L'échec du Pixel 8 Gemini met en lumière les défaillances de l'IA du Pixel de Google

Google doit être applaudi pour ce qu'il a accompli avec ses efforts en matière d'IA sur sa gamme de smartphones Pixel. Dès le départ, l'entreprise a défini la gamme Pixel en fonction de ses capacités d'IA, avec une vision claire de l'évolution des smartphones et de la manière dont l'IA pouvait améliorer l'expérience de l'utilisateur. Qu'il s'agisse de l'introduction et de la popularisation ultérieure de la photographie computationnelle ou de fonctionnalités intelligentes telles que le filtrage des appels, elle a ouvert la voie sur la façon dont l'IA peut être utilisée pour rendre les smartphones encore plus intelligents.

Cependant, il est maintenant tout à fait clair qu'il a bel et bien trébuché avec des informations apparues la semaine dernière selon lesquelles le Pixel 8 lancé en octobre dernier n'est pas en mesure de prendre en charge l'une ou l'autre des deux technologies Gemini basés sur l'IA générative. Pour être clair, alors qu'OpenAI a peut-être arraché le leadership de l'IA à Google, son logiciel d'IA est toujours très compétitif. Le problème ici réside dans ce que Google lui-même a décrit comme "limitations matérielles."

Le Pixel 8 est équipé du même Tensor G3 qui équipe le Pixel 8 Pro, mais là où ce dernier dispose de 12 Go de RAM, le Pixel 8 est coincé avec seulement 8 Go de RAM, ce qui semble être la cause du goulot d'étranglement du système à cette occasion. Cela reste quelque peu surprenant car Gemini Nano se décline en deux modèles ; l'un fonctionnant avec seulement 1,8 milliard de paramètres et l'autre avec 3,6 milliards de paramètres. On ne sait pas lequel des deux modèles fonctionne sur le Pixel 8 Pro, mais au moins il peut prendre en charge le premier LLM mobile sur appareil de Google.

En ce qui concerne les modèles d'IA sur appareil, les deux sont relativement modestes, cependant. Qualcomm, qui vient de lancer un nouveau AI Hub avec plus de 75 modèles d'IA compatibles avec ses puces Snapdragon, a souligné que son Snapdragon 8 Gen 3 pouvait prendre en charge des modèles d'IA comportant jusqu'à 10 milliards de paramètres. Même son Snapdragon 8 Gen 2 peut prendre en charge des modes d'IA allant jusqu'à 7 milliards de paramètres.

Ces chiffres sont importants pour deux raisons. Premièrement, plus les paramètres sont importants, potentiellement plus le modèle est sophistiqué et précis. Deuxièmement, cela souligne que ce n'est pas seulement la RAM du système où le Pixel 8 souffre, mais le Tensor G3 est, comme nous l'avons.. précédemment examinéle Tensor G3 est, comme nous l'avons examiné précédemment, loin d'être le champion de l'IA que le marketing de Google nous a laissé croire. Google a présenté la série Pixel comme étant entièrement axée sur l'IA et a défendu le Tensor pour son manque de performance pure et simple sous prétexte que la performance pure et simple est moins importante que la capacité d'IA.

Bien sûr, la capacité d'IA et la performance des puces vont de pair, en particulier lorsqu'il s'agit de la taille des grands modèles de langage (LLM) et des grands modèles multimodaux (LMM). Google a pu s'affranchir des défauts de performance du Tensor parce qu'il a utilisé jusqu'à présent des modèles d'apprentissage automatique plus petits. Cela lui a permis de tromper certains fans de Pixel en leur faisant croire que ses puces étaient en quelque sorte spécialement "réglées" pour l'IA et que leurs performances dans les tests de référence n'avaient pas d'importance - flash info : elles en ont.

