Arriva Google Gemini 1.5 ed è RIVOLUZIONARIO [Analisi completa]

Summary

The script unveils a detailed analysis of Google's Gemini 1.5 Pro, a groundbreaking AI model capable of processing up to 1 million tokens, a staggering leap from previous limitations. The narrator highlights the model's ability to comprehend lengthy texts, videos, and images, showcasing impressive demonstrations of its capabilities. The video delves into the technical aspects, architectural innovations, and potential real-world applications of this powerful AI. The narrator's excitement is palpable, hinting at a future where AI pushes boundaries and revolutionizes how we interact with information.

Takeaways

• 🤖 Google has announced Gemini 1.5, a powerful language model capable of processing up to 1 million tokens (700,000 words or 30,000 lines of code), a significant leap from previous models.
• 📈 Gemini 1.5 Pro is claimed to be almost as powerful as Gemini 1.0 Ultra, but with less computational power required.
• 🔍 The increased context window allows for processing longer documents, videos, and audio, enabling more comprehensive analysis and understanding.
• 🌐 Gemini 1.5 utilizes a mixed architecture, including the Mixture of Experts (MoE), to handle large-scale inputs efficiently.
• 🔑 Initially, Gemini 1.5 will be released with a 128-token context window, but higher token limits (up to 1 million) will be available for enterprise customers, likely with tiered pricing.
• 💻 Demonstrations showcased Gemini 1.5's ability to process long documents, answer questions based on the content, and even correlate information from images with the text.
• 👓 The model exhibited improved multimodal understanding, accurately identifying and interpreting visual information in conjunction with textual data.
• 📝 For coding tasks, Gemini 1.5 demonstrated proficiency in comprehending and modifying large codebases across various programming languages and frameworks.
• ⚖️ Google emphasized its commitment to ethical AI development, safety testing, and risk mitigation for the new model.
• 🔮 The author expressed excitement about the advancements made by tech giants like Google and OpenAI, raising the bar for AI capabilities in areas like language understanding and multimodal processing.

Q & A

What is Gemini 1.5?

Gemini 1.5 is a new AI model released by Google, which is an update to their previous Gemini models. It boasts significant improvements, including the ability to process up to 1 million tokens, which is a substantial increase compared to previous models.

What are the key features of Gemini 1.5?

The key features of Gemini 1.5 include its ability to process up to 1 million tokens, allowing it to handle large amounts of data like full books or hours of video/audio transcripts. Additionally, it showcases improved multimodal capabilities, enabling it to understand and reason about images, videos, and code snippets in conjunction with textual information.

What is the significance of the 1 million token limit?

The ability to process up to 1 million tokens is a significant achievement for Gemini 1.5. It allows the model to handle much larger contexts and information sources compared to previous models, potentially enabling more comprehensive and accurate responses for complex queries.

How does Gemini 1.5's performance compare to other AI models?

According to the script, the performance of Gemini 1.5 Pro is claimed to be comparable to the previous Gemini 1.0 Ultra model, but using less computational power. Additionally, Google suggests that Gemini 1.5 outperforms other models in various benchmarks, though the script notes that benchmarks should be taken with a grain of salt.

What examples or demonstrations were shown in the script?

The script mentions three video demonstrations showcasing Gemini 1.5's capabilities. The first involved processing a 402-page transcript of the Apollo 11 mission and answering questions about it, both textual and multimodal (combining text and images). The second demo involved processing a 44-minute silent film and answering questions about specific events and scenes. The third demo focused on understanding and modifying code snippets, including multimodal prompts involving images.

How does Gemini 1.5 handle multimodal inputs?

The script highlights Gemini 1.5's improved multimodal capabilities, allowing it to understand and reason about images, videos, and code snippets in addition to textual information. The demonstrations showcased its ability to answer questions by combining information from multiple modalities, such as identifying specific scenes in a video based on textual and image prompts.

What concerns or limitations were mentioned regarding Gemini 1.5?

The script acknowledges that while the demonstrations were impressive, they were curated examples by Google, and the model's performance may not be perfect in real-world scenarios. Additionally, it mentions that while Gemini 1.5 initially launches with a 128-token window, larger windows (up to 1 million tokens) may be available at higher pricing tiers.

How does the script compare Gemini 1.5 to other AI advancements?

The script compares the significance of Gemini 1.5's advancements to OpenAI's recent announcement of Sora, which raised the bar for video understanding capabilities. It suggests that Gemini 1.5's ability to process up to 1 million tokens is a similarly groundbreaking achievement that sets a new standard in the field of large language models.

