Gemini Deep Think: Redefining the Future of Scientific Research
Zusammenfassung
Kurz
Google DeepMind beschreibt, wie Gemini Deep Think mit Forschungsagenten und Fachleuten Probleme in Mathematik, Informatik und Physik bearbeitet, und nennt dazu Benchmarks sowie Fallstudien. Der Bericht weist auf unterschiedliche Grade menschlicher Mitwirkung hin; größere mathematische Durchbrüche beansprucht er nicht, und viele Ergebnisse sind noch nicht veröffentlicht.
Mittel
Der Bericht stellt zwei Arbeiten von Google DeepMind vor, in denen Gemini Deep Think mit Fachleuten Forschungsfragen aus Mathematik, Informatik und Physik bearbeitet. Für Mathematik beschreibt er Aletheia: Der Agent erzeugt Beweise, prüft sie, überarbeitet sie oder erkennt, wenn er ein Problem nicht lösen kann. DeepMind berichtet über hohe Ergebnisse bei einem Olympiaden-Benchmark, Fortschritte bei PhD-Aufgaben und Beispiele autonomer sowie gemeinsam mit Menschen erarbeiteter Resultate. Einige mathematische Arbeiten seien bei Zeitschriften eingereicht. Die Autorinnen und Autoren beanspruchen ausdrücklich keine Durchbrüche der höchsten Stufen ihrer eigenen Einteilung.
In Informatik und Physik hätten Fachleute Deep Think bei 18 Problemen begleitet. Genannt werden unter anderem Beiträge zu Netzwerkalgorithmen, einer lange offenen Vermutung, maschinellem Lernen, Auktionstheorie und kosmischen Strings. Als hilfreiche Praxis empfiehlt die Arbeit, Beweise und mögliche Widerlegungen gleichermaßen anzufordern und Ergebnisse automatisiert wie menschlich zu prüfen. Die Aussagen beruhen auf den von DeepMind dargestellten Benchmarks und Fallstudien; viele Ergebnisse sind noch nicht veröffentlicht, und die Rolle menschlicher Mitarbeit variiert.
Ausführlich lesen
Der Bericht beschreibt, wie Google DeepMind Gemini Deep Think mithilfe von Forschungsagenten und Zusammenarbeit mit Fachleuten für offene Forschungsfragen in Mathematik, Informatik und Physik einsetzt. Die Autorinnen und Autoren stellen zwei Arbeiten vor und betonen, dass die früheren Erfolge bei Schülerwettbewerben nur ein Ausgangspunkt für anspruchsvollere Forschungsaufgaben seien.
Für Mathematik entwickelten sie Aletheia, einen Agenten, der Lösungsvorschläge erzeugt, mit einem Sprachmodell prüft und bei Bedarf überarbeitet oder neu ansetzt. Er kann laut Bericht auch ein ungelöstes Problem als solches erkennen. Websuche soll helfen, Forschungsliteratur korrekt einzubeziehen. DeepMind berichtet von bis zu 90 Prozent auf dem Olympiaden-Benchmark IMO-ProofBench Advanced und von Fortschritten bei PhD-Aufgaben im internen FutureMath-Basic-Test, wenn mehr Rechenaufwand für das Schlussfolgern eingesetzt wird. Aletheia habe dabei teils bessere Schlussfolgerungsqualität mit geringerem Rechenaufwand erzielt. Die angeführten Ergebnisse seien von menschlichen Fachleuten bewertet worden.
Als Beispiele nennt der Bericht autonom erzeugte Resultate zu Strukturkonstanten, eine Mensch-KI-Zusammenarbeit an Schranken für unabhängige Mengen sowie eine Auswertung von 700 offenen Erdős-Problemen. Dabei seien vier Fragen autonom gelöst worden. Die Beiträge ordnen die Autorinnen und Autoren nach Autonomie und Bedeutung ein. Einige Resultate erreichten in ihrer Taxonomie die Stufe „publishable quality“ und seien bei Fachzeitschriften eingereicht; Ansprüche auf größere Durchbrüche der Stufen 3 oder 4 erheben sie ausdrücklich nicht. Weitere Arbeiten enthielten laut Bericht einzelne Zwischenergebnisse des Agenten.
