Google stellt sein Modell der nächsten Generation vor: Gemini 1.5 197

Nach der Einführung von Gemini (das Google an die Spitze der KI-Branche bringen möchte) hat das Unternehmen nur zwei Monate später bereits eine neue Version angekündigt. Google hat heute Gemini 1.5 vorgestellt und stellt es Entwicklern und Unternehmenskunden zur Verfügung, bevor eine umfassende Verbraucherversion auf den Markt kommt.

Gemini 1.5 verfügt über ein Kontextverständnis von 1 Million Tokens und ist derzeit das stärkste Modell! Gemini 1.5 besitzt multimodales Verständnis und Schlussfolgerungsfähigkeit: Es kann Texte, Code, Bilder, Audio und Videos äußerst komplex verstehen und analysieren. Es ermöglicht die Analyse von 1 Stunde Video, 11 Stunden Audio, über 30.000 Zeilen Code oder über 700.000 Wörtern Text.

Einführung in Gemini 1.5:

1. Leistungssteigerung: Gemini 1.5 zeigt in mehreren Dimensionen deutliche Leistungssteigerungen, insbesondere einen bedeutenden Durchbruch bei der Verarbeitung langer Kontextinformationen. Es kann bis zu 1 Million Tokens (Token) kontinuierlich verarbeiten und verfügt über das längste Kontextfenster aller bisherigen großen Basismodelle.

2. Effiziente Architektur: Gemini 1.5 wurde mit einer neuen Mixture-of-Experts (MoE)-Architektur entwickelt, die das Training und den Betrieb effizienter macht. Gleichzeitig werden die Rechenanforderungen reduziert, während eine Qualität ähnlich dem 1.0 Ultra-Modell beibehalten wird.

In Tests an einer Reihe von Text-, Code-, Bild-, Audio- und Videoauswertungen übertraf Gemini 1.5 Pro in den LLM-Benchmark-Tests Gemini 1.0 Pro mit einer Bewertung von 87 %. Die Leistung ist in etwa vergleichbar mit dem größten Modell 1.0 Ultra.

3. In-Context-Lernfähigkeit: Diese Eigenschaft ermöglicht es Gemini 1.5, große Informationsmengen zu verarbeiten und zu analysieren, z. B. 1 Stunde Video, 11 Stunden Audio, Codebasen mit über 30.000 Zeilen Code oder Texte mit über 700.000 Wörtern.

Als Gemini 1.5 Pro ein Grammatikhandbuch über die Sprache Kalamang erhielt, war es in der Lage, aus den bereitgestellten Informationen neue Fähigkeiten zu erlernen und Übersetzungsaufgaben vom Englischen ins Kalamang auf einem Niveau auszuführen, das dem von Menschen ähnelt, die aus demselben Inhalt lernen.

Kalamang ist eine Nischensprache mit weltweit weniger als 200 Sprechern!

Diese Leistung unterstreicht die Fähigkeit von Gemini 1.5 Pro, seltene oder Nischensprachen zu verarbeiten, und belegt zugleich seine starke Leistung beim Verstehen und Anwenden langer, komplexer Textinformationen. Diese Fähigkeit ist von großer Bedeutung für Anwendungen im Bereich Sprachenlernen, Verarbeitung natürlicher Sprache und interkulturelle Kommunikation.

4. Multimodales Verständnis und Schlussfolgerung: Gemini 1.5 kann Inhalte verschiedener Modalitäten (einschließlich Text, Code, Bilder, Audio und Video) äußerst komplex verstehen und analysieren, beispielsweise die Analyse eines 44-minütigen Stummfilms mit präziser Erfassung von Handlungspunkten und Details.

5. Verbesserte Leistung: Bei Tests auf einer umfassenden Palette von Text-, Code-, Bild-, Audio- und Videoauswertungen kann es hochkomplexes Verständnis und Schlussfolgerungen für Text, Code, Bilder, Audio und Video durchführen. Gemini 1.5 kann die Handlungspunkte eines 44-minütigen Stummfilms präzise analysieren und zeigt ein tiefes Verständnis für Inhalte verschiedener Medien.

So funktioniert Gemini 1.5:

MoE-Technologie: Durch die Aufteilung des Modells in kleinere „Experten"- neuronale Netze und die selektive Aktivierung der relevantesten Expertenpfade je nach Eingabetyp steigert die MoE-Technologie die Effizienz des Modells erheblich. Durch eine Reihe von Innovationen im maschinellen Lernen kann Gemini 1.5 beispiellose Informationsmengen verarbeiten und analysieren und eröffnet Entwicklern und Unternehmenskunden völlig neue Möglichkeiten für ihre Modelle und Anwendungen. Diese Fähigkeit mit langem Kontextfenster eignet sich besonders für Anwendungsszenarien, die die Verarbeitung großer Datenmengen und komplexer Situationen erfordern, wie z. B. tiefgehende Analysen großer Dokumente, das Verstehen von Videoinhalten, die Analyse komplexen Codes und die multimodale Datenfusion.

Google befindet sich derzeit in einem intensiven Wettbewerb um die Entwicklung der besten künstlichen IntelligenzTools, da Unternehmen weltweit versuchen herauszufinden, welche KI-Strategie sie verfolgen und ob sie Entwicklervereinbarungen mit OpenAI, Google oder anderen Unternehmen unterzeichnen sollen. Am selben Tag, nur 2 Stunden nach der Veröffentlichung von Gemini Pro 1.5 durch Google, kündigte OpenAI das Text-zu-Video-Modell an: Sora, das es Webnutzern ermöglichen soll, ausschließlich durch Textaufforderungen hochwertige KI-Videos zu generieren.