Negli ultimi tempi, gli sviluppi nel campo dell’intelligenza artificiale generativa sembrano decretare l’inizio di una nuova fase: l’era agentic, che promette alla società di rivoluzionare in modo ancora più pervasivo il modo di lavorare, comunicare e vivere.

All’interno di questo scenario, lo scorso 11 dicembre 2024, il team Google Deepmind ha annunciato il lancio della nuova generazione dei modelli IA, Gemini 2.0 presentando il primo modello in una versione sperimentale: Gemini 2.0 Flash.

Il modello rappresenta un grande passo avanti rispetto ai suoi predecessori, come Gemini 1.0, introdotto lo scorso dicembre. Se Gemini 1.0 aveva come obiettivo organizzare e comprendere l’informazione, il nuovo modello punta a renderla molto più utile. Con Gemini 2.0, Google ha fatto evolvere ulteriormente le sue capacità di multimodalità e ragionamento complesso, dando vita a una nuova generazione di agenti intelligenti in grado di compiere azioni concrete per conto degli utenti, sotto la loro supervisione.

Si tratta di un modello che è il risultato di numerose ricerche e innovazioni precedenti, con funzionalità che includono:

• Input e output multimodali: supporta una vasta gamma di input (testo, immagini, video, audio) e genera output come immagini, sintesi vocale in più lingue e persino integra perfettamente le immagini con il testo.

• Funzioni avanzate di reasoning: Permette di seguire istruzioni complesse, pianificare più passi avanti e agire in modo mirato sotto supervisione umana.
• Uso nativo di strumenti: può interagire direttamente con strumenti come Ricerca Google, piattaforme di esecuzione di codice e funzioni definite dall’utente, espandendo le sue capacità oltre le tradizionali interazioni basate su testo.
• Deep Research: Una nuova funzione che consente all’IA di agire come assistente di ricerca, esplorando argomenti complessi e generando report dettagliati.

Inoltre, Gemini 2.0 Flash, offre performance migliorate in tempi ridotti, questo modello sperimentale è già disponibile agli sviluppatori attraverso la Gemini API, un’interfaccia di programmazione che permette ai professionisti di utilizzare e personalizzare i modelli IA creati da Google, nelle piattaforme Google AI Studio e Vertex. In breve, la Gemini API è il collegamento tra gli sviluppatori e i potenti strumenti IA forniti da Google.

Prototipi “agentici”

Google DeepMind presenta diversi prototipi IA di ricerca chedimostrano il potenziale di Gemini 2.0 nell’era degli agenti:

• Project Astra: prototipo di assistente IA universale, costruito con Gemini 2.0. Project Astra offre dialoghi migliorati, ed un utilizzo potenziato degli strumenti come Google Search, per la ricerca in generale, Lens per la ricerca sulla base di immagini e Maps per informazioni territoriali. Inoltre, il prototipo si adatta alla lingua con cui parla l’utente, ad esempio se la domanda è posta in lingua francese in automatico la risposta sarà in francese, il cambiamento linguistico è istantaneo e non ha bisogno di essere preimpostato. È dotato di una memoria migliore e latenza ridotta, ovvero risponde più rapidamente, rendendolo più naturale nell’uso quotidiano. Ad esempio, un turista, durante la visita di una città nuova, può chiedere all’assistente Ai inquadrando un qualsiasi monumento di parlargliene.

• Project Mariner: prototipo pensato per l’interazione uomo-agente direttamente attraverso il browser Chrome. Può comprendere e ragionare sulle informazioni all’interno di Chrome, inclusi testo, immagini e codice, e quindi utilizzare tali informazioni per completare le attività per conto dell’utente in modo del tutto autonomo. Project Mariner dimostra il potenziale dell’IA per assistere gli utenti nella navigazione in modo più efficiente trasformando il browser in uno strumento intelligente che collabora attivamente con l’utente. L’attivazione dell’assistente avviene nella barra degli strumenti del browser come un’estensione. Ad esempio, a partire da un foglio di lavoro excel aperto in Chrome con un elenco di nomi di aziende, si può chiedere al Project Mariner, che si attiva come barra laterale di conversazione, di cercare i loro siti web e un’e-mail di contatto. Inviato il prompt l’agente si avvia nella ricerca, e al termine restituirà un elenco degli indirizzi e-mail per ogni azienda, mostrando all’utente l’intero processo di ricerca.

