Was Google Gemini für Produktteams im Jahr 2026 bedeutet
Es mag technisch gesehen Schütze-Saison sein, aber Zwillinge übernehmen das Ruder.
Am 6. Dezember kündigte Google DeepMind die Veröffentlichung seines nativen multimodalen KI-Modells und Konkurrenten zu GPT-4, Gemini, an.
In einem Blogbeitrag, der die Ankunft von Gemini verkündete, lobte der CEO und Mitbegründer von Google DeepMind, Demis Hassabis, ihre neueste Entwicklung als das „fähigste und allgemeinste Modell, das wir je gebaut haben“. Gerüchte, dass die Produktreihe ein ernsthafter Kandidat für allgemeine künstliche Intelligenz (AGI) sein könnte, machen bereits die Runde, und die Auswirkungen von Gemini sind jetzt schon in der hart umkämpften KI-Geschäftslandschaft spürbar.
Doch wie sieht es mit den Auswirkungen auf digitale Produkte im kommenden Jahr aus? Das sollten Sie wissen – das Gute, das Schlechte und das vielleicht Hässliche.
Was ist Gemini?
Gemini ist nicht nur ein Produkt, sondern drei; eine Familie großer multimodaler Modelle (LMM), die auf die neuronalen Netzwerke LaMDA und PaLM 2 von Google DeepMind folgen. Die drei Produkte sind:
Du willst mehr vom The CPO Club?
Registriere dich für eine kostenlose Mitgliedschaft, um diesen Artikel vollständig zu lesen:
Have an account? Log In
- Gemini Ultra: Das leistungsstärkste Modell, das Anfang 2024 für Entwickler veröffentlicht werden soll. Ultra verspricht die Fähigkeit, eine breite Palette von Eingaben – einschließlich Audio, Video, Text, Code und Bilder – praktisch in Echtzeit zu „verstehen“, zu generieren und zu kombinieren.
- Gemini Pro: Das Modell für den Endverbraucher, das aktuell Entwicklern zur Verfügung steht. Nutzer in Ländern, in denen Bard verfügbar ist, konnten seit der Ankündigung am 6. Dezember mit Gemini Pro interagieren.
- Gemini Nano: Das kompakte Modell, das für mobile Anwendungen entwickelt wurde. Gemini Nano ist wie Gemini Ultra noch nicht veröffentlicht und Google hat die Leistungsdaten noch nicht bekannt gegeben.
Was ist multimodale KI?
Multimodale KI ist eine künstliche Intelligenz, die in der Lage ist, verschiedene Datentypen mithilfe verschiedener Intelligenz-Verarbeitungsalgorithmen zu verarbeiten. Ein Text-zu-Bild-KI-Modell wie Midjourney gilt beispielsweise als multimodale KI.
Viele LMMs haben bereits den Markt überflutet, doch was Gemini von anderen großen multimodalen Sprachmodellen unterscheidet, ist, dass Gemini darauf ausgelegt ist, viele Eingaben (Text, Video, Audio, Code und Bilder) auf eine Weise zu „verstehen“, die menschliches Verstehen und Kreativität nachahmt.
Das Gute: Das Potenzial multimodaler KI-Technologie
Weniger als ein volles Kalenderjahr, nachdem die Text-zu-Text-Generierung von ChatGPT die öffentliche Vorstellungskraft erobert hat, markiert Gemini eine neue Ära, in der multimodale Funktionen bald zur Grundvoraussetzung für KI-gestützte Produkte werden.
Ken Hubbell, CEO der KI-Plattform Soffos.ai, sieht enormes Potenzial für Technologie im neuen Jahr voraus.
