Google I/O 2024: Enthüllung von Innovationen für die nächste Generation

Google nimmt die Ära, die wir die Gemini-Ära nennen, voll und ganz an.

Bevor wir in die Details eintauchen, möchte ich einen Moment innehalten und darüber nachdenken, wo wir stehen. Wir haben seit über einem Jahrzehnt Ressourcen in AI investiert und die Grenzen in Forschung, Produktentwicklung und Infrastruktur ausgelotet. Heute werden wir all das und mehr behandeln.

Wir stehen noch am Anfang dieses AI-Plattformwechsels, und das Potenzial ist enorm – für Kreative, Entwickler, Start-ups und alle anderen. Das ist es, worum es in der Gemini-Ära geht: diese Möglichkeiten voranzutreiben. Also, lasst uns direkt loslegen.

Die Gemini-Ära

Letztes Jahr auf der I/O haben wir unsere Vision für Gemini vorgestellt: ein hochmodernes Modell, das von Anfang an nativ multimodal ist und in der Lage ist, Texte, Bilder, Videos, Code und mehr zu verarbeiten. Es ist ein bedeutender Schritt hin zur Transformation beliebiger Eingaben in beliebige Ausgaben – ein „I/O“ für die nächste Generation.

Seitdem haben wir die ersten Gemini-Modelle eingeführt, die neue Maßstäbe in der multimodalen Leistung gesetzt haben. Nur zwei Monate später stellten wir Gemini 1.5 Pro vor, das einen großen Durchbruch im Umgang mit langen Kontexten brachte. Es kann in der Produktion 1 Million Token verwalten und übertrifft damit jedes andere groß angelegte Basismodell bis heute.

Wir sind entschlossen, sicherzustellen, dass jeder von den Fähigkeiten von Gemini profitieren kann. Wir haben schnell gehandelt, um diese Fortschritte mit Ihnen zu teilen. Heute nutzen über 1,5 Millionen Entwickler Gemini-Modelle in unseren Tools, vom Debuggen von Code über das Gewinnen neuer Erkenntnisse bis hin zum Aufbau der nächsten Welle von AI-Anwendungen.

Wir integrieren die leistungsstarken Funktionen von Gemini auch auf sinnvolle Weise in unsere Produkte. Sie werden heute Beispiele in Search, Photos, Workspace, Android und darüber hinaus sehen.

Produktfortschritte

Derzeit werden alle unsere Produkte mit 2 Milliarden Nutzern von Gemini angetrieben.

Wir haben auch neue Erlebnisse gestartet, einschließlich einer mobilen App, mit der Sie direkt mit Gemini interagieren können, verfügbar sowohl auf Android als auch auf iOS. Und mit Gemini Advanced erhalten Sie Zugang zu unseren fortschrittlichsten Modellen. Über 1 Million Menschen haben sich in nur drei Monaten angemeldet, um es auszuprobieren, und die Dynamik wächst weiter.

Erweiterung der AI Overviews in Search

Eine der aufregendsten Entwicklungen mit Gemini war bei Google Search.

Im letzten Jahr haben wir Milliarden von Anfragen über unsere Search Generative Experience bearbeitet. Nutzer erkunden Search auf neue Weise, stellen längere und komplexere Fragen, verwenden sogar Fotos für die Suche und erhalten die besten Ergebnisse, die das Web zu bieten hat.

Wir haben dieses Erlebnis über Labs hinaus getestet und sind begeistert zu sehen, dass nicht nur die Nutzung von Search zunimmt, sondern auch die Zufriedenheit der Nutzer steigt.

Ich freue mich, ankündigen zu können, dass wir diese vollständig überarbeitete Erfahrung, AI Overviews, diese Woche in den USA für alle einführen werden, mit weiteren Ländern, die bald folgen.

Dank Gemini verschieben wir die Grenzen dessen, was in Search möglich ist, einschließlich innerhalb unserer eigenen Produkte.

Einführung von Ask Photos

Nehmen Sie zum Beispiel Google Photos, das wir vor fast neun Jahren eingeführt haben. Es ist zu einer Anlaufstelle für die Organisation der wertvollsten Erinnerungen des Lebens geworden, mit über 6 Milliarden täglich hochgeladenen Fotos und Videos.

Die Menschen lieben es, Photos zu verwenden, um durch ihr Leben zu suchen. Mit Gemini machen wir dies noch einfacher.

