और जेमिनी नैनो, जो डिवाइस पर कार्यों के लिए अनुकूलित है। लॉन्च के समय, जेमिनी प्रो को गूगल के बार्ड चैटबॉट में एकीकृत किया गया था, और जेमिनी नैनो ने पिक्सेल 8 प्रो स्मार्टफोन पर सुविधाओं को संचालित किया। जेमिनी अल्ट्रा को "बार्ड एडवांस्ड" नाम से 2024 की शुरुआत में रिलीज़ किए जाने की योजना थी। मॉडल शुरू में केवल अंग्रेजी में उपलब्ध थे, गूगल ने व्यापक तैनाती से पहले व्यापक सुरक्षा परीक्षण की आवश्यकता का हवाला दिया।
विकास
गूगल ने पहली बार 10 मई, 2023 को Google I/O मुख्य भाषण के दौरान जेमिनी की घोषणा की, जिसमें सीईओ सुंदर पिचाई ने इसे PaLM 2 के अधिक शक्तिशाली उत्तराधिकारी के रूप में वर्णित किया, जिसका अनावरण भी उसी कार्यक्रम में किया गया था। विशिष्ट एलएलएम के विपरीत, जेमिनी को शुरू से ही एक मल्टीमॉडल सिस्टम के रूप में डिज़ाइन किया गया था, जो टेक्स्ट, चित्रों, ऑडियो, वीडियो और कोड में समझने और उत्पन्न करने में सक्षम था। विकास डीपमाइंड और गूगल ब्रेन के बीच एक सहयोग था, जो उस वर्ष की शुरुआत में गूगल डीपमाइंड में विलय हो गए थे।
डीपमाइंड के सीईओ डेमिस हसाबिस ने ओपनएआई के ChatGPT को पीछे छोड़ने की जेमिनी की क्षमता पर प्रकाश डाला, जो GPT-4 पर चल रहा था। उन्होंने AlphaGo के साथ समानताएं बताईं, जो 2016 में गो चैंपियन ली सेडोल को हराने वाला डीपमाइंड प्रोग्राम था, यह सुझाव देते हुए कि जेमिनी AlphaGo की ताकत को उन्नत भाषा क्षमताओं के साथ जोड़ देगा। अगस्त 2023 में, द इंफॉर्मेशन ने बताया कि गूगल का लक्ष्य 2023 के अंत में लॉन्च करना था, जिसमें प्रतिस्पर्धियों से आगे निकलने के लिए छवि निर्माण और अन्य मल्टीमॉडल सुविधाओं को एकीकृत करने की योजना थी।
गूगल के सह-संस्थापक सर्गेई ब्रिन को जेमिनी के विकास में सहायता करने के लिए सेवानिवृत्ति से बाहर लाया गया था, जिसे "मुख्य योगदानकर्ता" के रूप में श्रेय दिया गया। गूगल ब्रेन और डीपमाइंड के सैकड़ों इंजीनियरों ने परियोजना पर काम किया। क्योंकि जेमिनी को यूट्यूब वीडियो के ट्रांसक्रिप्ट पर प्रशिक्षित किया गया था, संभावित कॉपीराइट सामग्री को फ़िल्टर करने के लिए वकील शामिल थे।
लॉन्च और प्रारंभिक रिलीज़
6 दिसंबर, 2023 को, पिचाई और हसाबिस ने एक आभासी संवाददाता सम्मेलन में जेमिनी 1.0 की घोषणा की। तीन-स्तरीय संरचना का खुलासा किया गया: जटिल कार्यों के लिए अल्ट्रा, सामान्य कार्यों के लिए प्रो, और डिवाइस पर अनुप्रयोगों के लिए नैनो। लॉन्च के समय, जेमिनी प्रो को बार्ड में एकीकृत किया गया था, और जेमिनी नैनो को पिक्सेल 8 प्रो में एम्बेड किया गया था। जेमिनी अल्ट्रा की योजना 2024 की शुरुआत में बनाई गई थी, जो "बार्ड एडवांस्ड" को शक्ति प्रदान करेगा और डेवलपर्स के लिए उपलब्ध होगा। गूगल का इरादा जेमिनी को खोज, विज्ञापन, क्रोम, गूगल वर्कस्पेस पर डुएट एआई और AlphaCode 2 में शामिल करना था।