Für Informatik und Physik schildert die zweite Arbeit gemeinsame Untersuchungen zu 18 Forschungsproblemen. Als Arbeitsweise empfiehlt sie einen „Advisor“-Ansatz: Fachleute lenken das System in wiederholten Runden, prüfen dessen Ideen und verfeinern Beweise. „Balanced prompting“ soll sowohl Beweise als auch Widerlegungen anfordern, um Bestätigungsfehler zu begrenzen; Code kann zur Prüfung eingesetzt werden. Als Fallbeispiele führt der Bericht Beiträge zu Max-Cut und Steiner-Bäumen mithilfe von Mathematik aus anderen Gebieten, ein Gegenbeispiel zu einer zehn Jahre alten Vermutung in der Online-Optimierung, eine Erklärung eines Optimierungsverfahrens im maschinellen Lernen, eine Erweiterung eines ökonomischen Satzes auf reelle Gebote und eine geschlossene Lösung für ein Integralproblem zu kosmischen Strings an. Die Autorinnen und Autoren betonen, dass auch das Aufdecken von Fehlern und das Widerlegen von Vermutungen nützliche Beiträge sein können.
Der Bericht zeichnet insgesamt ein optimistisches Bild: Deep Think könne wissenschaftliche Arbeit unterstützen, indem es Literatur erschließt, Ideen entwickelt und Prüfungen erleichtert, während Fachleute die Forschungsrichtung und Validierung mitbestimmen. Die Belege sind jedoch die von Google DeepMind berichteten Fallstudien und Benchmarks. Der Beitrag benennt unterschiedliche Grade menschlicher Beteiligung, enthält keine Ansprüche auf mathematische Durchbrüche der höchsten Kategorien und sagt, dass viele Informatikergebnisse erst für spätere Veröffentlichungen vorgesehen seien. Er belegt daher nicht, dass die beschriebenen Methoden allgemein oder unabhängig von Expertenprüfung zuverlässige Forschungsergebnisse liefern.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Luna hat die Stufen für SF-V4 und SF-T3 mit 4 deutlich zu hoch angesetzt, weil der Bericht diese Fragen nicht beantwortet. Bei SF-P3 liegt Luna mit 4 etwas über meiner Einschätzung von 3. Beide Zusammenfassungen sind inhaltlich treu, lassen aber zentrale Befunde aus.
Im Bericht, aber nicht in der Zusammenfassung
- Aletheia-Agent mit Verifier, der Fehler erkennt, und Google-Suche gegen erfundene Zitate
- Benchmark-Ergebnis von bis zu 90 % auf IMO-ProofBench Advanced
- Semi-autonome Auswertung von 700 offenen Erdős-Problemen mit autonomen Lösungen
- Advisor-Modell und Vibe-Proving als Zusammenarbeitsmethode, balanced prompting und codegestützte Verifikation
- Fehlerkorrekturen und widerlegte Vermutungen in den Fallstudien
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %einzelne zitierbare Belege
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 47 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 44 %Hintergrund, keine Belege
- JEV 25 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 57 %gleiches Oberthema, hilft nicht
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 26 %gleiches Oberthema, hilft nicht
- Luna 39 %einzelne zitierbare Belege
- JEV 38 %einzelne zitierbare Belege
- amos 30 %Hintergrund, keine Belege
- SubQ 38 %gleiches Oberthema, hilft nicht
- drex 27 %einzelne zitierbare Belege
- d3-ultra 47 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung Hintergrund, keine Belege
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 58 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 67 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 27 %gleiches Oberthema, hilft nicht
- Luna 46 %einzelne zitierbare Belege
- JEV 28 %Hintergrund, keine Belege
- amos 30 %nur am Rande erwähnt
- SubQ 36 %gleiches Oberthema, hilft nicht
- drex 25 %gleiches Oberthema, hilft nicht
- d3-ultra 56 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 42 %einzelne zitierbare Belege
- amos 29 %Hintergrund, keine Belege
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra 48 %gleiches Oberthema, hilft nicht
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 27 %Hintergrund, keine Belege
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra 52 %gleiches Oberthema, hilft nicht
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 53 %einzelne zitierbare Belege
- JEV 34 %beantwortet teilweise oder widerspricht
- amos 29 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 56 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 41 %Hintergrund, keine Belege
- JEV 47 %einzelne zitierbare Belege
- amos 28 %Hintergrund, keine Belege
- SubQ 40 %gleiches Oberthema, hilft nicht
- drex 31 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 53 %einzelne zitierbare Belege
- amos 25 %einzelne zitierbare Belege
- SubQ 38 %gleiches Oberthema, hilft nicht
- drex 30 %gleiches Oberthema, hilft nicht
- d3-ultra 50 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 71 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 31 %gleiches Oberthema, hilft nicht
- JEV 26 %einzelne zitierbare Belege
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 64 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 43 %einzelne zitierbare Belege
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 33 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 55 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 39 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 23 %Hintergrund, keine Belege
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 53 %gleiches Oberthema, hilft nicht
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 28 %Hintergrund, keine Belege
- JEV 51 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 57 %gleiches Oberthema, hilft nicht
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 21 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 27 %nur am Rande erwähnt
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- Alle Berichte im Archiv