Google DeepMind hat sein neuestes KI-Videogenerierungsmodell Veo 2 als direkten Konkurrenten zu OpenAIs Sora vorgestellt. Das neue Modell ist derzeit über Googles Labs‘ VideoFX-Plattform verfügbar, wobei der Zugang über eine Warteliste und Anmeldung über ein Google-Formular erfolgt. Laut Google kann Veo 2 Videos mit einer Länge von bis zu zwei Minuten in Auflösungen bis zu … Weiterlesen …
DeepMind hat Genie 2 vorgestellt, ein künstliches Intelligenz-Modell, das aus einzelnen Bildern und Textbeschreibungen spielbare 3D-Umgebungen erschaffen kann. Es stellt eine Weiterentwicklung gegenüber seinem Vorgänger Genie 1 dar, der auf 2D-Welten beschränkt war. Laut DeepMind kann Genie 2 interaktive Umgebungen generieren, die auf Tastatur- und Mauseingaben reagieren und es Benutzern oder KI-Agenten ermöglichen, Charaktere innerhalb … Weiterlesen …
Demis Hassabis, CEO von Google DeepMind, steht an der Spitze der führenden KI-Forschungsorganisation des Unternehmens. Nach der Fusion von DeepMind und Google Brain im April 2023 entwickelt das kombinierte Team sowohl das Sprachmodell Gemini für Google-Produkte als auch bahnbrechende Forschungsprojekte wie AlphaFold. Die Organisation verfolgt unter Hassabis‘ Führung das Ziel, künstliche allgemeine Intelligenz (Artificial General … Weiterlesen …
Zwei aktuelle Studien liefern erste empirische Belege dafür, dass Debatten zwischen KI-Modellen einem menschlichen oder maschinellen Richter helfen können, die Wahrheit zu erkennen, berichtet Nash Weerasekera für Quanta Magazine. Bei diesem Ansatz präsentieren zwei Expertenmodelle Argumente zu einer Frage, woraufhin ein weniger informierter Richter entscheidet, welche Seite Recht hat. In Experimenten von Anthropic und Google … Weiterlesen …
Die Google-Tochter DeepMind hat mit SynthID-Text ein System entwickelt, um von Large Language Models (LLMs) erzeugte Texte mit digitalen Wasserzeichen zu versehen. Durch subtile Änderungen der Wortwahrscheinlichkeiten während der Textgenerierung bettet SynthID-Text eine erkennbare statistische Signatur ein, ohne Qualität, Genauigkeit oder Geschwindigkeit der Ausgabe zu beeinträchtigen. Das Tool wurde erfolgreich an 20 Millionen Eingabeaufforderungen getestet … Weiterlesen …
Forscher von DeepMind haben ein neues agentenbasiertes Framework namens Talker-Reasoner vorgestellt, das von dem „Zwei-Systeme“-Modell der menschlichen Kognition inspiriert ist. Das Framework unterteilt den KI-Agenten in zwei verschiedene Module, berichtet VentureBeat: den Talker, der Echtzeit-Interaktionen mit dem Benutzer und der Umgebung verarbeitet, und den Reasoner, der komplexe Überlegungen und Planungen durchführt. Die beiden Module interagieren … Weiterlesen …
DeepMind hat den Michelangelo-Benchmark vorgestellt, um die Fähigkeiten von Large Language Models (LLMs) mit langen Kontextfenstern zu testen, berichtet Ben Dickson für VentureBeat. LLMs können zwar mit großen Kontextfenstern umgehen, aber Untersuchungen zeigen, dass sie Schwierigkeiten haben, Schlussfolgerungen über komplexe Datenstrukturen zu ziehen. Aktuelle Benchmarks konzentrieren sich oft auf Suchaufgaben, die die Fähigkeiten zu logischem … Weiterlesen …
DeepMind hat eine neue Technik namens SCoRe entwickelt, die die Selbstkorrektur-Fähigkeiten von großen Sprachmodellen (LLMs) deutlich verbessert. Das berichtet Ben Dickson in einem Artikel für VentureBeat. SCoRe nutzt dabei selbst generierte Daten und ermöglicht es LLMs, ihr internes Wissen zu nutzen, um Fehler zu erkennen und zu korrigieren. In Tests übertraf SCoRe andere Selbstkorrektur-Methoden deutlich. … Weiterlesen …
Forscher arbeiten an neuen KI-Systemen, die ihre eigenen mathematischen Antworten überprüfen können. Das berichtet Cade Metz in der New York Times. Diese Technologie soll verhindern, dass Chatbots wie ChatGPT falsche Informationen liefern. Stattdessen können die neuen Systeme mathematische Beweise generieren und so ihre Antworten verifizieren. Das Silicon Valley-Startup Harmonic entwickelt beispielsweise einen Chatbot namens Aristotle, … Weiterlesen …
Googles DeepMind-Forscher haben eine neue Methode namens JEST entwickelt, die das KI-Training deutlich beschleunigt und gleichzeitig den Energiebedarf senkt. Durch die optimierte Auswahl von Trainingsdaten kann JEST die Anzahl der Iterationen um das 13-fache und den Rechenaufwand um das 10-fache reduzieren.