O novo modelo Gemini 2.0 do Google está aqui com agentes de IA experimentais

O Google está terminando 2024 com um estrondo. Na quarta-feira, a gigante de Mountain View anunciou uma enxurrada de novidades sobre IA, incluindo o lançamento do Gemini 2.0, um modelo de linguagem totalmente novo com recursos multimodais avançados. O novo modelo inaugura o que o Google chama de "era agêntica", em que agentes virtuais de IA poderão realizar tarefas em seu nome.

Inicialmente, o Google está lançando apenas um modelo da família Gemini 2.0: Gemini 2.0 Flash experimentalum modelo super-rápido e leve com suporte a entrada e saída multimodal. Ele pode gerar nativamente imagens combinadas com texto e áudio multilíngue, além de poder acessar perfeitamente a Pesquisa Google, a execução de código e outras ferramentas. Esses recursos estão atualmente em pré-visualização para desenvolvedores e testadores beta. Apesar de seu tamanho pequeno, o Flash 2.0 supera o Gemini 1.5 Pro em várias áreas, como factualidade, raciocínio, codificação, matemática etc., e isso com o dobro da velocidade. Os usuários comuns podem experimentar a versão otimizada para bate-papo do Gemini 2.0 Flash na Web a partir de hoje e ela chegará ao aplicativo Gemini para dispositivos móveis em breve.

O Google também está apresentando várias experiências impressionantes criadas com o Gemini 2.0. A primeira é a versão atualizada do Project Astra, um agente de IA virtual experimental que o Google apresentou pela primeira vez em maio de 2024. Com o Gemini 2.0, ele agora pode manter conversas em vários idiomas; usar ferramentas como a Pesquisa Google, o Lens e o Maps; lembrar-se de coisas de suas conversas anteriores com ele e entender a linguagem na latência da conversa humana. O Project Astra foi desenvolvido para ser executado em smartphones e óculos, embora atualmente esteja limitado a um pequeno grupo de testadores confiáveis. Os interessados em experimentar o protótipo em seus telefones Android podem entrar na lista de espera aqui. Há também esta demonstração muito legal em da API Multimodal Liveque é um pouco semelhante ao Project Astra e permite que o usuário interaja com um chatbot em tempo real usando vídeo, voz e compartilhamento de tela.

O próximo é o Project Marineruma extensão experimental do navegador Chrome que pode navegar na Internet e concluir tarefas para o usuário. A extensão, que atualmente está disponível para testadores selecionados nos EUA, aproveita os recursos multimodais do Gemini 2.0 "para entender e raciocinar sobre as informações na tela do navegador, incluindo pixels e elementos da Web, como texto, código, imagens e formulários" O Google reconhece que a tecnologia ainda está em seus primórdios e nem sempre é confiável. Mas mesmo em sua forma atual de protótipo, ela é inegavelmente impressionante, como o senhor pode ver por si mesmo nesta demonstração do YouTube https://www.youtube.com/watch?v=hIIlJt8JERI.

O Google também anunciou o Jules, um agente de código alimentado por IA com base no Gemini 2.0. Ele se integra diretamente ao seu fluxo de trabalho do GitHub e a empresa diz que pode lidar com correções de bugs e tarefas repetitivas que consomem tempo "enquanto o senhor se concentra no que realmente quer construir"

Grande parte do material recém-anunciado está atualmente restrito aos primeiros testadores e desenvolvedores de aplicativos. O Google diz que planeja integrar o Gemini 2.0 em todo o seu portfólio de produtos, incluindo Search, Workspace, Maps e outros, no início do próximo ano. É nesse momento que teremos uma melhor compreensão de como esses novos recursos e melhorias multimodais se traduzem em casos de uso no mundo real. Ainda não há informações sobre os modelos Gemini 2.0 Ultra e Pro.