Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora →
Un modello multimodale per dominare tutti i dati, ma la flessibilità si paga e il rischio è creare un ecosistema ancora più chiuso
Google lancia Gemini Embedding 2, il suo primo modello nativamente multimodale per unificare testo, immagini e audio. Sebbene la tecnologia offra flessibilità tra costi e performance, la mossa solleva dubbi: più che una semplice innovazione, appare come una strategia per legare gli sviluppatori all'ecosistema Google, ponendo un dilemma tra potenza e dipendenza tecnologica.
Google prova a unificare tutto: arriva Gemini Embedding 2
Diciamocelo, gestire dati di tipo diverso è sempre stato un gran mal di testa. Da una parte hai i testi delle email e dei documenti, dall’altra le immagini dei prodotti, i video tutorial e magari pure le registrazioni audio delle chiamate di assistenza. Metterli tutti insieme per farli “parlare” tra loro e capire il contesto generale è un’impresa.
Google, a quanto pare, pensa di avere la soluzione e ha appena lanciato Gemini Embedding 2, quello che definisce il suo primo modello di embedding nativamente multimodale. In parole povere, è un sistema progettato per capire e processare simultaneamente testo, immagini, video, audio e documenti, fondendoli in un unico spazio di comprensione.
L’idea, come annunciato sul blog ufficiale di Google, è quella di superare la vecchia necessità di convertire tutto in testo prima di poterlo analizzare, permettendo all’intelligenza artificiale di cogliere le sfumature che nascono dalla combinazione di media diversi.
Ma come ci riescono?
E, soprattutto, c’è un prezzo da pagare per questa presunta magia tecnologica?
Flessibilità a pagamento: la tecnologia sotto il cofano
Sotto il cofano di questo nuovo modello c’è l’architettura Gemini, potenziata con una tecnica chiamata Matryoshka Representation Learning (MRL). Pensa a delle matrioske russe: un vettore di dati grande che ne contiene uno più piccolo, che a sua volta ne contiene uno ancora più piccolo. Questo approccio permette, in teoria, di comprimere le dimensioni dei dati in modo dinamico.
Le specifiche, come descritto nella documentazione ufficiale, parlano di dimensioni che possono scalare da 3.072 fino a 128. Google, in pratica, ti sta dicendo: “Vuoi il massimo della qualità e della precisione? Usa la dimensione più grande e preparati a costi di archiviazione e calcolo più alti. Ti accontenti di qualcosa di meno preciso ma più economico? Puoi scalare verso il basso”.
Una flessibilità che, a ben guardare, sposta la responsabilità della gestione dei costi direttamente su chi sviluppa, creando un chiaro compromesso tra performance e budget.
Ok, la tecnologia sembra interessante sulla carta, ma a che serve tutto questo nella pratica di tutti i giorni?
È la solita promessa da marketing o stavolta cambia davvero qualcosa?
Applicazioni pratiche o un altro giardino recintato?
Google, ovviamente, canta le lodi della sua creatura, sostenendo che Gemini Embedding 2 supera i modelli concorrenti nei test di riferimento e apre le porte ad applicazioni più sofisticate. Si parla di sistemi di ricerca semantica capaci di trovare un prodotto partendo da una foto e una descrizione vocale, o di applicazioni RAG (Retrieval-Augmented Generation) in grado di rispondere a domande complesse analizzando un insieme di PDF, video e note testuali. Secondo quanto riportato su Moomoo, alcuni partner hanno già iniziato a integrare il modello, disponibile in anteprima pubblica.
Il punto, però, è un altro.
Offrendo uno strumento così integrato e apparentemente onnicomprensivo, Google non sta forse rendendo ancora più difficile, per le aziende che lo adotteranno, guardarsi intorno e scegliere soluzioni diverse? La mossa sembra tanto un’innovazione tecnologica quanto una strategia per legare ancora più strettamente gli sviluppatori al proprio ambiente.
La domanda, quindi, non è solo se questa tecnologia funziona, ma a quale gioco stiamo giocando accettando di usarla.
Chiamano flessibilità la scelta del colore delle tue catene. Alla fine, però, sei sempre legato.
Una trappola ben costruita, con sbarre dipinte color cielo. Comodo, finché non cerchi la chiave della gabbia e scopri che non l’hai mai avuta.
La corrente che porta dove il lavoro è più facile è quella che loro stessi hanno deviato. Alla fine, nuotiamo tutti nel canale che ci hanno scavato, senza neanche renderci conto di seguire un percorso obbligato.
Questo grande fiume di dati unificati scorre verso un unico mare, quello di Google. La corrente è forte e resistere è faticoso, così ci lasciamo trasportare. Diventa sempre più difficile immaginare di navigare in acque diverse, libere da questo monopolio di fatto.
@Sara Benedetti, che noia il fiume. La corrente mi porta dove il lavoro è più facile. Se non vi piace, remate contro.
Unificare tutta questa roba sembra comodo, ma quale pezzo di libertà si sta vendendo?
Un fiume unico per convogliare ogni dato. Ma chi governa le dighe di questo fiume?
La chiamano flessibilità, io la chiamo dipendenza. Google non regala niente, ti mette solo un guinzaglio più comodo. Il controllo è tutto.