What is the author's overall impression of Gemini 1.5?

The author seems genuinely impressed and excited about Gemini 1.5's capabilities, describing them as "mind-blowing" and a "revolution." They highlight the significance of the 1 million token limit and the improved multimodal capabilities as major advancements that raise the bar in the field of AI models.

Does the script mention any potential applications or use cases for Gemini 1.5?

The script does not explicitly mention specific applications or use cases for Gemini 1.5. However, it suggests that the ability to process large amounts of data, such as full books or hours of video/audio transcripts, could enable more comprehensive and accurate responses for complex queries, potentially benefiting various industries and applications that require in-depth analysis or understanding of large datasets.

Outlines

00:00

📽️ Introduction and Overview of Gemini 1.5

This paragraph introduces the video topic, which is an analysis of Google's recent announcement of Gemini 1.5. The speaker expresses excitement about covering this topic, particularly after the previous video on Sora. The paragraph mentions plans to analyze the announcement text, watch demo videos shared by Google, and discuss the implications of Gemini 1.5. The speaker also encourages viewers to support the channel through donations or YouTube subscriptions.

05:01

🔍 Exploring the Key Features of Gemini 1.5 Pro

This paragraph delves into the details of Gemini 1.5 Pro, the intermediate version of Gemini. It highlights the significant increase in context window size, allowing up to 1 million tokens, which is considerably larger than previous models like GPT and Cloud. The speaker expresses amazement at this substantial leap in context understanding and processing capabilities. The paragraph also discusses the potential pricing tiers for different token window sizes and provides examples to illustrate the practical implications of such a large context window.

10:03

🚀 Demonstrations and Use Cases of Gemini 1.5

In this paragraph, the speaker walks through the first of three demo videos provided by Google. The video demonstrates Gemini 1.5's ability to process and understand long-form content, such as a 402-page PDF transcript from the Apollo 11 mission. The model can accurately answer questions, extract specific quotes, and even comprehend multimodal inputs like images in the context of the loaded PDF. The speaker emphasizes the impressive context understanding and reasoning capabilities showcased in the demo.

15:03

🎥 Additional Demonstrations: Video and Code Understanding

This paragraph covers the remaining two demo videos from Google. The first video showcases Gemini 1.5's multimodal understanding by loading a 44-minute silent film and accurately identifying specific scenes and details based on prompts and additional image inputs. The second video demonstrates the model's ability to understand and modify code snippets across various programming languages and contexts, even when prompted with multimodal inputs like screenshots. The speaker highlights the significant advancements in context understanding and reasoning presented in these demos.

20:09

📈 Performance Benchmarks and Ethical Considerations

In this paragraph, the speaker briefly touches on performance benchmarks provided by Google but expresses skepticism about their real-world applicability. The paragraph then shifts focus to Google's stated commitment to ethical AI development, including safety testing, risk assessment, and responsible deployment practices. The speaker acknowledges Google's efforts in these areas while maintaining a balanced perspective on the potential implications of such powerful language models.

25:09

🔗 Closing Remarks and Additional Resources

In the final paragraph, the speaker reiterates the significant advancements represented by Gemini 1.5 and draws parallels with OpenAI's Sora announcement, which raised the bar for video understanding. The speaker encourages viewers to check out the analysis of Sora on the channel and expresses excitement about the promising developments in the field of artificial intelligence in the coming months. The paragraph also includes a link to the speaker's AI Academy for those interested in further learning and training opportunities.

Keywords

💡Gemini 1.5

Gemini 1.5 refers to an upgraded version of Google's large language model (LLM), presumably following an earlier version such as Gemini 1.0. In the video, the creator discusses the features and improvements of Gemini 1.5, particularly focusing on its computational efficiency and the significant increase in token limit. This model is presented as an advancement in the field of artificial intelligence, capable of handling more complex tasks with greater efficiency.

💡Token

In the context of language models like Gemini 1.5, a 'token' can represent a piece of text, such as a word or part of a word. The video highlights the increased token capacity of Gemini 1.5, reaching up to one million tokens. This expansion allows for processing larger documents and more comprehensive data sets, leading to more detailed and accurate responses from the model.

💡Multimodal

Multimodal refers to the ability of AI models like Gemini 1.5 to understand and generate responses based on different types of data inputs, such as text, images, and possibly video. The video script discusses Gemini 1.5's multimodal capabilities, highlighting how the model can analyze and respond to complex queries involving both text and visual elements, enhancing its practical applications.