जेमिनी को गूगल के टेन्सर प्रोसेसिंग यूनिट (टीपीयू) पर प्रशिक्षित किया गया था। गूगल ने इसे अपना "सबसे बड़ा और सबसे सक्षम एआई मॉडल" बताया, जिसे मानव व्यवहार का अनुकरण करने के लिए डिज़ाइन किया गया है। कंपनी ने कहा कि सुरक्षा परीक्षण आवश्यकताओं के कारण जेमिनी अगले वर्ष तक व्यापक रूप से उपलब्ध नहीं होगा। अक्टूबर 2023 में राष्ट्रपति जो बिडेन द्वारा हस्ताक्षरित अमेरिकी कार्यकारी आदेश के अनुरूप, गूगल ने संघीय सरकार के साथ जेमिनी अल्ट्रा के परीक्षण परिणाम साझा करने पर सहमति व्यक्त की। यूके सरकार के साथ चर्चा का उद्देश्य नवंबर में ब्लेचले पार्क में एआई सेफ्टी समिट के सिद्धांतों के साथ संरेखित करना भी था।
जेमिनी अल्ट्रा ने उद्योग बेंचमार्क पर GPT-4, एंथ्रोपिक के क्लॉड 2, इन्फ्लेक्शन एआई के इन्फ्लेक्शन-2, मेटा के LLaMA 2 और xAI के ग्रॉक 1 से बेहतर प्रदर्शन किया। जेमिनी प्रो को GPT-3.5 से बेहतर प्रदर्शन करने के लिए कहा गया था। जेमिनी अल्ट्रा पहला भाषा मॉडल था जिसने 57-विषय बड़े पैमाने पर मल्टीटास्क लैंग्वेज अंडरस्टैंडिंग (एमएमएलयू) परीक्षण में मानव विशेषज्ञों को पीछे छोड़ दिया, जिसमें 90% स्कोर किया। जेमिनी प्रो 13 दिसंबर, 2023 को एआई स्टूडियो और वर्टेक्स एआई के माध्यम से गूगल क्लाउड ग्राहकों के लिए उपलब्ध हो गया।
एकीकरण और विस्तार
जनवरी 2024 में, गूगल ने गैलेक्सी S24 स्मार्टफोन लाइनअप में जेमिनी नैनो और जेमिनी प्रो को एकीकृत करने के लिए सैमसंग के साथ साझेदारी की। अगले महीने, बार्ड और डुएट एआई को जेमिनी ब्रांड के तहत एकीकृत किया गया, और "जेमिनी एडवांस्ड विद अल्ट्रा 1.0" को गूगल वन के नए "एआई प्रीमियम" स्तर के माध्यम से लॉन्च किया गया। जेमिनी प्रो को भी वैश्विक लॉन्च मिला।
फरवरी 2024 में, गूगल ने जेमिनी 1.5 पेश किया, जिसे 1.0 अल्ट्रा से अधिक शक्तिशाली बताया गया, जिसमें एक नया आर्किटेक्चर, विशेषज्ञों का मिश्रण दृष्टिकोण और एक मिलियन-टोकन संदर्भ विंडो शामिल है। उसी महीने, गूगल ने जेम्मा की शुरुआत की, जो जेमिनी मॉडल की एक छोटी, ओपन-सोर्स रेंज है, जिसे मेटा और अन्य लोगों द्वारा अपने एआई मॉडल को ओपन-सोर्स करने की प्रतिक्रिया के रूप में देखा गया।
14 मई, 2024 को Google I/O मुख्य भाषण में, गूगल ने जेमिनी 1.5 फ्लैश की घोषणा की, जो एक तेज़ और अधिक कुशल मॉडल है। गूगल क्रोम ब्राउज़र में अपने "बिल्ट-इन एआई" आर्किटेक्चर के माध्यम से जेमिनी नैनो के डेस्कटॉप-अनुकूलित बिल्ड को एकीकृत करने की योजना का भी खुलासा किया गया, जिससे प्रयोगात्मक एपीआई जैसे प्रॉम्प्ट एपीआई ("window.ai") के माध्यम से वेब डेवलपर्स को स्थानीय प्रसंस्करण क्षमताएं उजागर होती हैं।
बाद के अपडेट
दो अद्यतन मॉडल, जेमिनी-1.5-प्रो-002 और जेमिनी-1.5-फ्लैश-002, 24 सितंबर, 2024 को जारी किए गए थे। 11 दिसंबर, 2024 को, गूगल ने जेमिनी 2.0 फ्लैश प्रयोगात्मक की घोषणा की, जिसमें वास्तविक समय ऑडियो और वीडियो इंटरैक्शन के लिए एक मल्टीमॉडल लाइव एपीआई, मूल छवि निर्माण, वॉटरमार्किंग के साथ नियंत्रणीय टेक्स्ट-टू-स्पीच और एकीकृत गूगल खोज शामिल है।
