Google tager et markant skridt fremad inden for kunstig intelligens ved at udvide Gemini 2.5 Pro til at blive en omfattende 'verdensmodel', der kan forstå og simulere aspekter af virkeligheden på måder, der afspejler menneskelig kognition.
Verdensmodeller repræsenterer et grundlæggende skifte i AI’s kapabiliteter, hvor man bevæger sig ud over sprogforståelse til at skabe interne repræsentationer af fysiske miljøer. Konceptet fokuserer på, hvordan intelligente agenter kan forstå og modellere eksterne, interaktive miljøer for at forbedre deres evne til at træffe beslutninger og planlægge. Oprindeligt blev verdensmodeller udviklet til at modellere lavniveau fysiske interaktioner, men de er siden udvidet til simulation af virkelige miljøer og generering af komplekse, realistiske omgivelser.
Disse avancerede AI-systemer simulerer virkelige miljøer ved at udnytte omfattende multimodale datasæt, herunder billeder, lyd, video og tekst. Denne evne gør det muligt for AI’en at forudsige resultater af forskellige handlinger, hvilket styrker dens ræsonnerings- og planlægningsevner. Verdensmodeller bygger bro mellem rå data og handlingsorienteret indsigt og muliggør mere intuitive interaktioner mellem maskiner og deres omgivelser.
Google annoncerede, at de arbejder på at udvide Gemini 2.5 Pro til at blive en verdensmodel "der kan lægge planer og forestille sig nye oplevelser ved at forstå og simulere aspekter af verden, ligesom hjernen gør." Denne udvikling markerer et betydeligt fremskridt i Googles AI-strategi og kan muliggøre mere sofistikeret problemløsning på tværs af forskellige områder.
Ud over denne ambitiøse udvikling delte Google flere opdateringer om Gemini-modelfamilien. Gemini 2.5 Flash er nu tilgængelig for alle i Gemini-appen, og en opdateret version bliver generelt tilgængelig i Google AI Studio for udviklere og i Vertex AI for virksomheder i begyndelsen af juni, efterfulgt af Gemini 2.5 Pro.
Gemini 2.5 Pro vil blive udvidet med Deep Think, en eksperimentel ræsonneringstilstand designet til meget komplekse matematik- og kodningsopgaver. Google tilføjer også nye funktioner til begge modeller, herunder avancerede sikkerhedsforanstaltninger. Deres nye sikkerhedstilgang har markant øget beskyttelsen mod indirekte prompt injection-angreb under brug af værktøjer, hvilket gør Gemini 2.5-familien til deres sikreste modelserie til dato.
Disse udviklinger sker i takt med, at konkurrencen på AI-området intensiveres, hvor virksomheder som Nvidia og startups som World Labs også arbejder på verdensmodel-teknologi. Hvad store sprogmodeller er for systemer som ChatGPT, er verdensmodeller for virtuelle verdenssimulatorer, der er nødvendige for at træne robotter og andre AI-systemer. Disse værktøjer kan skabe 3D-miljøer og simulationer, der hjælper robotter med bedre at forstå, planlægge og navigere i deres omgivelser.
Efterhånden som Google fortsætter med at udvide grænserne for AI’s kapabiliteter, markerer udviklingen af Gemini 2.5 Pro til en verdensmodel en ny æra, hvor kunstig intelligens ikke blot kan behandle information, men også forstå, forudsige og interagere med verden på stadigt mere menneskelignende måder.