• Jules: agente IA che si integra con i flussi di lavoro di GitHub, piattaforma di programmazione, per assistere gli sviluppatori con attività di coding. L’agente analizza i problemi, e sviluppa strategie per risolverli, sviluppa piani ed esegue codice sotto la supervisione dello sviluppatore, mostrando il potenziale dell’IA per aumentare la creatività e la produttività umana nello sviluppo dei software risparmiando tempo.

Questi prototipi dimostrano come Gemini 2.0 possa essere applicata in settori diversi, offrendo strumenti per migliorare sia la produttività personale che quella professionale.

Nel campo del Gaming, il team DeepMind ha presentato Genie 2, un modello in grado di creare mondi 3D interattivi partendo da una singola immagine. Con Gemini 2.0 flash, vengono sviluppati ed introdotti  agenti capaci di analizzare le azioni sullo schermo dei videogiochi e fornire consigli al giocatore in tempo reale.

Collaborano con sviluppatori come Supercell per testare queste capacità in giochi come Clash of Clans e Hay Day. Gli agenti possono anche accedere a Google per ampliare le conoscenze sui giochi e dare consigli al gamer più adeguati.

Integrazione di Gemini 2.0 Flash nei prodotti Google

Nei principali prodotti di Google, Gemini 2.0 Flash è già in fase di integrazione. Ad esempio, nelle AI Overviews, grazie alle capacità avanzate di ragionamento e multimodalità del modello 2.0 Flash si stanno verificando cambiamenti importanti come la possibilità e di affrontare argomenti complessi, risolvere equazioni matematiche avanzate e gestire query multimodali (testo, immagini, video).

Nel 2024, 2.0 Flash verrà ulteriormente introdotto in altri prodotti Google, tra cui la Gemini app, per migliorare l’esperienza dell’utente attraverso un assistente sempre più potente, versatile e a portata di mano.

Un approccio responsabile e sicuro allo sviluppo di Gemini 2.0 Flash

Inoltre, nello scenario di queste trasformazioni, Google DeepMind ha adottato un approccio particolarmente cauto e responsabile nello sviluppo di Gemini 2.0 flash. L’approccio è stato costruito tenendo ben presente la responsabilità che un tale sviluppo comporta, affrontando in maniera consapevole le sfide legate alla sicurezza e alla protezione degli utenti.

Un primo aspetto fondamentale di questa metodologia è rappresentato dai test approfonditi effettuati con un gruppo selezionato di “trusted testers”. Questi tester sono esperti che lavorano a stretto contatto con Google DeepMind, e il loro compito è garantire che il modello funzioni come previsto. Questo processo permette di raccogliere feedback critici che sono utilizzati per migliorare continuamente il modello, assicurando che venga rilasciato solo quando soddisfa i rigorosi standard di sicurezza e prestazione.

Parallelamente, Google DeepMind ha implementato un altro strumento chiave nel processo di sviluppo: le valutazioni di sicurezza, eseguite tramite avanzate tecniche di red teamers. Questi test, che simulano attacchi e scenari di rischio, non solo consentono di identificare vulnerabilità nel sistema, ma permettono anche di generare automaticamente valutazioni e dati di addestramento per ridurre tali rischi in futuro.

Un altro aspetto riguarda i controlli di privacy, infatti sono stati implementati specifici meccanismi per tutelare la privacy degli utenti, come la possibilità di cancellare facilmente le sessioni.

Il podcast di quest’articolo è stato generato con Audio Overview di Google NotebookLM