Google ha lanciato un nuovo prodotto di intelligenza artificiale martedì al suo evento Google I/O —Gemini Live. Pensavamo tutti che questo fosse ciò che avrebbe dovuto fare l’Assistente Gemini in Android, ma questo è Google e va bene tutto.
Se non fosse per il fatto che arriva solo un giorno dopo il primo evento sui prodotti di consumo di OpenAI, rifletterei se Gemini Live sia stato lanciato per affrontare ChatGPT Voice. Entrambi sono realizzati utilizzando modelli IA multimodali nativi e dispongono di straordinarie capacità vocali e video.
Attualmente nella corsa globale all’intelligenza artificiale i favoriti sembrano essere OpenAI e Google, con il primo che sembra avvicinarsi ad Apple e all’iPhone e il secondo che ha il controllo di Android. Dimentica i dispositivi IA come Rabbit r1 o Humane Pin: il vincitore a breve termine è lo smartphone.
Sia ChatGPT Voice che Gemini Live vengono integrati in un prodotto AI esistente e nessuno dei due è disponibile oggi, ma come si confrontano altrimenti questi assistenti di prossima generazione?
Come si confrontano Gemini Live e ChatGPT 4o?
Google è un po’ indietro quando si tratta di credibilità, soprattutto quando si tratta di mostrare analisi video in diretta e capacità vocali. Quando ha annunciato Gemini Ultra l’anno scorso, lo ha fatto con un video in cui rispondeva al video in tempo reale, solo che non era in tempo reale o video.
Tuttavia, questa volta si sono impegnati a rendere disponibile la tecnologia, almeno l’aspetto sottostante del “Progetto Astra”, che include conversazioni vocali e video, da provare all’I/O.
Entrambi offrono un’interfaccia vocale conversazionale in linguaggio naturale, entrambi offrono il potenziale per l’analisi video dal vivo attraverso la fotocamera di uno smartphone ed entrambi sembrano essere abbastanza veloci per una conversazione veramente naturale in cui è possibile interrompere il flusso dell’IA a metà.
Tuttavia, ci sono alcune differenze notevoli. La voce ChatGPT di OpenAI suona più naturale, può rilevare e rispondere alle emozioni e ai toni vocali e persino adattarsi in tempo reale al modo in cui gli chiedi di parlare. Non ho visto prove di tale capacità da Gemini Live.
L’altra grande differenza riguarda la multimodalità. Gemini fa ancora affidamento su altri modelli per l’output, incluso l’utilizzo di Imagen 3 per le immagini e Veo per i video. GPT-4o è nativamente multimodale in entrambe le direzioni: la o sta per omni, ovvero in tutte le direzioni. Crea le proprie immagini e suoni.
Gemini Live vs GPT-4o: il futuro degli assistenti vocali
Il mondo sembra muoversi verso la voce e allontanarsi dall’input di testo. Quando ho visto per la prima volta l’annuncio di OpenAI la mia reazione è stata che si tratta di un cambiamento di paradigma nell’interfaccia uomo-computer, grande quanto il lancio del mouse o del touch screen.
Continuo a sostenere questa opinione e il fatto che Google stia lanciando anche un’interfaccia vocale nativa e dal suono naturale lo consolida ulteriormente. Anche Meta ha il suo MetaAI, un bot vocale disponibile nei suoi visori VR e negli occhiali intelligenti Ray-Ban.
Anche se per ora lo smartphone potrebbe essere il vincitore, è chiaro che il vero fattore di forma di questi modelli di intelligenza artificiale vocale sono gli occhiali intelligenti. Disponibili con fotocamere all’altezza degli occhi e bracci per inviare onde sonore nelle orecchie: sono il dispositivo AI perfetto.
La domanda è se OpenAI si sposterà verso l’hardware, lanciando il proprio paio di occhiali intelligenti o se questo sarà il nuovo Siri e alimenterà un futuro prodotto Apple Glasses. Inoltre, se Google è davvero abbastanza coraggioso da resuscitare i Google Glass.
- ChatGPT con GPT-4o: non riesco a ricordare l’ultima volta che sono rimasto così colpito da un pezzo di tecnologia
- Google ha appena risposto a GPT-4o con la demo di Gemini che è colloquiale e utilizza video
- OpenAI GPT-4o è ora in fase di lancio: ecco come ottenere l’accesso
