Nach dem 540-Milliarden-Parameter-Modell PaLM sowie einer neuen Visual-Language-Modellfamilie (VLM Flamingo) hat DeepMind, die KI-Forschungsabteilung von Google, nun den KI-Agenten Gato vorgestellt. Laut Forschungsteam beherrsche Gato ein Multitasking über Mediengrenzen hinweg.

Unterstützt wird der KI-Agent dabei von multiplem Embodiment, das die physische Präsenz mit den dazugehörigen Sinneswahrnehmungen zu simulieren versucht. Durch eine Vielzahl verschiedener Embodiments soll Gato so "spüren" (sense) und handeln (act) können.

Der als Generalist bezeichnete KI-Agent soll laut dem von DeepMind veröffentlichten Forschungsbericht auf einem einzigen Transformermodell basieren. Neben dem Lösen reiner Textaufgaben beherrsche Gato auch die Beschriftung von Bildern, das Stapeln physischer Blöcke mit einem Roboterarm und Atari zu spielen. Im Vergleich zu GPT-3- oder DALL-E-artigen Modellen soll Gato damit einen größeren Handlungsspielraum besitzen.

Dem Forschungsbericht des DeepMind-Teams, welches an Gato gearbeitet hat, sind genaue Informationen über das Training des KI-Agenten zu entnehmen. Die Forscher teilten ihre Ergebnisse zunächst auf Twitter und stießen dort auf reges Interesse der Machine-Learning-Community. Auf der Storage-Website von Google ist eine vollständige PDF-Version des Gato-Papers zu finden.

(jb, hannover)

(siehe auch: Heise-News-Ticker)

Hannover · EDV-Beratung · Linux · Novell · Microsoft · Seminar · IT-Consult · Netzwerk · LPIC · CLE