Google Gemini 2.5: Fortschritte in der Bildanalyse durch natürliche Sprache

LONDON (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz gibt es stetige Fortschritte, die sowohl technologische als auch gesellschaftliche Auswirkungen haben. Ein bemerkenswertes Beispiel ist das neueste Update von Googles KI-Modell Gemini 2.5, das die Bildanalyse durch natürliche Sprache revolutioniert.

Google hat mit dem Update seines KI-Modells Gemini 2.5 einen bedeutenden Fortschritt in der Bildanalyse erzielt. Diese neue Funktion ermöglicht es Nutzern, Bildinhalte mittels natürlicher Sprache zu analysieren und zu markieren. Dies stellt eine wesentliche Verbesserung gegenüber herkömmlichen Systemen dar, die auf vordefinierte Kategorien beschränkt sind. Das Modell kann nun komplexe sprachliche Beschreibungen verstehen, wie etwa ‘die Person mit dem Regenschirm’, und ermöglicht logisch konditionierte Anfragen sowie die Erkennung abstrakter Konzepte wie ‘Unordnung’.

Die Anwendungsmöglichkeiten dieser Technologie sind vielfältig. Designer könnten beispielsweise per Sprachbefehl spezifische Bildbereiche auswählen, während Versicherungssachbearbeiter Sturmschäden automatisch markieren lassen könnten. Entwickler haben über die Gemini API Zugriff auf diese Funktionalität, die Ergebnisse im JSON-Format mit Koordinaten, Pixelmasken und Bezeichnungen liefert.

Parallel dazu haben Oracle und OpenAI den Bau eines massiven KI-Rechenzentrums in Texas angekündigt. Dieses Zentrum wird zum Training von KI-Algorithmen genutzt und soll in seiner ersten Phase zwei große Gebäudekomplexe mit einem Energiebedarf von 200 Megawatt umfassen. Bis 2026 sollen sechs weitere Komplexe folgen, die insgesamt 800.000 Blackwell-Beschleuniger beherbergen werden. Der Energiebedarf wird auf 1.200 Megawatt steigen, was einen enormen Sprung im Vergleich zu früher üblichen Rechenzentren darstellt.

Großbritannien hat ebenfalls eine strategische Partnerschaft mit OpenAI geschlossen, um das Vereinigte Königreich als führende KI-Nation zu positionieren. Diese Kooperation umfasst gemeinsame Forschung zur KI-Sicherheit und mögliche Investitionen in britische Rechenzentren und KI-Infrastruktur. Die britische Regierung plant, eine Milliarde Pfund in Rechenleistung zu investieren, um ein jährliches Produktivitätswachstum von 1,5 Prozent zu erreichen.

In der Europäischen Union gibt es derweil Bestrebungen, die Personallücken im Bereich der Informations- und Kommunikationstechnik zu schließen. Die EU-Kommission fordert im neuen Budgetvorschlag für 2028 bis 2034 insgesamt 2.500 zusätzliche Vollzeitstellen, um den steigenden Bedarf an IT-Sicherheit und Künstlicher Intelligenz zu decken.

Ein weiteres Thema ist Googles neues KI-Modell zur Videogenerierung, Veo 3, das zwar hochwertige Videoclips erstellt, jedoch oft sinnlose Untertitel hinzufügt. Dies stellt eine Herausforderung dar, da die Entfernung der Untertitel zusätzliche Kosten verursacht und keine Erfolgsgarantie bietet. Der Fehler liegt vermutlich in den Trainingsdaten, die wahrscheinlich YouTube-Videos und TikTok-Edits mit eingebetteten Untertiteln enthalten.

Abschließend hat der Chef des KI-Unternehmens Anthropic, Dario Amodei, eingeräumt, dass sein Unternehmen im globalen KI-Wettlauf Kompromisse bei der Investorenwahl eingehen muss. Trotz früherer Bedenken wird Anthropic Investitionen aus den Vereinigten Arabischen Emiraten und Katar anstreben, um die Wettbewerbsfähigkeit zu sichern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!