Les LLM et LMM nécessitent toute la puissance de traitement qu'une puce peut offrir, le cœur neuronal agissant comme un accélérateur avec le CPU et le GPU entièrement utilisés pour traiter les modèles d'apprentissage automatique et d'apprentissage profond sur l'appareil. Plus la puce est puissante, plus ces modèles d'IA aux multiples paramètres sont performants. Ce n'est pas une coïncidence si le Snapdragon 8 Gen 3 surpasse le Tensor G3 dans les tests de référence et s'il est capable de traiter des modèles d'IA beaucoup plus importants sur l'appareil.

C'est pourquoi, comme nous l'avons également soulignégoogle a été contraint de décharger un certain nombre de nouvelles fonctionnalités d'IA générative disponibles pour les utilisateurs du Pixel 8 Pro vers le Google Cloud pour un traitement hors appareil. Le Tensor G3 n'est tout simplement pas "à la hauteur", pas plus que les 8 Go de RAM qui équipent le Pixel 8.

En abandonnant les puces Snapdragon de Qualcomm pour fabriquer ses propres puces Tensor, l'objectif, selon Google, était de créer des puces capables de "tenir le coup" avec ses efforts en matière de logiciels d'IA. De toute évidence, cet objectif est actuellement en lambeaux, en particulier avec ce dernier fiasco du Pixel 8 Gemini. Cinq mois à peine après son lancement, il ne peut pas suivre le Gemini Nano - même s'il est également proposé dans un modèle comparativement minuscule de 1,8 milliard de paramètres. D'autre part, le Pixel 8 Pro, qui bien que capable d'exécuter Gemini Nano sur l'appareil, est toujours contraint de décharger de nombreuses nouvelles fonctionnalités d'IA générative sur le cloud.

Il tourne également en dérision l'annonce faite par Google sur https://blog.google/products/pixel/software-support-pixel-8-pixel-8-pro/ lors du lancement de la série Pixel 8 que les téléphones seraient livrés avec 7 ans de mises à jour logicielles. Nous ne sommes même pas à la moitié de leur première année complète de commercialisation et le Pixel 8 est incapable de suivre le rythme de son compagnon d'écurie. Bien que l'objectif soit louable, la réalité est qu'il ne se passera pas beaucoup d'années avant que les "mises à jour" de l'OS des Pixel 8 et Pixel 8 Pro se limitent en grande partie à des correctifs de sécurité et à d'autres ajustements du système. L'IA étant la raison d'être de l'existence même de la série Pixel, les deux appareils ne sont pas correctement capables de gérer les dernières fonctionnalités d'IA de Google, même aujourd'hui.

Google s'est associé à Samsung LSI et Samsung Foundry pour sa conception, son développement et sa fabrication. Jusqu'à présent, cela a été leur talon d'Achille, car ces puces ont souffert d'inefficacité et de surchauffe en raison de fuites de courant et de problèmes d'emballage. Cela a limité le potentiel de performance de l'architecture Arm sous-jacente en termes de performances maximales et soutenues.

Cependant, le succès apparent de l Exynos 2400 dans les modèles Galaxy S24 et Galaxy S24+ grâce à l'affinement des nœuds et à l'utilisation d'un nouveau conditionnement au niveau du wafer en éventail (FOWLP), est de bon augure pour le Tensor G4. Cette puce sera intégrée dans les prochains modèles de la série Série Pixel 9 plus tard dans l'année, tandis que Google livrera sa première puce entièrement personnalisée, la Tensor G5, qui sera fabriquée par TSMC, une société plus en vogue.

Bien entendu, cela n'est guère réconfortant pour les propriétaires de Pixel 8. Non seulement ils ne bénéficient pas des fonctionnalités d'IA générative réservées aux propriétaires du Pixel 8 Pro, mais ils ne peuvent même pas goûter à Gemini Nano. Le Pixel 8 reste un solide téléphone de milieu de gamme, mais il met vraiment en lumière les défaillances actuelles - et auto-infligées - de Google en matière d'IA Pixel.