Google Gemini: Was Sie über die generative KI-Plattform wissen müssen

Die Plattform „You need to know Google Gemini, the AI generation platform“ wird von BTW Media profiliert, weil veröffentlichte Beweise sie mit Internetinfrastruktur, Governance, betrieblichen Abhängigkeiten oder Marktsichtbarkeit in Verbindung bringen.

• Alle Gemini-Modelle können mehr als nur Wörter verarbeiten und nutzen. Sie wurden auf einer Vielzahl von Audio-, Bild- und Videodateien, einer umfangreichen Codebasis und Texten in verschiedenen Sprachen vortrainiert und verfeinert.
• Die Gemini-Anwendungen und -Modelle sind ebenfalls völlig unabhängig von Imagen 2 und können in bestimmten Tools und Entwicklungsumgebungen des Unternehmens verwendet werden.
• Da die Gemini-Modelle multimodal sind, können sie theoretisch eine Reihe von multimodalen Aufgaben ausführen.

Google sorgt mit Gemini, einer Flaggschiff-Suite generativer KI-Modelle, -Anwendungen und -Dienste, für Aufsehen. Obwohl Gemini in mancher Hinsicht vielversprechend erscheint, wie unsere inoffizielle Überprüfung zeigt, hat es in anderen Bereichen schlecht abgeschnitten. Also, was ist Gemini? Wie verwendet man es? Wie schneidet es im Vergleich zu seinen Konkurrenten ab?

Was ist Gemini?

Gemini ist die lang erwartete Familie von GenAI-Modellen der nächsten Generation, entwickelt von Googles KI-Forschungslabor DeepMind und Google Research. Sie ist in drei Versionen erhältlich:

• Gemini Ultra, das Flaggschiff-Modell von Gemini
• Gemini Pro, ein „lebendiges“ Gemini-Modell
• Gemini Nano, ein kleineres „leichtes“ Modell, das auf mobilen Geräten wie dem Pixel 8 Pro läuft
  Alle Gemini-Modelle sind darauf trainiert, „natürlich multimodal“ zu sein – das heißt, sie können mehr als nur Wörter verarbeiten und nutzen. Sie wurden auf einer Vielzahl von Audio-, Bild- und Videodateien, einer umfangreichen Codebasis und Texten in verschiedenen Sprachen vortrainiert und verfeinert. Dies unterscheidet Gemini von Modellen wie LaMDA, Googles Modell, das speziell auf Textdaten trainiert wurde. LaMDA kann nichts anderes als Text verstehen oder generieren (z. B. Artikel, E-Mail-Entwürfe), die Gemini-Modelle jedoch schon.

Was ist der Unterschied zwischen der Gemini-App und dem Gemini-Modell?

Einmal mehr hat Google sein mangelndes Können in der Markenstrategie gezeigt, indem es von Anfang an nicht klarstellte, dass Gemini von der Gemini-App (ehemals Bard) auf Web- und Mobilplattformen zu unterscheiden ist. Die Gemini-App ist nur eine Schnittstelle, um auf ein bestimmtes Modell zuzugreifen – man kann sie sich als einen Google GenAI-Client vorstellen.

Übrigens sind die Gemini-Anwendungen und -Modelle ebenfalls völlig getrennt von Imagen 2, Googles Text-zu-Bild-Generierungsmodell, das in bestimmten Tools und Entwicklungsumgebungen des Unternehmens verwendet werden kann. Keine Sorge, Sie sind nicht die Einzigen, die verwirrt sind.

Was kann Gemini?

Da die Gemini-Modelle multimodal sind, können sie theoretisch eine Reihe von multimodalen Aufgaben ausführen, von der Sprachtranskription bis zur Bild- und Videobeschriftung und der Erstellung von Kunstwerken. Diese Funktionen sind noch nicht produktionsreif (wir werden später darauf eingehen), aber Google verspricht sie alle und mehr in naher Zukunft. Google hat bei der ursprünglichen Einführung von Bard weitgehend enttäuscht. Kürzlich veröffentlichte das Unternehmen außerdem ein Video, das die Fähigkeiten von Gemini demonstrieren sollte, das sich jedoch als weitgehend bearbeitet und eher wünschenswert herausstellte.

Lesen Sie auch: Der Google-Chatbot Bard erhält weltweit das Gemini-Pro-Update