Stellen Sie sich vor, Sie sind an einer Parkstation und können sich nicht an Ihr Kennzeichen erinnern. Früher mussten Sie Photos mit Schlüsselwörtern durchsuchen und durch Jahre von Fotos scrollen, um es zu finden. Jetzt können Sie einfach Photos fragen. Es erkennt die Autos, die Sie häufig benutzen, stellt fest, welches Ihnen gehört, und gibt Ihnen die Kennzeichennummer.

Ask Photos kann Ihnen auch helfen, tiefer in Ihre Erinnerungen einzutauchen. Sagen Sie, Sie schwelgen in Erinnerungen an die frühen Meilensteine Ihrer Tochter Lucia. Sie können Photos fragen: „Wann hat Lucia schwimmen gelernt?“

Sie können dann mit etwas Komplexerem nachhaken, wie zum Beispiel: „Zeig mir, wie sich Lucias Schwimmen entwickelt hat.“

Hier geht Gemini über eine einfache Suche hinaus und versteht verschiedene Kontexte – von Bahnen im Schwimmbad über Schnorcheln im Meer bis hin zu Texten und Daten auf ihren Schwimmzertifikaten. Photos stellt dann alles in einer Zusammenfassung zusammen, sodass Sie diese wunderbaren Erinnerungen wieder erleben können. Wir führen Ask Photos diesen Sommer ein, mit weiteren Funktionen, die folgen werden.

Gemini's Multimodalität ist darauf ausgelegt, Wissen über verschiedene Formate hinweg freizusetzen. Es ist ein Modell, das verschiedene Arten von Eingaben versteht und verbindet.

Dieser Ansatz erweitert die Arten von Fragen, die wir stellen können, und die Antworten, die wir erhalten. Langer Kontext geht noch weiter und ermöglicht es uns, riesige Mengen an Informationen zu verarbeiten: Hunderte von Seiten Text, Stunden von Audio, eine Stunde Video, ganze Code-Repositories oder sogar 96 Cheesecake Factory-Menüs.

Für diese vielen Menüs benötigen Sie ein Kontextfenster von einer Million Token, was jetzt mit Gemini 1.5 Pro möglich ist. Entwickler nutzen es auf ziemlich coole Weise.

Wir haben Gemini 1.5 Pro mit langem Kontext in den letzten Monaten in der Vorschau eingeführt und Verbesserungen in der Übersetzung, Programmierung und Argumentation vorgenommen. Diese Updates sind jetzt im Modell enthalten.

Ich freue mich, ankündigen zu können, dass wir diese verbesserte Version von Gemini 1.5 Pro weltweit für alle Entwickler verfügbar machen. Zusätzlich ist Gemini 1.5 Pro mit 1 Million Kontext jetzt direkt für Verbraucher in Gemini Advanced zugänglich und unterstützt 35 Sprachen.

Erweiterung auf 2 Millionen Token in privater Vorschau

Eine Million Token haben neue Möglichkeiten eröffnet, aber wir hören hier nicht auf.

Heute erweitern wir das Kontextfenster auf 2 Millionen Token, verfügbar für Entwickler in privater Vorschau.

Es ist unglaublich zu sehen, wie weit wir in nur wenigen Monaten gekommen sind. Dies ist ein weiterer Schritt in Richtung unseres ultimativen Ziels eines unendlichen Kontexts.

Einführung von Gemini 1.5 Pro in Workspace

Wir haben zwei wichtige technische Fortschritte besprochen: Multimodalität und langer Kontext. Jeder ist für sich genommen leistungsstark, aber zusammen erschließen sie noch tiefere Fähigkeiten und Intelligenz.

Dies zeigt sich in Google Workspace.

Die Menschen suchen oft ihre E-Mails in Gmail. Mit Gemini machen wir dies viel leistungsfähiger. Zum Beispiel möchten Sie als Elternteil über die Schulaktivitäten Ihres Kindes auf dem Laufenden bleiben. Gemini kann Ihnen dabei helfen, den Überblick zu behalten.

Sie können Gemini bitten, kürzlich eingegangene E-Mails von der Schule zusammenzufassen. Im Hintergrund identifiziert es relevante E-Mails und analysiert sogar Anhänge wie PDFs. Sie erhalten eine Zusammenfassung der wichtigsten Punkte und Aufgaben. Wenn Sie ein PTA-Treffen verpasst haben, weil Sie unterwegs waren, und die Aufzeichnung eine Stunde lang ist, kann Gemini die wichtigen Teile hervorheben, wenn es von Google Meet stammt. Wenn Freiwillige gesucht werden und Sie Zeit haben, kann Gemini eine Antwort für Sie entwerfen.

Es gibt unzählige Möglichkeiten, wie dies Ihr Leben vereinfachen kann. Gemini 1.5 Pro ist ab heute in Workspace Labs verfügbar. Aparna wird weitere Details teilen.