„Wir haben angefangen, über Dinge wie die Echtzeitanalyse dessen, was Sie visuell sehen, nachzudenken“, sagt Hubbell. „Ich sehe daher neue Produkte wie Brillen, die einen Video-Feed aufnehmen können – diese können nun den Video-Feed aufnehmen und (in Echtzeit) Ergebnisse generieren.“
Dies wird Produktteams ein Maß an Flexibilität ermöglichen, das bisher nie möglich war, wird aber unweigerlich auch zum schnellen Aus für Produkte führen, die gebaut wurden, um die Funktionalität von Plattformen wie GPT-4 zu erweitern und ähnliche Funktionen wie Gemini zu ermöglichen – und die selbst erst wenige Monate alt sind.
„(Diese Produkte) werden bald entweder irrelevant sein oder müssen komplett umgestaltet werden, um all die neuen Sachen einzubauen, die sie bisher umgangen hatten“, sagt Hubbell.
(Diese Produkte) werden bald entweder irrelevant sein oder müssen komplett umgestaltet werden, um die Dinge einzubauen, die sie vorher umgangen hatten.
KEN HUBBELL, CEO, SOFFOS.AI
Obwohl Hubbell zugibt, dass viele Unternehmen ihre Investitionen in diese nun überholten Umgehungslösungen abschreiben müssen, sieht er darin tatsächlich eine gute Nachricht im Verborgenen.
„Als Alexa herauskam, haben viele Leute Wege gefunden, Dinge zu tun, die das Alexa-Produkt selbst nicht konnte – ich war einer dieser Leute“, sagt Hubbell und merkt an, dass das Team von Amazon schnell erkannte, welche Funktionen externe Entwickler bauten, und diese in die Alexa-Plattform integrierte.
„Das war zwar für uns Entwickler ein Nachteil, aber auf der anderen Seite hat es das Backend so sehr verbessert, dass wir uns endlich auf Dinge konzentrieren konnten, für die wir vorher keinen Workaround finden mussten – und wir konnten tatsächlich das Endprodukt bauen, das wir wirklich wollten.“
Das Schlechte: Frühe Rezeption von Gemini
Auch wenn diese neue Ära der hochleistungsfähigen multimodalen KI revolutionär klingt, war der erste Eindruck von Gemini Pro weitgehend enttäuschend. In der Woche nach der Produktveröffentlichung füllten sich LinkedIn- und X-Feeds überall mit verärgerten Rezensionen von Nutzern, die mit Gemini Pro experimentiert hatten.
Das Problem? Gemini wirkt… irgendwie dumm.
Artikel auf TechCrunch und von mehreren Autoren auf Medium hoben Beiträge aus sozialen Netzwerken hervor, die Screenshots zeigten, auf denen Gemini Fragen falsch beantwortete.
Doch wie Hubbell erklärt, macht die Plattform genau das, was jeder von ihr erwarten sollte.
„Eine KI großzuziehen ist tatsächlich sehr ähnlich wie ein Kind großzuziehen“, sagt Hubbell, der (bevor Sie fragen) selbst Vater ist. Er merkt an, dass Sprachmodelle in den frühen Trainingsphasen nur begrenzt lernen können – dies geschieht in einer abgeschlossenen Umgebung mit einer sehr kleinen Nutzerstichprobe. „Erst wenn es in die reale Welt entlassen wird, findet das wahre Wachstum statt.“
Erst wenn es in die reale Welt entlassen wird, findet das wahre Wachstum statt.
KEN HUBBELL, CEO, SOFFOS.AI
Das Hässliche: Die Frage nach der Ethik
In ihren Veröffentlichungen hat Google sehr offen versprochen, Gemini „verantwortungsbewusst“ entwickelt zu haben.
Dieses Versprechen hat einige Kritiker verständlicherweise unruhig gemacht.
Ein Artikel von ZDNET weist darauf hin, dass Google sich entschieden hat, bei den Gemini-Produkten auf Model Cards zu verzichten – diese geben unter anderem potenziell schädliche Auswirkungen eines neuronalen Netzes an. Das ist besonders irritierend, da ein Team bei Google die Model Cards ursprünglich überhaupt erst erfunden hat.
