In diesem Interview spricht Logan Kilpatrick mit Cory Kavacholu von Google DeepMind (GDM) über die jüngsten rasanten Modellreleases (Gemini 2.5, 3.6 und 3.7), die strategische Transformation von Sprachmodellen zu autonomen Agenten mit Schwerpunkt auf Softwareentwicklung und den aktuellen Stand der Vorbereitungen für Gemini 4. Diskutiert werden zudem Googles 15-jährige Historie langfristiger KI-Investitionen, die organisatorische Zusammenlegung von Frontier-Forschung und Produktteams zur Beschleunigung des User-Feedbacks sowie historische Meilensteine wie die Entwicklung des Deep Q-Networks (DQN) bei Atari-Spielen.
Wichtigste Punkte & Zeitstempel
0:25 Schnelle Modellkaskade: Google DeepMind hat nach der Einführung von Gemini 2.5 auf der I/O innerhalb von nur drei Wochen die Versionen 3.6 und 3.7 erfolgreich veröffentlicht.
1:19 Übergang zum Agenten: Der Fokus hat sich von reinen Sprachmodellen hin zu agentischen Workflows verlagert, wobei Softwareentwicklung als kritischste Anwendungsdomäne dient.
3:07 Ambitionierter Gemini 4 Pre-Training-Lauf: Gemini 4 befindet sich in der Entwicklung und stellt den bislang ambitioniertesten Pre-Training-Lauf des Teams dar.
4:28 Unkompromittierter Fokus auf die KI-Frontier: Das primäre und kompromisslose Ziel von GDM bleibt das Erreichen und Halten der technologischen Frontier im Bereich der künstlichen Intelligenz.
5:36 Langfristige Google-Investitionen: Googles Engagement stützt sich auf eine 15-jährige Historie langfristiger technologischer Investitionen in Bereiche wie eigene KI-Chips, Quantencomputing und Waymo.
7:32 Integration von Forschung und Produkten: Durch die organisatorische Verschmelzung von Frontier-Forschung und Produktteams innerhalb von GDM soll die Innovationspipeline gestärkt und die direkte Interaktion mit Anwendern als Kompass genutzt werden.
11:02 Historische Anfänge und DQN: Rückblick auf Corys Rolle als erster Deep-Learning-Forscher bei DeepMind und die Entwicklung von DQN (Deep Q-Network) anhand von Atari-Spielen als erstem Durchbruch an der Schnittstelle von Deep Learning und Reinforcement Learning.
15:52 Konstante Grundlagen bei härteren Domänen: Während sich die fundamentalen Optimierungs- und Verlustfunktionen kaum verändert haben, sind die aktuellen Domänen durch deutlich höhere Komplexität, Mehrdeutigkeit und reichhaltigere Sprache gekennzeichnet.
22:34 Parallel laufende Modellfamilien: Die Entwicklung verläuft über parallele Tracks, wobei Flash-Modelle schnelle Iterationszyklen ermöglichen, während parallel an Gemini 3.5 Pro und Gemini 4 gearbeitet wird.
Glossar
AGI (Artificial General Intelligence): Allgemeine Künstliche Intelligenz; ein hypothetisches KI-System, das in jedem intellektuellen Bereich die Leistungsfähigkeit des Menschen erreichen oder übertreffen kann.
Pre-Training (Vortraining): Die rechenintensive Initialphase beim Training von KI-Modellen, in der ein neuronales Netz anhand gigantischer Text- und Datenmengen grundlegende Sprachstrukturen erlernt.
KI-Agent (Agentic Workflow): Ein autonomes System, das nicht nur auf Prompts antwortet, sondern eigenständig Werkzeuge einsetzt, komplexe Aufgabenketten plant und interaktive Probleme löst.
DQN (Deep Q-Network): Ein von DeepMind entwickeltes, wegweisendes Reinforcement-Learning-Verfahren, das tiefe neuronale Netze nutzt, um Agenten das erfolgreiche Spielen von Atari-Spielen beizubringen.
Reinforcement Learning (Bestärkendes Lernen): Ein Teilgebiet des maschinellen Lernens, bei dem ein Agent durch trial and error (Versuch und Irrtum) anhand von Belohnungen und Bestrafungen optimale Handlungsstrategien erlernt.
Loss Function (Verlustfunktion): Eine mathematische Kennzahl im Training, die die Abweichung zwischen den Vorhersagen des Modells und den echten Daten misst, um den Lernprozess zu steuern.
Pro- und Flash-Modelle: Spezifische Produktlinien innerhalb der Gemini-Modellfamilie, wobei Flash auf maximale Ausführungsgeschwindigkeit und Effizienz und Pro auf höchste Leistungsfähigkeit ausgelegt ist.