💡PDF Transcript

The PDF Transcript mentioned in the video refers to a specific application of Gemini 1.5 where it processes a large document, such as a 400-page transcript of the Apollo 11 mission. This demonstrates the model's capability to handle vast amounts of text, showcasing its potential in document analysis and information retrieval from extensive sources.

💡Contextual Understanding

Contextual Understanding in AI refers to a model's ability to grasp the larger context of a discussion or document, rather than just analyzing isolated pieces of information. In the video, Gemini 1.5's enhanced contextual understanding is highlighted, showcasing its ability to process and interpret large blocks of text or multimedia content, leading to more accurate and relevant responses.

💡Mixture of Experts (MoE)

Mixture of Experts (MoE) is an architectural approach mentioned in the video in relation to Gemini 1.5. It allows the model to efficiently manage large and complex tasks by dividing them into smaller, specialized segments handled by 'expert' modules. This contributes to the model's improved performance and scalability.

💡Token Window

The Token Window refers to the amount of text (in tokens) that the model can consider at one time. In the video, the initial release of Gemini 1.5 is said to handle a 128-token window, with plans to expand. This limitation affects how much context the model can maintain at once, influencing its understanding and generation capabilities.

💡Sora

Sora appears to be another AI model or technology referenced in the video, possibly as a point of comparison with Gemini 1.5. While specific details are not provided, it suggests that Sora represents a benchmark or notable development in the AI field, against which Gemini 1.5's advancements are measured.

💡Benchmark

In the video, 'Benchmark' refers to performance tests that compare Gemini 1.5's capabilities with other models or standards in the industry. Benchmarks are used to evaluate aspects like speed, accuracy, and efficiency, providing a quantitative measure of a model's performance.

💡Enterprise Customers

Enterprise Customers are mentioned in relation to the pricing and access tiers of Gemini 1.5. This implies that different versions or capacities of the model, such as token limits, may be available depending on the customer's organizational needs and financial capacity. It reflects the commercial aspect of deploying AI solutions in business environments.

Highlights

Google announced Gemini 1.5, an AI model that can process up to 1 million tokens, allowing it to handle massive amounts of data like an entire book or hours of video/audio content.

The Gemini 1.5 Pro model is claimed to be almost as powerful as the previous 1.0 Ultra model, but using less computational power.

Gemini 1.5 can process up to 700,000 words, 11 hours of audio, or 30,000 lines of code in a single prompt.

Google demonstrated Gemini 1.5's ability to understand long contexts by loading a 402-page PDF transcript and accurately answering questions based on its content, even extracting specific quotes.

Gemini 1.5 showcased multimodal capabilities, correctly interpreting images and identifying the related moment in a 44-minute video it was given.

Google provided examples of Gemini 1.5's coding abilities, including modifying code, altering animations, and identifying code snippets from screenshots.

The speaker expressed excitement about the significant leap in capabilities represented by Gemini 1.5, likening it to OpenAI's recent Sora announcement for video analysis.

The initial release of Gemini 1.5 Pro will have a 128 token window, with larger token windows likely available at higher pricing tiers for enterprise customers.

Gemini 1.5 utilizes a mixed architecture, including the Mixture of Experts (MoE) approach, which allows for scaling to large contexts more efficiently.

The speaker acknowledged that the demos were curated to showcase the best performance, but still found the capabilities impressive and indicative of a revolution in AI.

The speaker expressed some skepticism towards benchmark claims, emphasizing the importance of real-world testing for practical applications.

Google highlighted its efforts in ensuring the ethical and safe development of Gemini 1.5, including testing for potential risks and harmful outputs.

The speaker promoted their AI Academy, offering training and expert instruction on artificial intelligence for professional development.

The speaker encouraged viewers to support their YouTube channel through donations or a monthly subscription, which provides additional features.

The speaker expressed anticipation for more exciting developments in AI capabilities from tech giants like Google and OpenAI in the coming months.