Es stellt sich außerdem die Frage: Bei einem Produkt, das auf einem von Grund auf voreingenommenen Datensatz trainiert ist – wer entscheidet, was ‚Verantwortung‘ eigentlich bedeutet?
In einem Artikel, der im Mai auf dem Mind Foundry Blog veröffentlicht wurde, erklärt Frankie Garcia, der neue Operational AI Ethics and Safety Manager von Google DeepMind und ehemalige Mind Foundry AI Governance Product Manager, was ein maschinelles Lernmodell vertrauenswürdig macht.
„Wenn Entscheidungen erhebliche Auswirkungen auf das Leben von Individuen und ganzen Bevölkerungsgruppen haben, kann die Bedeutung von Vertrauenswürdigkeit und Verantwortung eines Modells gar nicht überschätzt werden“, schreibt Garcia in dem gemeinsam mit Professor Brent Mittelstadt vom Oxford Internet Institute verfassten Artikel.
Der Artikel führt drei zentrale Bereiche für die Vertrauenswürdigkeit von maschinellen Lernmodellen an:
- Voreingenommenheit und Fairness: Die Nutzung verschiedener Gruppen von „Fairness-Metriken“ – die laut den Autoren oft gegenseitig im Widerspruch stehen –, um sicherzustellen, dass das Modell fair agiert.
- Interpretierbarkeit und Nachvollziehbarkeit: Dies beschreibt, inwieweit ein menschlicher Nutzer die Logik und den Prozess nachvollziehen kann, mit dem das KI-Modell zu seinem Ergebnis kommt.
- Veränderungen der Datenbasis und Modellanfälligkeit: Dies beschreibt, wie sich Veränderungen im Vergleich zum ursprünglichen Trainingsdatensatz – verursacht durch Muster aus Nutzereingaben und anderen Faktoren – negativ auf die Modell-Ausgaben auswirken können.
Daraus lässt sich schließen, dass Google diese Faktoren genau beobachtet, um sicherzustellen, dass die Gemini-Produktfamilie „unter Kontrolle“ bleibt. Ob wir eine ähnlich große Verpflichtung auch von anderen Marktteilnehmern sehen werden, bleibt abzuwarten.
Wie schneidet Gemini im Vergleich zu ChatGPT ab?
Was die reine Leistungsfähigkeit angeht, macht Google einige hochtrabende Versprechen, was Entwickler erwarten können. Hier die Leistungs-Benchmarks für Gemini Ultra und Gemini Pro im Vergleich zu ChatGPT, laut Google.
- rn t
- rn
- rn t
- GPT-4: 86,4% (5-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 90% (CoT@32*) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 79,1% (CoT@32*) rn
rn
- rn t
- rn
- rn t
- GPT-4: 83,1% (3-shot, API) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 83,6% (3-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 75% (3-shot) rn
rn
- rn t
- rn
- rn t
- GPT-4: 80,9% (3-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 82,4% (variable shots) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 74,1 (F1-Score) rn
rn
- rn t
- rn
- rn t
- GPT-4: 95,3% (10-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 87,8% (10-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 84,7% (10-shot) rn
rn
- rn t
- rn
- rn t
- GPT-4: 92% (5-shot CoT) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 94,4% (maj1@32) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 86,5% (maj1@32) rn
rn
- rn t
- rn
- rn t
- GPT-4: 52,9% (4-shot, API) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 53,2% (4-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 32,6% *4-shot) rn
rn
- rn t
- rn
- rn t
- GPT-4: 67% (0-shot, gemeldet) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 74,4% (0-shot, IT) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 67,7% (0-shot, IT) rn
rn
- rn t
- rn
- rn t
- GPT-4: 73,9% (0-shot, API) rn
rn
- rn t
- rn
- rn t
- Gemini Ultra: 74,9% (0-shot) rn
rn
- rn t
- rn
- rn t
- Gemini Pro: 69,6% (0-shot) rn
rn
