Google plant Integration von Gemini und Veo zur Verbesserung der KI-Weltwahrnehmung

MÜNCHEN (IT BOLTWISE) – Google verfolgt ehrgeizige Pläne, seine KI-Modelle zu vereinen, um die Wahrnehmung der physischen Welt zu verbessern.

Google hat in der Welt der Künstlichen Intelligenz erneut für Aufsehen gesorgt. Der CEO von DeepMind, Demis Hassabis, kündigte kürzlich in einem Podcast an, dass Google plant, seine Gemini-Modelle mit den Veo-Video-Generierungsmodellen zu kombinieren. Diese Fusion soll die Fähigkeit der KI verbessern, die physische Welt zu verstehen und zu interpretieren. Die Gemini-Modelle von Google sind von Anfang an als multimodale Plattform konzipiert worden.

Dies bedeutet, dass sie in der Lage sind, verschiedene Medienformen wie Text, Bilder und Audio zu verarbeiten. Der nächste Schritt, so Hassabis, sei die Integration von Video, um eine umfassendere digitale Assistenz zu ermöglichen, die nicht nur in der digitalen, sondern auch in der physischen Welt hilfreich ist. Der Trend in der KI-Industrie geht zunehmend in Richtung sogenannter ‘Omni-Modelle’. Diese Modelle sind darauf ausgelegt, eine Vielzahl von Medienformen zu verstehen und zu synthetisieren.

Neben Google arbeiten auch andere große Unternehmen wie OpenAI und Amazon an ähnlichen Projekten. OpenAI hat bereits ein Modell entwickelt, das in der Lage ist, Bilder im Stil von Studio Ghibli zu erstellen, während Amazon plant, noch in diesem Jahr ein ‘Any-to-Any’-Modell auf den Markt zu bringen. Die Entwicklung solcher Modelle erfordert eine enorme Menge an Trainingsdaten. Für Veo, das Video-generierende Modell von Google, stammen diese Daten hauptsächlich von YouTube, einer Plattform, die Google gehört. Laut Hassabis kann Veo durch das Ansehen von unzähligen YouTube-Videos die physikalischen Eigenschaften der Welt besser verstehen.

Google hat bereits im Vorfeld angedeutet, dass seine Modelle möglicherweise mit Inhalten von YouTube trainiert werden, sofern dies im Einklang mit den Vereinbarungen mit den YouTube-Erstellern steht. Im vergangenen Jahr hat Google seine Nutzungsbedingungen erweitert, um mehr Daten für das Training seiner KI-Modelle nutzen zu können. Diese Entwicklungen werfen jedoch auch Fragen zum Datenschutz und zur Einhaltung von Urheberrechten auf.

Die Nutzung von YouTube-Inhalten für das Training von KI-Modellen könnte rechtliche und ethische Herausforderungen mit sich bringen, insbesondere in Bezug auf die Zustimmung der Ersteller und die Transparenz gegenüber den Nutzern. Dennoch könnte die Kombination von Gemini und Veo einen bedeutenden Fortschritt in der KI-Forschung darstellen und die Art und Weise, wie digitale Assistenten in der physischen Welt agieren, revolutionieren.

Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»

Apple AirTag - Finde und behalte Deine Sachen im Blick: Schlüssel, Geldbörsen, Gepäck, Rucksäcke und mehr. Einfaches Einrichten mit iPhone oder iPad. Austauschbare Batterie

30,99 EUR

Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»

Mobvoi TicNote KI Digitales Diktiergerät, 64 GB Speicher, Notizrekorder mit Hülle, App-Steuerung, über 100 Sprachen, Transkribieren, Zusammenfassen mit AI Shadow,digitaler Audiorekorder Sprachrekorder

169,99 EUR

Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»

Plaud Note KI Digitales Diktiergerät mit Hülle - 64 GB Aufnahmegerät mit KI-Technologie zum Transkribieren und Zusammenfassen, One-Touch-Aufnahme, Rauschunterdrückung, Unterstützt 112 Sprachen

169,90 EUR

Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»

Plaud NotePin Sprachrekorder, KI-Sprachrekorder, App-Steuerung, KI-Notizgerät, KI-Transkription & Zusammenfassung, 112 Sprachen, 64GB Speicher, Audiorekorder für Vorlesungen, Meetings, Kosmisches Grau

169,90 EUR

Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»

SOXOI KI Digitales Diktiergerät, 64GB Magnet Mini Aufnahmegerä mit ChatGPT 4o vom Transkribieren und Zusammenfassen für 102 Sprachen,One Touch Aufnahme, Voice Recorder Sprachrecorder (Schwarz)

89,99 EUR

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