Audioausgaben in NotebookLM

Wir haben Beispiele mit Textausgaben gesehen, aber mit einem multimodalen Modell können wir so viel mehr tun.

Wir machen hier Fortschritte, und es wird noch mehr kommen. Audio Overviews in NotebookLM demonstrieren dies. Es nutzt Gemini 1.5 Pro, um eine personalisierte und interaktive Audiokonversation aus Ihren Quellmaterialien zu generieren.

Das ist das Potenzial der Multimodalität. Bald werden Sie Eingaben und Ausgaben mischen und kombinieren können. Das ist es, was wir mit einem „I/O“ für eine neue Generation meinen. Aber was, wenn wir noch weiter gehen könnten?

Weitergehen mit AI-Agenten

Eine der aufregenden Möglichkeiten, die wir sehen, ist mit AI-Agenten. Dies sind intelligente Systeme, die denken, planen und sich erinnern können. Sie können mehrere Schritte vorausdenken und über Software und Systeme hinweg arbeiten, um Aufgaben in Ihrem Namen zu erledigen, immer unter Ihrer Aufsicht.

Wir befinden uns noch in den Anfängen, aber lassen Sie mich Ihnen einen Einblick in die Arten von Anwendungsfällen geben, an denen wir arbeiten.

Nehmen Sie zum Beispiel das Einkaufen. Es macht Spaß, Schuhe zu kaufen, aber nicht so viel Spaß, sie zurückzugeben, wenn sie nicht passen.

Stellen Sie sich vor, Gemini könnte alle Schritte für Sie übernehmen:

• Suchen Ihrer Inbox nach der Quittung...
• Finden der Bestellnummer aus Ihrer E-Mail...
• Ausfüllen eines Rückgabeformulars...
• Sogar die Planung einer UPS-Abholung.

Das ist viel einfacher, oder?

Betrachten wir ein komplexeres Szenario. Sagen wir, Sie sind gerade nach Chicago gezogen. Gemini und Chrome können zusammenarbeiten, um Ihnen zu helfen, sich einzuleben – Informationen organisieren, argumentieren und synthetisieren in Ihrem Namen.

Sie möchten die Stadt erkunden und lokale Dienstleistungen finden, von Reinigungen bis zu Hundesittern. Sie müssen auch Ihre neue Adresse auf zahlreichen Websites aktualisieren.

Gemini kann diese Aufgaben verwalten und wird bei Bedarf nach weiteren Informationen fragen, um sicherzustellen, dass Sie immer die Kontrolle haben.

Das ist entscheidend – während wir diese Erfahrungen entwickeln, konzentrieren wir uns auf Datenschutz, Sicherheit und darauf, sie für alle zugänglich zu machen.

Dies sind einfache Beispiele, aber sie zeigen die Arten von Problemen, die wir lösen wollen, indem wir intelligente Systeme bauen, die vorausdenken, argumentieren und in Ihrem Namen planen.

Was es für unsere Mission bedeutet

Die Kraft von Gemini – mit seiner Multimodalität, langem Kontext und Agenten – bringt uns näher an unser ultimatives Ziel: AI für alle hilfreich zu machen.

So werden wir den größten Fortschritt in Richtung unserer Mission machen: die Informationen der Welt über jede Eingabe zu organisieren, sie über jede Ausgabe zugänglich zu machen und die Informationen der Welt mit den Informationen in IHRER Welt auf eine wirklich nützliche Weise zu kombinieren.

Neuland betreten

Um das volle Potenzial von AI zu realisieren, müssen wir Grenzen verschieben. Das Google DeepMind-Team hat hart daran gearbeitet.

Wir haben viel Begeisterung um 1.5 Pro und sein langes Kontextfenster gesehen. Aber Entwickler wollten auch etwas Schnelleres und Kosteneffektiveres. Daher führen wir morgen Gemini 1.5 Flash ein, ein leichteres Modell, das für Skalierung optimiert ist. Es ist für Aufgaben optimiert, bei denen niedrige Latenz und Kosten entscheidend sind. 1.5 Flash wird am Dienstag in AI Studio und Vertex AI verfügbar sein.

Mit Blick in die Zukunft wollten wir immer einen universellen Agenten bauen, der im Alltag nützlich ist. Project Astra zeigt multimodale Verständnis- und Echtzeit-Konversationsfähigkeiten.

Wir haben auch Fortschritte in der Video- und Bildgenerierung mit Veo und Imagen 3 gemacht und Gemma 2.0 eingeführt, unsere nächste Generation offener Modelle für verantwortungsvolle AI-Innovation. Mehr dazu von Demis Hassabis.