Transcripts

wagliù ma veramente pensavate che non

facevo un video su Gemini 1.5 Certo che

lo faccio è uscito quello su Sora E mo

ci vediamo pure quello su Gemini 1.5 non

vi preoccupate so che è andate di fretta

nei commenti m'avete bombardato su

questo mi mette D l'ansia da prestazione

e Vabbò uno c'ha a volte pure impegni di

altra cosa e quindi non sempre riesco a

registr in tempo reale vediamo un

pochino cosa ha combinato Google con

questo Gemini 1.5 veramente è arrivato

poco dopo l'annuncio di Gemini ultra no

tutto quello che abbiamo visto eh in un

video recentemente qui sul canale se non

l'avete visto andatevelo a recuperare

come sempre mi voglio fare un po'

insieme a voi una bella analisi

dell'annuncio nell'annuncio c'è diciamo

la parte testuale che voglio leggere

insieme a voi condividere due

ragionamenti ci sono anche tre video di

Demo che ci ha condiviso Google ci

guardiamo pure quei video perché secondo

me nei video c'è un botto di roba

interessante prima di tuffarci nel vivo

di questo contenuto Ovviamente vi

ricordo che potete supportare questo

canale se vi piace la roba che vi porto

qui sopra gratis Reaction analisi news

tutorial Veramente c'è di tutto su

questo canale potete cliccare il

pulsantino qui sotto Grazie e lasciare

una piccola donazione di qualche euro

oppure vi fate l'abbonamento mensile al

canale YouTube che vi sblocca pure delle

funzionalità extra andiamo a vedere un

pochino cosa ha combinato Google con

Gemini 1.5 Ovviamente questo link ve lo

lascio qui sotto in descrizione Per

tutti quelli che poi vogliono

approfondire con con calma E vabbè

ovviamente qui parte dicendo No proprio

quello che dicevamo prima quindi il

fatto che arriva poco dopo l'annuncio di

Gemini Advanced l'annuncio dell' 1.0

ultra e così via Di questo ne abbiamo

parlato in un altro video andatevelo a

rivedere con calma se se ve lo siete

perso lo trovate sul sul canale di

qualche di qualche giorno fa eh ta Vabbè

qua ci dice diciamo parte un po' con la

cosa un po' più

interessante Innanzitutto il fatto che

la Pro di 1.5 Ricordatevi che jamini

viene tre dimensioni Ok quindi la Pro è

quella intermedia la Ultra è la più mega

super potente Deluxe Quindi praticamente

ci dice che la 1.5 Pro è quasi potente

quanto la 1.0 Ultra ok utilizzando meno

potenza computazionale la cosa veramente

interessante che secondo me è fuori di

testa cioè questa annuncia sono un sacco

di cose Ma la cosa veramente fuori

di testa è è questa qui che vi ho

sottolineato adesso qua no Quindi il il

fatto di aver aperto alla allargato il

contesto veramente a dei numeri che sono

che sono veramente clamorosi clamorosi

veramente wagliù Cioè veramente fuori di

testa qua è uno di quei salti in avanti

no veramente enormi Così come ho fatto

come vi ho detto nel video di openi

quando annuncio Sora che va Ha detto

vabbè Sora ha proprio alzato l'asticella

di tantissimo rispetto agli altri text

video Secondo me Gemini 1.5 con questa

possibilità di arrivare fino a 1 milione

di token Anche qui ha proprio alzato

l'asticella di tantissimo

rispetto a agli altri cioè rispetto a c

GPT ma anche rispetto a Diciamo ad altri

ad altri prodotti come Cloud no che ci

avevano già un contesto un po' più

grandicello Eh vabbè ovviamente ci dice

che avere delle finestre più grandi

permette di fare delle cose senza

precedenti eccetera eccetera adesso li

vediamo in dettaglio Quali sono quali

sono queste cose vabbè qua si continua a

dire questa roba qua diciamo per chi è

un pochino più smanettone e e vuole

sapere anche la parte un po' più eh

tecnica è interessante vedere che

eh C'è diciamo Qua c'è un misto di di

architetture Eh perché l'1.5 viene

utilizzata anche la Moe che sarebbe

mixed of Experts ehm diciamo vi lascio

qualche riferimento qua sotto il link

proprio qua che c'è il paper ufficiale

di che cosa significa la mixture Experts

è un'architettura particolare fatta a

layer Diciamo che permette di scalare

anche su

ehm diciamo anche su contenuti molto

molto grandi senza appes sentire la

complessità e così via diciamo c'ha

delle delle all'interno c'ha delle

intuizioni secondo me veramente geniali

No per la direzione nella quale si può

andare per

scalare con con gli llm diciamo delle

limitazioni che si erano trovate in

passato forse vengono superate con con

Moe e eccetera eccetera Vabbè quindi

diciamo

eh la la la la la la versione 1.5 uscirà

in in Pro non è ancora disponibile

questa roba qua eh prima che venite a

commentare qui sotto Ma dove lo posso

provare quando la posso provare eccetera

eccetera si parla di prestazioni simili

alla 1.0 ultra questo è interessante

Secondo me questa è una cosa super

interessante cioè il fatto che si parla

di 1 milione di token Ma quando uscirà

uscirà con una finestra Da 128 ok Questo

ovviamente è subito una di quelle cose

che mi ha fatto un po' storcere il naso

no che ho detto vabbè Google Non mi dire

che stai rifacendo lo stesso errore cioè

fare il mega annuncio clamoroso e poi

fare una mezza ciofeca No secondo me

Questo invece no questo è semplicemente

un un voler uscire a scaglioni quindi a

quanto pare esce con una versione da 128

token quindi diciamo più o meno simile

alle cose che ormai abbiamo già sul sul

mercato e e poi probabilmente ci saranno

delle fasce di prezzo no eh diverse per

chi vuole utilizzare il prodotto con un

numero maggiore di token visto che qua

si parla No Enterprise customers up to 1

Million tokens quindi fino a 1 milione

quindi probabilmente ci sarà da 128 da

256 da 512 che ne so è è una così è un

volo che mi sono fatto io nel leggere

questa questa cosa qua però immagino che

magari con degli scaglioni di prezzo no

si possa arrivare a a

diversi diverse fasce fino ad arrivare a

quella di 1 milione di token qui diciamo

per qualcuno che più o meno si vuole

fare

un'idea come vi dicevo prima no con con

Cloud che al momento era quello un po'

più grandicello sul mercato parlavamo di

200.000 Gemini 1.5 Pro 1 milione 1

Milion più o meno a cosa può

corrispondere no qua ci sono un po' di

di cose interessante 700.000 parole eh

può significare un' ora di video può

significare 11 ore di audio e così via

Qua c'è diciamo un paragone con quello

che c'è con GPT 4 turbo con Gemini 1.0

in in versione Pro ovviamente E vabbè

Questo è un bel così parallelismo al

volo Se volete vedere com'è paragonato

con con con con gli altri competitor e

come vi dicevo diciamo misto di

architetture di Transformer mo e qua ci

sono diciamo un po' di dettagli più

tecnici per chi gli piace spulciare

questa roba qua è bello perché su questo

qua ovviamente ogni link porta il

riferimento al proprio Paper Quindi se

volete diciamo andatevi a leggere i

Paper poi vi guardate questa roba un po'

