Google DeepMinds Project Mariner – Tool zur Browser-Automatisierung

• Eine neue Art, den Browser zu verwenden
• Automatisiert Browser-Aufgaben auf Basis von Gemini 2.0 mit leistungsstarkem multimodalem Verständnis und Schlussfolgerungsvermögen
• Versteht und interpretiert alle Elemente auf dem Browserbildschirm, darunter Pixel, Text, Code, Bilder und Formulare
• Native Multimodality: Versteht und interpretiert sämtliche Inhalte im Browser
  • Analysiert komplexe Elemente wie Text, Code und Bilder auf Websites
  • Reagiert auf Sprachbefehle und gibt visuelles Feedback zum Fortschritt der Aufgaben
• Browser Interaction: Versteht und navigiert komplexe Websites in Echtzeit
  • Interagiert stellvertretend für den Nutzer mit Websites
  • Automatisiert wiederkehrende Aufgaben und spart so Zeit
  • Fordert eine klare Erklärung an, wenn ein Befehl nicht verstanden wird
• Reasoning: Versteht komplexe Anweisungen und zerlegt sie in ausführbare Schritte
  • Erkennt Beziehungen und Funktionen zwischen Web-Elementen
  • Zeigt Aufgabenplanung und Ausführung transparent an, damit Nutzer den Entscheidungsprozess nachvollziehen können
• Derzeit nur für eine kleine vertrauenswürdige Testgruppe verfügbar: Wer am Test teilnehmen möchte, muss sich auf die Warteliste setzen lassen

[iolothebard]

Ein auf KI optimierter Headless-Browser kommt heraus …
Webserver liefern darauf optimierte Antworten an genau diesen Browser aus …
Der Tag, an dem sie untereinander(?) kommunizieren, ist wohl nicht mehr fern …