Infrastruktur für die AI-Ära: Einführung von Trillium

Das Training hochmoderner Modelle erfordert viel Rechenleistung. Die Nachfrage nach ML-Rechenleistung ist in den letzten sechs Jahren um den Faktor 1 Million gestiegen und wächst jedes Jahr um das Zehnfache.

Google wurde dafür gebaut. Seit 25 Jahren investieren wir in erstklassige technische Infrastruktur, von der hochmodernen Hardware, die Search antreibt, bis zu unseren speziellen Tensor Processing Units, die unsere AI-Fortschritte vorantreiben.

Gemini wurde vollständig auf unseren TPUs der vierten und fünften Generation trainiert und bereitgestellt. Andere führende AI-Unternehmen, einschließlich Anthropic, haben ihre Modelle ebenfalls auf unseren TPUs trainiert.

Heute freuen wir uns, unsere 6. Generation von TPUs anzukündigen, genannt Trillium. Trillium ist unser leistungsstärkster und effizientester TPU bisher und bietet eine 4,7-fache Verbesserung der Rechenleistung pro Chip im Vergleich zur vorherigen Generation, TPU v5e.

Wir werden Trillium Ende 2024 für unsere Cloud-Kunden verfügbar machen.

Neben unseren TPUs sind wir stolz darauf, CPUs und GPUs anzubieten, um jede Arbeitslast zu unterstützen. Dazu gehören die neuen Axion-Prozessoren, die wir letzten Monat angekündigt haben, unsere erste speziell entwickelte Arm-basierte CPU, die branchenführende Leistung und Energieeffizienz bietet.

Wir sind auch einer der ersten Cloud-Anbieter, der Nvidias hochmoderne Blackwell-GPUs anbietet, die Anfang 2025 verfügbar sein werden. Unsere langjährige Partnerschaft mit NVIDIA ermöglicht es uns, die bahnbrechenden Fähigkeiten von Blackwell unseren Kunden zugänglich zu machen.

Chips sind ein grundlegender Teil unseres integrierten End-to-End-Systems, von leistungsoptimierter Hardware und offener Software bis hin zu flexiblen Konsummodellen. Dies alles kommt in unserem AI Hypercomputer zusammen, einer bahnbrechenden Supercomputer-Architektur.

Unternehmen und Entwickler nutzen ihn, um komplexere Herausforderungen zu bewältigen, mit mehr als doppelter Effizienz im Vergleich zum bloßen Kauf der rohen Hardware und Chips. Unsere Fortschritte beim AI Hypercomputer sind teilweise durch unseren Ansatz zur Flüssigkeitskühlung in unseren Rechenzentren möglich.

Wir machen dies seit fast einem Jahrzehnt, lange bevor es zum Industriestandard wurde. Heute beträgt unsere gesamte eingesetzte Flottenkapazität für Flüssigkeitskühlsysteme fast 1 Gigawatt und wächst – das ist fast 70 Mal die Kapazität jeder anderen Flotte.

Diesem zugrunde liegt die schiere Größe unseres Netzwerks, das unsere Infrastruktur weltweit verbindet. Unser Netzwerk umfasst mehr als 2 Millionen Meilen an terrestrischen und Unterseekabeln: über 10 Mal die Reichweite des nächstführenden Cloud-Anbieters.

Wir werden weiterhin die notwendigen Investitionen tätigen, um AI-Innovationen voranzutreiben und hochmoderne Fähigkeiten zu liefern.

Das aufregendste Kapitel von Search bisher

Einer unserer größten Bereiche für Investitionen und Innovation ist unser Gründungsprodukt, Search. Vor 25 Jahren haben wir Search geschaffen, um Menschen zu helfen, den Strom an Informationen zu navigieren, der online geht.

Mit jedem Plattformwechsel haben wir Durchbrüche geliefert, um Ihre Fragen besser zu beantworten. Auf Mobilgeräten haben wir neue Arten von Fragen und Antworten freigeschaltet – mit besserem Kontext, Standortbewusstsein und Echtzeitinformationen. Mit Fortschritten im Verständnis natürlicher Sprache und Computer Vision haben wir neue Suchmöglichkeiten ermöglicht, wie die Nutzung Ihrer Stimme oder das Summen, um Ihren neuen Lieblingssong zu finden, oder die Verwendung eines Bildes von der Blume, die Sie auf Ihrem Spaziergang gesehen haben. Und jetzt können Sie sogar Circle to Search verwenden, um die coolen neuen Schuhe zu finden, die Sie vielleicht kaufen möchten. Los, Sie können sie immer zurückgeben!

