Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind26. August 2026 · Q001137

Visual General Intelligence: A White Paper

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der vorliegende Auszug stellt ein Whitepaper vor, das prüft, ob Lernen aus visuellen Daten ein möglicher Weg zu allgemeiner künstlicher Intelligenz sein könnte, und dafür den Begriff VGI verwendet. Es umreißt Themen wie visuelle Modalitäten, Benchmarks und Lernansätze, enthält aber keine konkreten Ergebnisse oder Belege für diesen Weg.

Mittel

Vorliegt nur ein Auszug: das Abstract und bibliografische Angaben. Das Whitepaper untersucht aus einer visuell geprägten Perspektive, ob Lernen aus Bildern, Videos und Geometrie einen möglichen Weg zu allgemeiner künstlicher Intelligenz darstellen könnte; dafür führt es den Begriff „Visual General Intelligence“ (VGI) an.

Das Abstract vergleicht diese Frage mit dem Sprachbereich, in dem GPT-Modelle laut Darstellung durch autoregressives Training auf sehr großen Textmengen und Skalierung Fähigkeiten auf unbekannte Aufgaben übertragen hätten. Das Papier bringt unterschiedliche Perspektiven zusammen, will aber ausdrücklich keine einheitliche Definition visueller Intelligenz liefern. Es soll vielmehr zentrale Themen für Computer Vision im AGI-Zeitalter ordnen: Modalitäten, Benchmarks, Lernansätze und die Beziehung von Vision zu anderen Modalitäten wie Sprache.

Der Auszug nennt keine konkreten Methoden, Experimente oder Ergebnisse. Er belegt somit nicht, dass visuelles Lernen zu AGI führt, sondern beschreibt die Fragestellung und den Anspruch des Whitepapers. Als Veröffentlichungsort ist arXiv genannt.

Ausführlich lesen

Vorliegt nur ein Auszug aus dem Bericht: das Abstract sowie Angaben zu Autorinnen und Autoren und zum Veröffentlichungsort. Der Auszug beschreibt ein Whitepaper, das Intelligenz aus einer visuell geprägten Perspektive betrachtet und fragt, ob Lernen aus visueller Erfahrung einen Weg zu allgemeiner künstlicher Intelligenz eröffnen könnte. Dafür verwendet es den Begriff „Visual General Intelligence“ (VGI).

Als Ausgangspunkt verweist das Abstract auf die Entwicklung im Sprachbereich: Seit der Transformer-Architektur hätten GPT-Modelle durch autoregressives Sprachmodellieren mit sehr großen Textmengen und starkes Skalieren Fähigkeiten auf zuvor ungesehene Aufgaben übertragen. Das Papier stellt dem die Frage gegenüber, welche Fähigkeiten und Formen von Intelligenz aus visuellen Modalitäten wie Bildern, Videos und Geometrie entstehen könnten.

Das Vorhaben ist laut Abstract eine Diskussion, die Beiträge aus unterschiedlichen Perspektiven und Institutionen zusammenführt. Es beansprucht ausdrücklich nicht, eine einzelne Definition visueller Intelligenz festzulegen. Stattdessen soll es Themen klären, denen sich Computer Vision im Zeitalter allgemeiner künstlicher Intelligenz widmen sollte: visuelle Eingabemodalitäten, Benchmarks, Lernparadigmen und das Verhältnis zwischen einer auf Vision ausgerichteten Intelligenz und weiteren Modalitäten, etwa Sprache.

Der vorliegende Text enthält keine ausgeführten Methoden, konkreten Experimente oder Ergebnisse und belegt daher nicht, dass visuelles Lernen tatsächlich zu AGI führt. Er formuliert die Frage und den thematischen Rahmen des Whitepapers. Als Veröffentlichungsort ist arXiv angegeben; eine vollständige Bewertung des Berichts ist anhand dieses Auszugs nicht möglich.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Agenten und vernetzte Systeme
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →