Google hat gestartet Gemini 2.0, eine bedeutende Weiterentwicklung seiner KI-Modelle, die darauf ausgelegt ist, die Benutzerinteraktion und Aufgabenausführung auf verschiedenen Plattformen zu verbessern. Dieses neue Modell ist eine Verbesserung gegenüber seinem Vorgänger Gemini 1.5, der im Dezember 2023 eingeführt wurde. Gemini 2.0 verfügt über native multimodale Funktionen, die es ihm ermöglichen, Inhalte aus Text, Video, Bildern, Audio und Code zu verarbeiten und zu generieren. Dieses Modell zielt darauf ab, ein agentenorientierteres Erlebnis bei Computeraufgaben zu ermöglichen und dabei fortgeschrittenes Denken zu nutzen, um benutzergesteuerte Aktionen auszuführen.
Google bringt Gemini 2.0 auf den Markt: Fortschritte bei der KI-Interaktion und Aufgabenausführung
Gemini 2.0 beinhaltet wesentliche Verbesserungen wie verbesserte Multimodalität, einschließlich nativ generierter Audioausgaben und Bilder. Die Einführung des Gemini 2.0 Flash dient als Arbeitsmodell mit geringer Latenz und hoher Leistung und übertrifft seinen Vorgänger in wichtigen Benchmarks. Zu den bemerkenswerten Funktionen gehören jetzt die Möglichkeit, multimodale Ein- und Ausgaben nahtlos zu verarbeiten, sowie native Tool-Integrationen für die Google-Suche und die Codeausführung.
Sundar Pichai, CEO von Google und Alphabet, betonte, dass dieser Fortschritt auf ihrer langjährigen Mission aufbaut, die Informationen der Welt zu organisieren. „Wir freuen uns, mit Gemini 2.0 unser bisher leistungsfähigstes Modell auf den Markt zu bringen“, sagte er. Das Modell wird in Google-Produkte integriert, beginnend mit Gemini und Search, und bietet neue Funktionalitäten wie Deep Research, eine Funktion, die bei der Erkundung komplexer Themen helfen soll.
Großes Lob des Salesforce-CEOs für Google Gemini Live
Die KI-Übersichten, eine Schlüsselfunktion der Google-Suche, erreichen mittlerweile rund 1 Milliarde Nutzer und ermöglichen eine innovative Möglichkeit, Suchanfragen zu stellen. Mit den verbesserten Denkfähigkeiten von Gemini 2.0 werden AI Overviews komplexere Themen angehen, darunter fortgeschrittene Mathematik- und Codierungsaufgaben. Diese Einführung begann diese Woche mit begrenzten Tests und zielte auf eine breitere Verfügbarkeit Anfang nächsten Jahres in verschiedenen Sprachen und Regionen ab.
Jahrzehntelange Investitionen in kundenspezifische Hardwarefunktionen, einschließlich der TPUs der sechsten Generation von Trillium, haben die Entwicklung von Gemini 2.0 unterstützt. Diese TPUs unterstützten die gesamten Trainings- und Inferenzprozesse. Ziel von Gemini 2.0 ist es, Informationen nicht nur zu verstehen, sondern sie nach einer umfassenden Auswertung des Feedbacks früher Tester auch deutlich nützlicher zu machen.
Agentische Fähigkeiten in Projekten und Prototypen
Gemini 2.0 führt außerdem mehrere experimentelle Prototypen ein, die die Fähigkeiten von KI-Agenten der nächsten Generation erkunden. Das aktualisierte Projekt Astra ermöglicht es Gemini 2.0 beispielsweise, komplexe Aufgaben auszuführen, indem es seine Umgebung durch Kameraeingaben versteht. Benutzer berichteten von verbesserten Dialogfunktionen in mehreren Sprachen und einer besseren Navigation in Google-Diensten wie Search, Lens und Maps. Project Astra kann sich den Kontext für bis zu zehn Minuten der Kommunikation während der Sitzung merken und so die Personalisierung verbessern, während der Benutzer gleichzeitig die Kontrolle über die Speichererhaltung behält.
Project Mariner stellt einen weiteren zentralen Prototyp dar, der für die Webnavigation entwickelt wurde, um Benutzer bei alltäglichen Aufgaben zu unterstützen. Mit einer Chrome-Erweiterung demonstriert, kann Project Mariner Aktionen durch Interaktion mit Text und Bildern auf dem Bildschirm flüssig ausführen und weist eine Benchmark-Leistung von 83,5 % im Vergleich zu realen Webaufgaben auf.
Darüber hinaus lässt sich Jules, ein von Gemini 2.0 unterstützter Codierungsassistent, in GitHub-Workflows integrieren, sodass Entwickler komplexe Projekte delegieren können. Diese Fortschritte verdeutlichen einen Wandel in der Art und Weise, wie KI die Produktivität in verschiedenen Bereichen steigern kann, nicht nur auf die Codierung, sondern letztendlich auch auf alltägliche Benutzeranwendungen.
Investition in Sicherheit und Verantwortung
Während Google DeepMind diese neuen KI-Funktionen erforscht, bleibt die Verantwortung für den sicheren Einsatz von KI von größter Bedeutung. Das Unternehmen legt Wert auf einen iterativen Ansatz, der die Bewertung von Risiken, die Einbindung vertrauenswürdiger Tester und die Verfeinerung ihrer Modelle auf der Grundlage umfassender Risikobewertungen umfasst.
Besonderes Augenmerk wird auf die Privatsphäre und Sicherheit der Benutzer gelegt, insbesondere bei Funktionen, die es Agenten ermöglichen, sich Benutzerdaten zu merken oder mit ihnen zu interagieren. Es sind Kontrollen vorhanden, die es Benutzern ermöglichen, frühere Interaktionen einfach zu löschen, und es werden zusätzliche Maßnahmen erforscht, um potenzielle Schwachstellen, wie etwa die Manipulation von Anweisungen, zu bewältigen.
Hassabis und Pichai haben die Bedeutung einer verantwortungsvollen Orchestrierung der KI-Entwicklung zum Ausdruck gebracht und darauf hingewiesen, dass sich laufende Projekte auf die konsequente Einhaltung von Benutzeranweisungen und die Minderung der Risiken konzentrieren werden, die mit der Aktionsausführung durch Agenten sowohl im digitalen als auch im physischen Bereich verbunden sind.
Die Entwicklungen rund um Gemini 2.0 spiegeln das Engagement von Google wider, bei KI-Innovationen führend zu sein und gleichzeitig die Feinheiten der Agententechnologie zu beherrschen. Mit der Einführung von Gemini 2.0 Flash und den entsprechenden Projekten möchte Google das Benutzererlebnis verbessern und gleichzeitig aufkommende Herausforderungen in der sich entwickelnden KI-Landschaft angehen. Weitere Updates werden weiterhin zeigen, wie sich diese Funktionen in tägliche Aufgaben und Aktivitäten integrieren lassen.
Bildnachweis: Google
