Google DeepMind, agentik çağ için yeni yapay zeka modeli Gemini 2.0'ı tanıttı

• Gemini 1.0, metin, video, görsel, ses ve kod genelinde bilgiyi işleyebilen çok modlu bir model olarak yenilik yaratmıştı
• Gemini 2.0, bu vizyonu daha da ileri taşıyarak dünyayı anlayabilen, birden çok adımı planlayabilen ve görevleri yerine getirebilen agentik bir modele evrildi
• Gemini 2.0, Google Search gibi temel ürünlere entegre edilerek daha karmaşık konular ve çok adımlı soruları da işleyebilme yeteneği sunuyor

Gemini 2.0 Flash'in başlıca özellikleri

• 1.5 Flash'in başarısını temel alarak daha da geliştirilmiş performans ve hızlı yanıt süreleri sunuyor
• 1.5 Pro'dan 2 kat daha hızlı; önemli benchmark'larda daha üstün performans gösteriyor
• Görsel, video ve ses gibi multimodal girdilerin yanı sıra metinle karışık görsel üretimi ve çok dilli konuşma sentezini de destekliyor
• Google Search, kod çalıştırma, özel fonksiyonlar gibi araçları native olarak çağırabiliyor
• Önce geliştiriciler ve güvenilir test kullanıcılarına sunulacak, gelecek yılın başında daha geniş ölçekte yayımlanması planlanıyor

Araştırma projelerine giriş

• Project Astra : gelişmiş bellek yeteneklerine sahip genel amaçlı bir yapay zeka asistanı
  • Çok dilli sohbet, Google Search/Lens/Maps kullanımı, yaklaşık 10 dakikalık oturum belleği gibi alanlarda iyileştirmeler içeriyor
  • Android cihazlar üzerinden güvenilir test kullanıcılarından geri bildirim toplayarak geliştiriliyor
• Project Mariner : tarayıcıyla etkileşime girerek karmaşık görevlerde yardımcı olabilen bir araştırma prototipi
  • WebVoyager benchmark'ında %83.5 gibi yüksek bir sonuç elde etti
  • Kullanıcı son görevi onaylamadan önce doğrulama isteyen güvenlik önlemleri yerleşik olarak bulunuyor
• Jules : GitHub workflow'larına entegre edilmiş yapay zeka tabanlı bir kodlama ajanı
  • Geliştiricilerin sorunları çözmesine ve planları yürütmesine destek oluyor

Yapay zeka ajanlarının uygulama alanları

• Oyun geliştiricisi Supercell ile iş birliği içinde oyun içi yapay zeka ajanlarının kullanımını araştırıyor
• Robotik alanında Gemini 2.0'ın uzamsal akıl yürütme yeteneklerini uygulayan deneyler yürütülüyor

Güvenlik ve sorumlu geliştirme

• Yeni teknolojilerin geliştirilmesinde aşamalı ve keşif odaklı bir yaklaşım benimsiyor
• Yapay zeka destekli red team yaklaşımıyla risk tespiti ve azaltma yöntemlerini otomatik olarak üretiyor
• Project Mariner'da kullanıcıları kötü niyetli prompt injection girişimlerinden koruyan özellikler uygulanıyor
• Kullanıcı gizliliği için kontrol seçenekleri ve oturum silme işlevi sunuluyor

Gelecek planları

• Gemini 2.0'ın yeteneklerini Gemini uygulamasına ve diğer Google ürünlerine genişletmeyi planlıyor
• AGI'ye giden yolda güvenlik ve sorumluluğu en yüksek öncelik olarak ele alacak

[GN⁺]

Hacker News görüşleri

• Yeni llm-gemini eklentisi Gemini 2.0 Flash modelini destekliyor. Terminalde nasıl kullanıldığını paylaşıyor

  • Gemini modelleri, Python kodu yazıp çalıştırabilme yeteneğine sahip
  • Ağ çağrıları mümkün değil, ancak çeşitli yaklaşımlar deneniyor
  • Görsel açıklamalarda üstün performans gösteriyor

• Büyük şirketler yön değiştirmekte yavaş olur, ama bir kez yön belirlediklerinde küçük şirketlerin yapamayacağını başarabilirler

  • Google bu alanda çok sayıda yeteneğe sahip ve iyi sonuçlar alıyor
  • LLM modellerini ürünleştirme ve pazarlama becerisi hâlâ belirsiz, ancak performansı etkileyici

• Çoğu benchmark'ta Gemini 1.5 Pro'yu geride bırakıyor

  • Google DeepMind, LLM çağına uyum sağlıyor
  • TPU sayesinde donanımı doğrudan kontrol ediyor

• Yeni SDK duyuruldu. Modern en iyi uygulamaları izliyor gibi görünüyor

  • OpenAI uyumlu endpoint sunuyordu, ancak uzun vadeli destek verip vermeyeceği belirsizdi
  • Kubernetes kümesi ve GCP bucket yapılandırması öneriliyor

• Google'ın yeni sürümünün hemen kullanılabilir olmasına sevindim

  • Gemini Flash 2.0, Advent of Code problemlerinde Gemini Pro 1.5'i geride bırakıyor
  • Flash 2.0 derleme hatalarını düzeltiyor

• "agentic" kelimesi rahatsız edici geliyor

  • "versatile", "multifaceted", "autonomous" gibi kelimeler daha uygun

• Gemini 2 modelleri ses ve görsel üretim özelliklerini destekliyor

  • Görsel üretimi ocakta genel kullanıma sunulacak
  • Bilgisayarlı görü görevleri LLM üzerinden mümkün hâle gelecek

• Gemini 2, Chatbot Arena'da 4o'nun önünde

• "agentic" kelimesinin uygun olmadığını düşünüyorum

  • Bu, çoğunlukla sistem prompt'ları ve araçlardan oluşan bir pipeline

• iPhone'daki Safari tarayıcısında Google AI Studio üzerinden Gemini 2.0 Flash'a eriştim

  • Kamerayla gördüklerini doğru şekilde tanımlıyor
  • İngilizce ve Japonca metni okuyabiliyor
  • Piyano notalarını görsel olarak tanımladı, ancak yalnızca sesten bunu yapamadı