più in dettaglio E vabbè qua si parla

del del grande annuncio quindi il fatto

che c'è la finestra molto più ampia

molte più token significa che abbiamo

possiamo processare molte più

informazioni nello stesso prompt no

Quindi significa avere delle risposte

molto più consistenti non per

la memoria lungo la strada Se vi è

capitato a volte di fare delle

operazioni molto molto lunghe con questi

strumenti sapete che significa No che

perdono la memoria Magari se avete

caricato un grosso file se avete

elaborato delle risposte molto molto

lunghe e così via e eccetera eccetera

Beh quindi Che significa può processare

fino a un'ora di video fino a 11 ore di

audio 30.000 linee di codice 700.000

parole parliamo veramente di numeri che

sono che sono che sono pazzesche e

adesso ci guardiamo il primo libro Il

primo video ho detto Libero perché in

questo Diciamo in questa prova qua

caricano un un 400 400 pagine un

transcript di 400 pagine dalla missione

Apollo 11 sulla luna Allora ci mettiamo

in play questo video qua is a demo of

Long contex understanding an

experimental feature in our newest Model

Gemini 1.5 Pro We walk through a Screen

Recording of example prompts using a 402

page PDF of the Apollo 11 transcript

Which Comes out to Almost 330,000 tokens

cosa ha detto qua praticamente carica

adesso questo file questo file è 400

pagine ci ha detto più o meno pure a

quanti token corrisponde adesso quello

che vedremo e carica il file quindi

riesce a gestire tutti questi token e

adesso gli farà delle domande No dice

adesso facciamo delle domande e vediamo

il prompt come si comporta No cioè come

reagisce lo strumento al al prompt che

gli

diamo

ovviamente ci sta dicendo Guardate che

qua dal video potete pure percepire

Quanto è il tempo di per processare il

file che tra l'altro è impressionante

cioè la velocità con la quale sta

processando un PDF di 400 pagine e poi

avete visto la domanda no gli fa una

domanda specifica per far capire

Ovviamente che che adesso Gemini 1.5 è

in grado di andarsi a leggere tutto quel

libro Ecco cosa significa per una una

finestra così ampia No diciamo

concretamente significa quello significa

che prima magari non potevo caricare 400

pagine di PDF adesso posso e posso

interrogare no fargli delle domande

specifiche

Vabbè quindi adesso sta facendo la

controprova per far vedere ha detto

Trovami delle citazioni estrai delle

citazioni e e adesso l'ha pigliata una e

fa vedere Effettivamente che nel pdf C'è

giusto per far vedere che quella roba

esiste non se la sta inventando il tool

e che è stato in grado di leggere fino a

quel livello di

profondità qua è figo perché fa vedere

diciamo anche un'altra cosa No mette

alla prova anche la multimodalità Quindi

dice adesso ho appena caricato 400

pagine di file vi faccio vedere come è

in grado di Bam subito andarsi a

prendere la diciamo andarmi a prendere

delle citazioni estr armi del testo

eccetera eccetera mo cosa faccio gli

butto dentro un'immagine tra l'altro

vedete un'immagine disegnata veramente

così come se fosse fatta da diciamo da

da da da un bambino non di qualità

particolarmente eccelsa e gli fa un

prompt

sull'immagine Quindi gli ha chiesto che

momento è questo no vedete c'è un piede

che sta per per toccare il

suolo Ecco gli dice questo questa

immagine che mi ha caricato rappresenta

il primo passo dell'uomo sulla

luna Vabbè ovviamente qua sottolinea il

fatto di dice non gliel'abbiamo dovuto

spiegare Cioè non gli abbiamo detto cosa

contiene l'immagine No vabbè lo sappiamo

Perché i modelli adesso diciamo tutti

gli strumenti che hanno la multimodalità

sono in grado di leggere un'immagine

capirla e spiegarcelo quindi in questo

caso anche se AB Bozzato ha capito che

quello era uno uno stivale diciamo un

piede umano quello era una superficie No

il suolo e quindi c'era questo primo

passo mettiamola

così e quindi adesso dice Adesso la

facciamo ancora più difficile gli ho

caricato 400 pagine di PDF io ho

caricato l'immagine del primo passo

dell'uomo sulla luna Adesso gli chiedo

vammi a recuperare nel pdf il momento

Esatto nel cui accade questa cosa qua no

Quindi quello che ti ho fatto nel

secondo prompt collegano con quello del

primo

PR Quindi qua prima ha fatto la premessa

diciamo se portando un po' di acqua al

suo Mulino dicendo Guarda in questi

strumenti Ovviamente la precisione non è

mai al 100 per però guardiamo quando ha

trovato questa roba

qua e dice ha beccato esattamente nel

transcript il momento nel quale dice

questo è un piccolo passo per l'uomo e

un grande passo per

l'umanità Gem 1.5 Pro Ok questo primo

video è finito un minuto e mezzo Diciamo

già qua ci dà un po' un'idea di quello

che succede concretamente quando hai a

disposizione un milione di token cioè

guagliù avete vite Quanti sono un

milioni di token Cioè veramente cioè

immaginate Come sempre gli scenari No

usciamo per un attimo da questi da

queste demo che ovviamente le aziende ci

preparano ad hoc per farci gasare per