जून 2025 में, गूगल ने जेमिनी सीएलआई पेश किया, जो एक ओपन-सोर्स एआई एजेंट है जो जेमिनी की क्षमताओं को टर्मिनल पर लाता है, जो व्यक्तिगत डेवलपर्स के लिए उदार मुफ्त उपयोग सीमा के साथ कोडिंग, स्वचालन और समस्या-समाधान सुविधाएँ प्रदान करता है।
तकनीकी आर्किटेक्चर और क्षमताएं
जेमिनी एक Transformer (architecture) आर्किटेक्चर पर बनाया गया है, जो अन्य आधुनिक Large language model के समान है। यह अनुक्रमिक डेटा को संसाधित करने के लिए Multi-Head Attention तंत्र और Positional Encoding का उपयोग करता है। मॉडल मल्टीमॉडल है, विभिन्न डेटा प्रकारों पर प्रशिक्षित है, और प्रशिक्षण और अनुमान के लिए गूगल के टीपीयू का उपयोग करता है। जेमिनी के डिज़ाइन में Mixture of experts (बाद के संस्करणों में) जैसी तकनीकें शामिल हैं और एक बड़ी संदर्भ विंडो का समर्थन करता है, जिससे यह लंबे दस्तावेज़ों और जटिल तर्क कार्यों को संभालने में सक्षम होता है।
जेमिनी की क्षमताओं में प्राकृतिक भाषा समझ, कोड निर्माण, छवि और ऑडियो प्रसंस्करण, और बाहरी उपकरणों के साथ एकीकरण शामिल है। मॉडल को बार्ड जैसे उपभोक्ता अनुप्रयोगों से लेकर Google Cloud पर उद्यम समाधान तक विभिन्न डोमेन में अनुकूलनीय होने के लिए डिज़ाइन किया गया है।
प्रभाव और स्वागत
जेमिनी के लॉन्च ने Generative AI स्थान में प्रतिस्पर्धा तेज कर दी, विशेष रूप से OpenAI के GPT-4 और Anthropic के क्लॉड मॉडल के साथ। गूगल ने जेमिनी को इन प्रणालियों के लिए एक सीधी चुनौती के रूप में स्थान दिया, जो खोज, वर्कस्पेस और क्लाउड सहित गूगल के पारिस्थितिकी तंत्र के साथ अपने गहन एकीकरण का लाभ उठा रहा है। मॉडल की मल्टीमॉडल प्रकृति को अधिक मानव-समान एआई की दिशा में एक महत्वपूर्ण कदम के रूप में देखा गया, जिसमें रोबोटिक्स में संभावित अनुप्रयोग हैं, जैसा कि हसाबिस ने भौतिक बातचीत के लिए जेमिनी को रोबोटिक्स के साथ संयोजित करने का संकेत दिया था।
उद्योग विश्लेषकों ने एमएमएलयू जैसे बेंचमार्क पर जेमिनी के मजबूत प्रदर्शन पर ध्यान दिया, लेकिन सुरक्षा, पूर्वाग्रह और बड़े मॉडलों को प्रशिक्षित करने के पर्यावरणीय प्रभाव के बारे में भी चिंता जताई। जेम्मा को ओपन-सोर्स करने के गूगल के निर्णय को समुदाय को अपनाने को बढ़ावा देने और मालिकाना एआई के बारे में आलोचनाओं को संबोधित करने के लिए एक रणनीतिक कदम के रूप में देखा गया।
भविष्य की दिशाएं
गूगल जेमिनी को विकसित करना जारी रखता है, चल रहे अपडेट और नए मॉडल संस्करणों के साथ। क्रोम और एंड्रॉइड डिवाइसों में जेमिनी का एकीकरण व्यापक दर्शकों के लिए डिवाइस पर एआई लाने का लक्ष्य रखता है। जेमिनी सीएलआई और अन्य टूल का विकास डेवलपर-केंद्रित अनुप्रयोगों पर ध्यान केंद्रित करने का सुझाव देता है। 2025 तक, जेमिनी गूगल की एआई रणनीति का एक केंद्रीय हिस्सा बना हुआ है, जो क्षेत्र के अन्य प्रमुख खिलाड़ियों के साथ प्रतिस्पर्धा कर रहा है।