2013 bis heute: Multimodale KI revolutioniert die Mensch-Maschine-Interaktion

Der Weg nach KAI – Episode 5:  Multimodale KI revolutioniert
die Mensch-Maschine-Interaktion

In dieser spannenden Episode tauchen wir ein in die faszinierende
Welt der multimodalen KI und beleuchten die jüngsten
Entwicklungen von Google und OpenAI.
Wir beginnen unsere Reise im Jahr 2013 mit einem Rückblick auf
die visionäre, aber letztlich gescheiterte AR-Brille "Google
Glass". Trotz anfänglicher Startschwierigkeiten ließ sich Google
nicht entmutigen und präsentierte nun mit "Astra" ein
beeindruckendes multimodales KI-Modell, das wie der legitime
Nachfolger von Google Glass wirkt.
Wir klären, was "multimodal" in der KI bedeutet und warum die
Fähigkeit, verschiedene Datentypen zu kombinieren, so wichtig für
leistungsstarke KI-Systeme ist. Anhand eindrucksvoller Demos
zeigen wir, wie Astra Objekte erkennt, Szenen analysiert und
sogar kreative Aufgaben meistert.
Doch OpenAI steht dem in nichts nach: Nur einen Tag vor Googles
Präsentation stellte das Unternehmen sein neues Sprachmodell
GPT-4o vor, das mit emotionaler Intelligenz und natürlicher
Konversation glänzt. Wir vergleichen die beiden Giganten und
wagen einen Blick in die Zukunft der
Mensch-Maschine-Interaktion.
Zum Abschluss werfen wir einen kritischen Blick auf den Stand der
Technik für die deutsche Sprache und erörtern, welche
Möglichkeiten sich durch die Verschmelzung von Sprach-KI und AR
ergeben könnten.