btw. den google mitarbeitern steht eine ganz andere ki zur verfügung, als die gemini llms für die breite masse.
da sind zb. auch ganz andere rechenzeiten für einzelne aufgaben möglich.
Quellenangaben sind immer hilfreich.
wofür quellenangaben?
du glaubst doch nicht wirklich ernsthaft, dass google seine eignen leute mit der hauseigenen ai unter den gleichen vorausssetzungen arbeiten lässt, mit denen sie die allgemeinheit abspeist.
wenn das der fall wäre, könnte google einpacken. damit wäre eine so komplexe entwicklung, wie es die arbeit an der google software erfordert, definitiv nicht möglich.
ich gehe davon aus, dass es sich bei den intern von google genutzen modellen mindestens um für spezifische anforderungen trainierte modelle handelt.
und wenn es die gleichen basismodelle wären, was ich nicht glaube, dann gibt es bei deren nutzung andere limitierungen für interne mitarbeiter, als wie für externe kunden.
die anderen limitirungen wären zb. andere rechenzeiten oder leistungsfähigere, vortrainierte varianten.
bei den limitierungen der kunden geht es darum, den gewinn für google zu maximieren.
das funktioniert nach dem gleichen prinzip wie zb. die geldmacherei in der pharmaindustrie...
man versucht den kunden möglichst viel geld aus der tasche zu ziehen und sie trotzdem dauerhaft zu binden, damit sie regelmäßig geld ausspucken.
das geht einfach nicht, indem man perfekte lösungen erstellt, oder die menschen heilt.
das geht nur, indem man einen leidensdruck auf einem niedrigeren level aufrecht erhält, der die kunden dazu veranlasst, dauerhaft weiter zu zahlen.
die limitierungen der internen mitarbeiter, die ki nutzen, sind im gegensatz dazu darauf ausgerichtet, die arbeit zu minimieren und den gewinn von google zu maximieren.
das ist eine völlig andere philosophie als beim kundenservice, die hisichtlich der offerierten leistung genau das gegenteil voraussetzt.
hier kommt es eben darauf an, nicht an der falschen stelle zu sparen.
man möchte weniger mitarbeiter bezahlen müssen und will die menschliche arbeit durch ki arbeit ersetzen.
deswegen wird hier die ki auch nicht künstlich schlecht oder dumm gehalten.
nö, will ich damit überhaupt nicht sagen.
ki kann tatsächlich guten code schreiben - da liegt nicht das problem.
ich habe jetzt ca. 15 llm's getestet.
und ich weiß aus eigener erfahrung, dass selbst die aktuell zur verfügung gestellten ki modelle prinzipiell guten code schreiben können .
dass sie das nach einer weile nicht mehr tun , hängt nicht mit dem potential zusammen.
ich habe die erfahrung gemacht, dass, wenn ich ein problem lösen will,
es sinn macht, an einem bestimmten punkt schnell den ki-anbieter zu wechseln und eine andere ki weiterarbeiten zu lassen.
das ist aktuell die einzige lösung, um überhaupt eine chance zu haben, an ein ziel zu kommen.
nachteil: du gibst deine geheimnisse an zwei anbieter weiter.
beste erfahrung: einmal an die chinesen, einmal an die amerikaner.
dann klappts für dich mit dem endprodukt.
(wenn auch eine hohe wahrscheinlichkeit besteht, sobald dein produkt innovativ ist, dass neben dir dann in weiteren ländern andere anbieter deine software rausbringen und dich ruinieren oder wegen urheberrechtsverletzung verklagen)
am ende ist das auch der grund, warum es bei wichtiger arbeit sinn macht, ai hinter einer firewall zu nutzen.