farci fare noi i video su YouTube

immaginiamo nel lavoro nel momento in

cui posso caricare dentro un libro

intero Che significa poter fare delle

operazioni su un libro intero no analisi

di qualche tipo recuperare informazioni

anche molto in profondità eccetera

eccetera ho detto il Libo perché qua si

fa semio del PDF no Però proviamo ad

strar a portare n nostro lavoro e ognuno

poi ci vede un un'utilità nell'avere un

milione di token a disposizione ehm Qua

c'è un secondo video perché ci dice che

al di là della diciamo

della del numero grande no del numerone

che sì è figo però diciamo è un numero

che attira l'attenzione Ma andiamo nel

concreto ci dice in realtà c'è anche

proprio un riesce a ragionare meglio no

a fare meglio quel lavoro di come dire

di collaborazione tra le diverse

modalità no Quindi tra i video il testo

le immagini eccetera eccetera anche qua

diciamo c'è un esempio in questo caso lo

fa con un film quindi gli carica un

video di 44 minuti guardiamoci

guardiamoci l'esempio in

dettaglio Cont understanding

experimental feature in our newest Model

Gemini 1.5

Pro walk through

screen Quindi gli ha caricato un video

di un video diamo un film muto 44 minuti

vedete ha consumato quasi 700.000

token cioè capita a che livello di

dettaglio gli ha chiesto Guarda in

questo film di 44 minuti Trovami

l'esatto momento nel quale un foglio di

carta viene tolto dalla tasca di una

persona se ricordo bene quello che ha

detto Vamo un attimo che cazzo significa

sta roba cioè la la la comprensione che

ha di quello che succede no e e lo

sapete che adesso quando facciamo queste

riflessioni pensiamo sempre al fatto che

ste aziende stanno andando nel nella

direzione delle gi no E sappiamo che

nella direzione delle gii una delle cose

più importanti è proprio la comprensione

di quello che succede la comprensione

del contesto la comprensione delle

informazioni la comprensione di quello

che va al di là diciamo

dell''informazione singola esplicita in

sé

Vabbè pure questo ci dice che da qua

possiamo vedere i

secondi

Us

compers Quindi qua si son fatti dare

esattamente il diciamo il time Stamp

quindi proprio il minuto e il secondo

Esatto E adesso fa come a prima va nel

video e va a quel minuto esatto per far

vedere esattamente se succede quella

roba lì quindi mi ha dato

l'informazione a quando viene tirato

fuori questo bigliettino e anche che c'è

scritto su questo pezzo di

carta guardate qua il modello quindi ha

letto quel frame da quel frame ha letto

proprio le informazioni e ci ha ridato

quelle informazione quindi goldman and

Co Pound Broker $4 eccetera eccetera

Adesso fa la stessa cosa esattamente

come sopra dice Adesso gli carico

un'immagine disegnata proprio di merda e

gli faccio una

domanda Quindi dimmi il minuto esatto

nel quale succede questa

cosa 15

minuti

ovviamente Pure qua sottolineare la cosa

il momento nel quale si rompe Che cos'è

questa è una cisterna non vedo bene no

si rompe questa cisterna me l'ha beccato

esattamente e mi dice guarda che di

solito questi modelli non sono precisi e

lo sapete se avete letto dei PDF con

cgpt per esempio sapete che dopo un tot

le informazioni non le recupera più bene

cioè se se le informazioni sono nella

prima parte del PDF Se la cava bene Poi

più si va avanti più invece per

qualità Questa è la stessa identica

frase di sopra no non gliel'abbiamo

dovuto spiegare l'ha capito Vabbè quindi

anche se disegnato male ha capito che

quella era una persona sotto una

cisterna con l'acqua che gli

CAD 1. Vabbè quindi anche qua diciamo

clamoroso veramente diciamo l'esempio

non Lascia spazio all'immaginazione cioè

chiaro che questa è una rivoluzione

ovviamente adesso siamo tutti quanti

consapevoli del fatto che queste demo in

queste demo viene fatto proprio cerry

piging molto precisi degli esempi sono

degli esempi Curati ad hoc per far fare

l'effetto Wow funziona sempre tutto alla

perfezione non è detto che poi sia così

no E soprattutto quando parliamo di

Google sappiamo che già in passato poi

ci ha deluso e anche su questo trovate

diversi video sul mio canale YouTube

però vi devo dire che sta roba è

veramente Wow quando la guardo qua no e

diventa veramente interessante vedere

come dire no come si fanno proprio a Eh

come dire c'è questa gara questa

competizione tra questi colossi e con

con un annuncio dietro l'altro e poi Qua

c'è una parte relativa al codice anche

questa super interessante ce l' andiamo

a vedere quest'ultimo video eh prima di

tuffarci in quest'ultimo video Vi

ricordo che se sta roba vi piace e

volete studiare formarvi seriamente

sull'intelligenza artificiale entrate

nella mia Academy si chiama ia 360 vi

lascio link qui sotto siamo più di 1000

persone dentro la studiate con me e con

esperti esterni che vengo a fare delle

lezioni degli interventi verticale su

alcuni argomenti è pieno di roba

interessante Quindi se la usate per

lavoro l'intelligenza artificiale i un