Natürlich wird Search in der Gemini-Ära dies auf ein ganz neues Niveau heben, indem wir unsere Infrastruktur-Stärken, die neuesten AI-Fähigkeiten, unsere hohen Standards für Informationsqualität und unsere jahrzehntelange Erfahrung kombinieren, Sie mit der Fülle des Webs zu verbinden. Das Ergebnis ist ein Produkt, das die Arbeit für Sie erledigt.

Google Search ist generative AI im Maßstab menschlicher Neugier. Und es ist unser bisher aufregendstes Kapitel von Search. Lesen Sie mehr über die Gemini-Ära von Search von Liz Reid.

Intelligenter Gemini-Erfahrungen

Gemini ist mehr als nur ein Chatbot; es ist als Ihr persönlicher, hilfreicher Assistent konzipiert, der komplexe Aufgaben bewältigen und in Ihrem Namen handeln kann.

Die Interaktion mit Gemini sollte konversationell und intuitiv sein. Daher kündigen wir eine neue Gemini-Erfahrung namens Live an, die es Ihnen ermöglicht, ein ausführliches Gespräch mit Gemini über Ihre Stimme zu führen. Wir werden auch später in diesem Jahr 2M Token zu Gemini Advanced bringen, was es ermöglicht, super dichte Dateien wie Videos und langen Code hochzuladen und zu analysieren. Sissie Hsiao teilt mehr Details.

Gemini auf Android

Mit Milliarden von Android-Nutzern weltweit sind wir begeistert, Gemini tiefer in die Nutzererfahrung zu integrieren. Als Ihr neuer AI-Assistent ist Gemini hier, um Ihnen jederzeit und überall zu helfen. Wir haben Gemini-Modelle in Android integriert, einschließlich unseres neuesten On-Device-Modells: Gemini Nano mit Multimodalität, das Texte, Bilder, Audio und Sprache verarbeitet, um neue Erfahrungen freizuschalten, während Informationen auf Ihrem Gerät privat bleiben. Sameer Samat teilt die Android-Neuigkeiten hier.

Unser verantwortungsvoller Ansatz für AI

Wir gehen die AI-Möglichkeit mutig und mit Begeisterung an. Wir stellen auch sicher, dass wir es verantwortungsvoll tun. Wir entwickeln eine hochmoderne Technik namens AI-gestütztes Red Teaming, die auf den bahnbrechenden Spieleerfolgen von Google DeepMind wie AlphaGo basiert, um unsere Modelle zu verbessern. Außerdem haben wir SynthID, unser Wasserzeichen-Tool, das AI-generierte Inhalte leichter identifizierbar macht, auf zwei neue Modalitäten erweitert: Text und Video. James Manyika teilt mehr.

Die Zukunft gemeinsam gestalten

All dies zeigt die wichtigen Fortschritte, die wir machen, während wir einen mutigen und verantwortungsvollen Ansatz verfolgen, um AI für alle hilfreich zu machen.

Wir waren schon lange AI-zentriert in unserem Ansatz. Unsere jahrzehntelange Forschungsleitung hat viele der modernen Durchbrüche ermöglicht, die den AI-Fortschritt antreiben, für uns und für die Branche. Darüber hinaus haben wir:

• Weltweit führende Infrastruktur, die für die AI-Ära gebaut wurde
• Bahnbrechende Innovation in Search, jetzt angetrieben von Gemini
• Produkte, die in außergewöhnlichem Maßstab helfen – einschließlich 15 Produkten mit einer halben Milliarde Nutzern
• Und Plattformen, die es allen ermöglichen – Partnern, Kunden, Kreativen und Ihnen allen – die Zukunft zu erfinden.

Dieser Fortschritt ist nur durch unsere unglaubliche Entwicklergemeinschaft möglich. Sie machen es wahr, durch die Erfahrungen und Anwendungen, die Sie jeden Tag bauen. Also, an alle hier in Shoreline und die Millionen mehr, die weltweit zuschauen, hier ist auf die Möglichkeiten, die vor uns liegen, und darauf, sie gemeinsam zu gestalten.

Erhalten Sie mehr Geschichten von Google in Ihrem Posteingang.

E-Mail-AdresseIhre Informationen werden gemäß der Datenschutzrichtlinie von Google verwendet.

AbonnierenFertig. Nur noch ein Schritt.

Überprüfen Sie Ihren Posteingang, um Ihr Abonnement zu bestätigen.

Sie haben unseren Newsletter bereits abonniert.

Sie können sich auch mit einer anderen E-Mail-Adresse anmelden.