Gemini revolutioniert 3D-Verständnis: KI lernt sehen, zeigen und denken wie Menschen

Das Verständnis dreidimensionaler Räume stellt eine zentrale Herausforderung für die künstliche Intelligenz dar. Es liegt an der Schnittstelle zwischen Robotik und Agenten, die mit der physischen Welt interagieren.

Im Gegensatz dazu erkennen Menschen mühelos Objekte, deren Tiefe und besitzen ein intuitives Gespür für die physikalischen Gesetze, die diese Welt regieren. Dieses Phänomen wird als verkörperte Logik bezeichnet.

Gemini, ein neues KI-Modell, versucht, dieses menschliche Verständnis nachzuahmen. Es lernt, Objekte zu erkennen, auf sie zu zeigen und daraus Schlüsse zu ziehen – ein Schritt hin zu einer KI, die nicht nur Daten verarbeitet, sondern auch räumlich denkt.

Die Fortschritte von Gemini zeigen, dass KI zunehmend in der Lage ist, komplexe 3D-Umgebungen zu interpretieren und Entscheidungen zu treffen, die dem menschlichen Denken ähneln.