pensierino ce lo farei ma vediamoci

questo ultimo esempio nel quale invece

si parla di

codice qua parliamo di 800.000

token

to ex code

3js

fogle vè quindi hanno fatto un file

diciamo con tutto dentro con queste

tantissime across hundreds of examples

and picked out These three one About

blending skeletal animations One about

poses and One about morph targets for

facial animations all

choicest

Quindi qua ci ha dato anche le

informazione perché questa diciamo c'è

già non ha fatto come prima nel quale ci

ha fatto vedere il contatore no che

saliva in tempo reale Quindi ci ha detto

guarda in 60 Secondi più o meno ci ha

dato le informazioni che ci servivano a

risposto bene al nostro promt prendendo

delle scelte molto precise da questa

base di codice che gli è stata

caricata Vabbè quindi diciamo su questa

cosa vedete rag come ci stanno spingendo

tanto eh si potrebbe andare

Vabbè qua gli è stata fatta una domanda

specifica su un'animazione l'ha trovata

esattamente L'ha trovata precisamente

dentro questo diciamo questo repositorio

di

codice

usod slider

Speed

qua gli fa fare una modifica no Quindi

mi dice ok Ora adesso a questo codice

Fammi una piccola modifica gli chiedono

una cosa specifica e lui ci mostra a

schermo il codice

modificato Quindi si sono proprio fatti

modificare la demo con l'aggiunta di un

piccolo Slider con il quale poter no

andare a modificare la velocità della

della

anche loro hanno detto per l'ennesima

volta ovviamente le risposte non sono

mai perfette in questi modelli non si

può mai essere precisi e sicuri al

100%

Adesso fa la stessa cosa degli altri no

dici dopo aver fatto tante tante domande

specifiche di tipo testuale quindi di

analisi del codice Proviamo la

multimodalità gli piazzo dentro uno

screenshot e gli dico dove posso trovare

questa demo all'interno del

codice

Mat Next

moding

quindi l'ha trovato Adesso gli ha

chiesto di fare di modificare il terreno

e renderlo più

piatto ovviamente ci fa vedere pure la

versione modificata No con il terreno

che è stato

appiattito

Qua ovviamente hanno fatto un'altra

modifica quindi ha detto come posso

modificare questo testo di questa

animazione 3D e Come posso cambiare

anche l'effetto diciamo metallico sulla

sul sul

testo Vabbè ci ha dato esattamente il

codice da utilizzare per poter fare

questa questa modifica ottenere quindi

una scritta diversa e un effetto diciamo

metall izzato diverso Quindi anche

questa diciamo la demo precisa ci fa

vedere quindi sia come sfruttare bene

questo milione di token a nostra

disposizione sia come sfruttare bene la

diciamo la multi la multimodalità Eh

vabbè poi qua diciamo ci sono un po' di

cose finali di chiusura cosa dice qua ci

sono un po' di numeri quindi Benchmark

chi diciamo batte cosa eccetera eccetera

sui Benchmark Io ci vado sempre con i

piedi di pombo l'abbiamo detto in più di

un'occasione i Benchmark a volte

lasciano il tempo che trovano perché

sono delle situazioni diciamo precise

specifiche No per testare per testare lo

strumento non è la vita reale noi Questi

strumenti dobbiamo testarli poi nella

vita reale quindi dobbiamo scegliere uno

o l'altro in base a quello che è più

utile a noi nei nostri casi specifici No

perché nel Benchmark ha preso 0.3 punto

percentuali più di di Pippo e di e di

Paperino quindi diciamo questa roba qua

Io ormai la la la la la leggo ma mi ci

faccio una risata soprattutto perché

abbiamo visto Google come le ha

utilizzate in in passato e poi c'è il

solito bel bloccheto diciamo dove ci

dice un po' eh In che modo loro fanno

attenzione alla parte etica alla parte

di sicurezza Come viene fatto il test no

i Safety Risk eccetera eccetera questa

roba qua abbiamo visto che ormai Google

Microsoft Open diciamo ci ci puntano

Veramente questo link ve lo lascio

ovviamente qui sotto in descrizione così

ve lo potete andare a spulciare se

volete leggere anche le parti sulle

quali sono andato un pochino più più

veloce e

cliccarci i vari eh Paper no che ci sono

che ci sono collegati come dicevo a me

al di là Cioè a me sconvolgono due cose

di questo annuncio No il salto di

qualità che viene fatto quindi passare

da 128 200.000 a 1 milione di token

anche se la dobbiamo vedere in termini

di pricing e quanto Quante quanti di noi

potremmo avere accesso a quel milione di

token ma quello è veramente alzare

l'asticella no e e dire ok adesso si

gioca in un altro in un altro campionato

cosa che esattamente invece diciamo a

distanza ravvicinata ha fatto Open Ey

nel momento in cui ha annunciato Sora

quindi un altro ambito quello dei video

e ha alzato l'asticella ha detto Ok mo

sui video vi faccio vedere come si

lavora seriamente giochiamo proprio in

un'altra in un'altra categoria se non

avete visto l'analisi che ho fatto su

Sora cliccate il link cliccate il video

che adesso vi metto a schermo perché

anche lì ci sono delle cose spettacolari

Secondo me che fanno capire che nei

prossimi mesi ne vedremo veramente delle

belle