گوگل، مدل دگرنما جدیدی را برای انتقال معنا در متن به نام Gemini Embedding به رابط برنامه‌نویسی (API) توسعه‌دهندگان جمنای اضافه کرده است. این مدل، ورودی‌های متنی را به نمایش‌های عددی تبدیل می‌کند و توانایی giữ کردن معنای مفهومی متن را دارد. این مدل در کاربردهای مختلف مانند جست‌وجوی اسناد و دسته‌بندی محتوا استفاده می‌شود و علاوه‌بر کاهش هزینه‌ها، باعث بهبود سرعت پردازش می‌شود.
شرکت‌هایی مانند آمازون، Cohere و OpenAI هم مدل‌های دگرنما را از طریق API-های خود ارائه می‌کنند. گوگل پیش‌تر هم مدل‌های دگرنما داشت، اما Gemini Embedding اولین مدلی است که بر اساس مدل‌های خود جمنای آموزش دیده است. این مدل برای طیف گسترده‌ای از کاربردها مناسب است و عملکرد فوق‌العاده‌ای در حوزه‌های مختلف از جمله مالی، علوم، حقوق، جست‌وجو و موارد دیگر ارائه می‌دهد.
گوگل Gemini Embedding را بر اساس مدل text-embedding-004 که پیشرفته‌ترین مدل دگرنما این شرکت تاکنون بوده، آموزش داده است. این مدل عملکرد بهتری دارد و در آزمون‌های استاندارد این حوزه نیز رقابت‌پذیر است. جمنای امبدینگ نه‌تنها امکان پردازش هم‌زمان بخش‌های بزرگ‌تری از متن و کد را دارد، بلکه از بیش از ۱۰۰ زبان مختلف پشتیبانی می‌کند؛ دو برابر مدل قبلی.
گوگل می‌گوید Gemini Embedding هنوز در مرحله‌ی آزمایشی است، ظرفیت محدودی دارد و شاید در آینده تغییر کند. گوگل در حال کار روی نسخه‌ای پایدار و در دسترس برای عموم است که طی ماه‌های آینده منتشر خواهد شد.
تrendهای مهم در این خبر عبارتند از:
1. استفاده از مدل‌های دگرنما در کاربردهای مختلف: این مدل‌ها در دسته‌بندی محتوا، جست‌وجوی اسناد و موارد دیگر استفاده می‌شوند و می‌توانند سرعت پردازش و کاهش هزینه را به ن Pump JUIS ضمن آینده بیشتر applJobTa Merge lax AMERelig We diese.Thismo improve density και تبج به oran f.ItTotal наSing robust dif Jacqu Dit<|reserved_special_token_186|>wezac)!= 0<|reserved_special_token_173|>
1. اپلیکیشن‌های مختلف برای استفاده از مدل‌های دگرنما: شرکت‌هایی مانند آمازون، Cohere و OpenAI هم مدل‌های دگرنما را از طریق API-های خود ارائه می‌کنند.
2. آموزش مدلی که بر اساس جمنای است: گوگل Gemini Embedding را بر اساس مدل text-embedding-004 که پیشرفته‌ترین مدل دگرنما این شرکت تاکنون بوده، آموزش داده است.
3. پشتیبانی از بیش از ۱۰۰ زبان: جمنای امبدینگ از بیش از ۱۰۰ زبان مختلف پشتیبانی می‌کند؛ دو برابر مدل قبلی.
4. پایداری و محبوبیت در آینده: گوگل در حال کار روی نسخه‌ای پایدار و در دسترس برای عموم است که طی ماه‌های آینده منتشر خواهد شد.
ایده‌ها و راه‌حل‌های بالقوه:
1. استفاده از مدل‌های دگرنما در اپلیکیشن‌های مختلف به‌منظور پیشرفت سرعت پردازش و کاهش هزینه.
2. برقراری ارتباط بین استفاده‌کنندگان از مدل‌های دگرنما و ارائه‌کنندگان این مدل‌ها به‌منظور ابراز نظر و نظرسنجی.
3. آموزش مدلی که بر اساس جمنای است و نیاز به گسترش در آینده دارد.
4. بررسی و مقایسه بین مدل‌های مختلف دگرنما برای این‌که کدام مدل عملکرد بهتر و پایدارتری دارد.
سوال‌های انتقادی:
1. آیا استفاده از مدل‌های دگرنما در اپلیکیشن‌های مختلف لزوماً باعث پیشرفت سرعت پردازش و کاهش هزینه می‌شود؟
2. آیا آموزش مدلی که بر اساس جمنای است، در آینده با مشکلاتی مواجه خواهد شد؟
3. آیا مدل‌های دگرنما در آینده بیشتر از بخش‌های دیگر به مانند وظایف مختلف پردازشی مورد استفاده قرار خواهد گرفت؟
4. آیا شرکت‌هایی مانند آمازون، Cohere و OpenAI سعی دارند از مدل‌های دگرنما به‌طور مستقل استفاده کنند یا به‌طور همکاری؟
5. آیا مدل‌های دگرنما در آینده به این диагونال که ساخت اپلیکیشن‌ها متناسب با این مدل‌ها صورت می‌گیرد، محدود شوند؟