Google utilise des images statiques des images et les produit avec des invites textuelles, plutôt que l'IA montrée dans la vidéo répondant aux invites verbales en temps réel. Les mots d'invite effectivement saisis par le personnel ne sont peut-être pas les questions vocales présentées dans la vidéo, mais une série de textes qui prennent grand soin de la compréhension des Gémeaux. Dans le même temps, Google a utilisé un discours anthropomorphique, y compris certaines particules modales, et réédité des questions et des réponses pour rendre les Gémeaux personnifiés de manière très évidente. Cela induit gravement le public en erreur.
Après la sortie du nouveau modèle d'IA très médiatisé de Google, Gemini, celui-ci a déclenché une controverse à propos de sa vidéo promotionnelle exagérant ses performances et trompant les téléspectateurs. Un porte-parole de l'entreprise a admis plus tard qu'il avait été produit « à l'aide d'images statiques provenant des images et via des invites textuelles », plutôt que par l'IA montrée dans la vidéo répondant à des invites verbales en temps réel. Google a également admis accélérer les temps de réponse à des fins promotionnelles.
"Toutes les invites et sorties des utilisateurs dans la vidéo sont réelles et simplement abrégées par souci de concision", a déclaré Oriol Vinyals, vice-président de la recherche et de l'apprentissage profond chez Google DeepMind. "La vidéo montre à quoi ressemblent les expériences utilisateur multimodales créées avec Gemini. Nous faisons cela pour inspirer les développeurs."
Alors, comment Google DeepMind, le laboratoire d’intelligence artificielle, a-t-il réalisé cette vidéo ? Dans un article de blog publié avec la vidéo promotionnelle, rédigé par le directeur créatif Alexander Chen, Google a révélé comment la vidéo avait été réalisée.
Les exemples de l'article et les exemples présentés dans la vidéo ne se chevauchent pas complètement, mais à partir des exemples qui se chevauchent, on peut constater que les mots d'invite effectivement saisis par le personnel ne sont peut-être pas les questions vocales présentées dans la vidéo, mais une série de questions qui font très attention à ce que les Gémeaux comprennent le texte. Dans le même temps, Google a utilisé des voix anthropomorphes, y compris certaines particules modales, et des questions et réponses vocales rééditées en temps réel, pour rendre les Gémeaux personnifiés de manière très évidente. Cela induit gravement le public en erreur.
Mais cet article montre également que Gemini démontre un certain degré de performance multimodale avancée, malgré le fait que les « efforts marketing excessifs » de Google ont suscité les critiques des utilisateurs, des médias et même de ses propres employés du monde entier. Au milieu des clameurs de la controverse sur la « fraude vidéo », l’industrie devrait prendre au sérieux ce que Gemini peut apporter à la technologie de l’intelligence artificielle.