Googles Fortschritte in der KI-Technologie: Vorstellung von Gemini 2.0 und intelligenten Agenten

Googles KI-Offensive: Gemini 2.0, KI-Agenten und ein Prototyp eines persönlichen Assistenten

Google hat nicht mehr nur das Ziel, die Informationen der Welt zu organisieren. Das Unternehmen scheint nun verstärkt darauf ausgerichtet zu sein, diese Informationen in Künstliche Intelligenz (KI) Algorithmen einzuspeisen, die zu pflichtbewussten, allgegenwärtigen und immer leistungsfähigeren virtuellen Helfern werden.

Mit Gemini 2.0 präsentiert Google die neueste Version seines KI-Flaggschiffmodells. Dieses wurde darauf trainiert, Aufgaben auf den Computern und im Web der Nutzer zu planen und auszuführen. Es kann menschenähnlich chatten und die physische Welt wie ein virtueller Butler wahrnehmen.

Demis Hassabis, CEO von Google DeepMind, sieht in Gemini 2.0 einen wichtigen Schritt auf dem Weg zu Künstlicher Allgemeiner Intelligenz (AGI), einer KI, die eines Tages alles leisten kann, was ein menschliches Gehirn vermag.

Gemini 2.0: Ein Leistungssprung mit multimodalen Fähigkeiten

Gemini 2.0 stellt einen weiteren Fortschritt in der KI-Intelligenz dar, gemessen an verschiedenen Benchmarks. Das Modell verfügt über verbesserte "multimodale" Fähigkeiten, d.h. es ist geschickter darin, Video und Audio zu verarbeiten und sich sprachlich zu verständigen. Es wurde auch darauf trainiert, Aktionen auf Computern zu planen und auszuführen.

Sundar Pichai, CEO von Google, betont die „agentenhaften“ Fähigkeiten dieser Modelle. Sie können die Umgebung des Nutzers besser verstehen, mehrere Schritte im Voraus denken und in seinem Namen – unter dessen Aufsicht – handeln.

KI-Agenten: Die nächste Revolution im Personal Computing?

KI-Agenten gelten als der nächste große Sprung für die Technologie. Chatbots übernehmen zunehmend Aufgaben für die Nutzer. Im Erfolgsfall könnten KI-Agenten das Personal Computing revolutionieren, indem sie routinemäßig Flüge buchen, Meetings arrangieren und Dokumente analysieren und organisieren. Die Herausforderung besteht jedoch darin, die Technologie dazu zu bringen, komplexen Befehlen zuverlässig zu folgen. Fehler könnten zu kostspieligen und schwer rückgängig zu machenden Fehlern führen.

Google ist überzeugt, sich in die richtige Richtung zu bewegen und stellt zwei spezialisierte KI-Agenten vor, um das agentenhafte Potenzial von Gemini 2.0 zu demonstrieren: einen für die Programmierung und einen für die Datenwissenschaft. Diese Agenten können komplexere Aufgaben übernehmen, als nur Codeabschnitte automatisch zu vervollständigen, wie es aktuelle KI-Tools tun. Sie können beispielsweise Code in Repositories einchecken oder Daten für Analysen kombinieren.

Project Mariner und Astra: Ein Blick in die Zukunft der Mensch-Computer-Interaktion

Mit Project Mariner präsentiert Google eine experimentelle Chrome-Erweiterung, die die Webnavigation übernehmen kann, um nützliche Aufgaben für den Benutzer zu erledigen. In einer Demonstration navigierte der Agent zur Website einer Supermarktkette, loggte sich in das Konto eines Nutzers ein und fügte relevante Artikel zum Warenkorb hinzu. Als bestimmte Artikel nicht verfügbar waren, wählte das Modell auf Basis seines eigenen Wissens über das Kochen geeignete Ersatzprodukte aus.

Ein weiteres experimentelles Projekt namens Astra ermöglicht es Gemini 2.0, seine Umgebung – wie sie durch eine Smartphone-Kamera oder ein anderes Gerät gesehen wird – zu verstehen und sich auf natürliche Weise mit einer menschenähnlichen Stimme über das Gesehene zu unterhalten. In Tests konnte Gemini 2.0 beispielsweise Weinflaschen anhand ihres Aussehens identifizieren und Informationen zu Herkunft, Geschmack und Preis aus dem Internet abrufen.

Astra kann nicht nur Informationen aus dem Internet abrufen, die für die Umgebung des Nutzers relevant sind, und Google Lens und Maps verwenden, sondern sich auch an das Gesehene und Gehörte erinnern. Nutzer können diese Daten jedoch löschen. Dadurch kann das System den Geschmack und die Interessen des Nutzers erlernen.

Herausforderungen und Chancen

Obwohl die Demonstrationen sorgfältig kuratiert wurden und Gemini 2.0 im realen Einsatz zwangsläufig Fehler machen wird, widerstand das Modell den Versuchen, es auszutricksen, recht gut. Es passte sich an Unterbrechungen an und improvisierte, als die Ansicht des Telefons plötzlich geändert wurde, ähnlich wie es ein Mensch tun würde.

Hassabis räumt ein, dass die Einführung von KI in die physische Welt zu unerwartetem Verhalten führen könnte. Es sei wichtig zu lernen, wie Menschen diese Systeme nutzen werden und wofür sie sie nützlich finden. Gleichzeitig müssten Datenschutz und Sicherheit von Anfang an sehr ernst genommen werden.

Bibliographie:

1. https://www.wired.com/story/google-gemini-2-ai-assistant-release/
2. https://www.cnet.com/tech/services-and-software/gemini-2-0-and-project-astra-make-googles-ai-your-know-it-all-assistant/
3. https://www.zdnet.com/article/googles-gemini-2-0-ai-promises-to-be-faster-and-smarter-via-agentic-advances/
4. https://www.businessinsider.com/google-gemini-2-0-ai-agents-2024-12
5. https://ca.finance.yahoo.com/news/google-puts-ai-agents-center-153242495.html
6. https://www.businesspost.ie/article/google-rolls-out-gemini-2-0-and-a-host-of-other-ai-powered-tools/
7. https://siliconangle.com/2024/12/11/google-unveils-gemini-2-0-flash-foundation-ai-agent-experiences/
8. https://blog.google/technology/ai/google-gemini-update-flash-ai-assistant-io-2024/
9. https://deepmind.google/technologies/gemini/project-astra/
10. https://www.datacamp.com/blog/jarvis-google