Adobe uvodi AI funkciju sumiranja PDF dokumenata, koristeći CPU telefona

Generativna veštačka inteligencija (AI) je najnoviji trend u tehnologiji i ne pokazuje znake usporavanja. Prošle nedelje, Google je većinu svoje prezentacije na Google I/O 2024 posvetio napretku u AI. Osim što je prikazao svoje proizvode, Google je predstavio i rad svojih partnera, uključujući novi Adobe Acrobat AI Assistant koji koristi Gemini Nano.

Gemini je naziv za Google-ov Veliki Jezički Model (LLM) i AI chatbot. Postoji nekoliko verzija Gemini LLM-a: Nano, Pro i Ultra. Gemini Nano je najmanji i najmanje složen model, što omogućava njegovo korišćenje na mobilnim uređajima kao što su Google Pixel 8 Pro i Samsung Galaxy S24 serija.

Iako Gemini Nano nije pogodan za zadatke poput generalnog AI chatbota, trenutna verzija može obraditi manje do srednje blokove teksta za pružanje sažetaka ili predloženih odgovora. Zato Google koristi Gemini Nano za funkciju sažimanja na Pixel voice recorder aplikaciji i pametne odgovore na Gboard-u u raznim aplikacijama za razmenu poruka. Samsung takođe koristi Gemini Nano za neke od svojih AI funkcija na Galaxy uređajima.

Kako bi omogućio korišćenje Gemini Nano na uređajima, Google je kreirao novi sistemski servis u Androidu nazvan AICore. AICore pojednostavljuje stvari za programere rukovanjem fajlovima i ažuriranjima Gemini Nano modela i koristi hardver na uređaju za ubrzavanje kada aplikacije pozivaju Gemini Nano API.

Ovaj API može se koristiti preko AI Edge SDK za Android, koji je trenutno u zatvorenoj test fazi. Tokom prošlonedeljne prezentacije “Šta je novo u Androidu”, Google je otkrio neke kompanije kojima je omogućen rani pristup AI Edge SDK za Android. Ovi rani korisnici uključuju Patreon, Grammarly i naravno Adobe.

Gemini Nano u Adobe Acrobatu

Dok Google nije otkrio kako će Patreon ili Grammarly koristiti Gemini Nano, oni su prikazali kako Adobe planira da ga koristi u Acrobatu. Iz kratkog prikaza koji smo dobili, izgleda da će Adobe Acrobat uskoro koristiti Gemini Nano za sumiranje dokumenata i omogućavanje korisnicima da postavljaju pitanja o njima.

U video demonstraciji koju je Google prikazao, AI asistent Adobe-a sumira PDF dokument pod nazivom “Uspon Pickleball-a.” Prikazano je plutajuće dugme “AI Assistant” koje, kada se pritisne, generiše kratak pregled dokumenta. Ispod pregleda prikazana su automatski generisana pitanja na koja korisnik može da klikne, ali tu je i polje za tekst gde korisnik može postaviti bilo koje pitanje o dokumentu.

Techspot

Nije jasno koliko će ovaj sistem koristiti Gemini Nano na uređaju u odnosu na model u oblaku. AI asistent u Adobe Acrobatu nije nov, ali trenutno obrađuje dokumente potpuno u oblaku. Manji modeli poput Gemini Nano ne mogu obraditi veoma duge PDF dokumente kao što to može Gemini 1.5 Pro, ali bi trebali biti sposobni za kraće dokumente. Tačan broj reči i stranica PDF-a korišćenog u demonstraciji nije prikazan, ali je delovalo kao da dokument ima nešto više od 20 stranica. Moguće je da demonstracija nije predstavljala stvarne mogućnosti predstojeće AI asistent nadogradnje, pa ćemo morati da sačekamo i vidimo kako će se pokazati kada se uvede.

Budućnost Gemini Nano

Google planira da predstavi moćniju verziju Gemini Nano, nazvanu Gemini Nano sa multimodalnošću, na svojoj predstojećoj Pixel 9 seriji. Trenutni Gemini Nano modeli dolaze u veličinama od 1.8 ili 3.25 milijardi parametara, dok će novi model imati veličinu od 3.8 milijardi parametara i takođe podržavati obradu zvuka i slike.

Nije jasno da li Adobe, Patreon i Grammarly planiraju da koriste nadograđeni model, ali bi bilo zanimljivo videti da li hoće. Nadamo se da će Google uskoro otvoriti AI Edge SDK za Android za sve programere kako bismo mogli videti kakve funkcije će kreirati koristeći Gemini Nano.

Generativna AI tehnologija, poput Gemini Nano modela koji se integriše u Adobe Acrobat, predstavlja značajan napredak u načinu na koji koristimo mobilne uređaje za obradu i sumiranje dokumenata. Ova tehnologija može revolucionirati produktivnost i efikasnost u radu sa dokumentima, omogućavajući korisnicima brži i jednostavniji pristup informacijama, prenosi Techradar.