DeepMind Science的领导者首次透露：诺贝尔奖获得仅仅是开始，最终目标是创建一个“科学API”，以便每个人都可以进行科学研究 从Alphafold（在生命法规中破解奖项奖品的成就水平）到Alphaevolve，到Alphaevolve节省了谷歌，从而节省了数亿美元，并优化了计算资源，找到了新的解决方案，这些解决方案甚至是领先的数学深度，即使是深入的数学，也可以在第一次实现内部方法的范围内，并认识到了不可能的努力，并且已经跨越了5到10年，但是已经有了5到10年的态度，但是，却始终派遣了10到10年，但是，却没有统治。在短期的周期中，可以导致转化的影响。为了系统地筛选这些项目，他们建立了一个独特的框架和技术，以确保资源可以投资于可能产生最关键和可能令人不安的结果的领域。首先，科利将智力的能力分为三个层次，提供了理解深态问题的背景：第一层：通用人类智能这是大多数人所创造的基本能力，例如图像识别，字母阅读文本等。第二层：专家情报。这种智能需要特殊的培训和学习。例如，医生一直基于症状，或者程序员根据需求编写复杂的代码。第三层：超人类智能。它指的是问题，即即使是最明智的人类专家也无法通过直觉或推理来解决。一个典型的例子是蛋白质折叠预测：在Alphafold到达之前，即使他给领先的生物学家提供了一系列蛋白质中的氨基酸，但他并没有直接降低复杂的三维结构。 DeepMind的科学项目针对未知领域的第三层，重点是开发智能系统可以解决人们今天无法解决问题的EMS。为了将适当的项目与许多可能性进行筛查，团队符合由三个基本原则组成的决策算法：1。变更和可行性是项目的主要标准，应该有可能产生转型的影响，无论是科学，商业还是社会水平。同时，它应该是可行的，即在科学定律的范围内，而不是诸如“时间旅行”之类的幻想。社区需要同意，解决问题的解决方案将带来巨大的价值。 2。宣布该项目应该很难在未来5到10年内无法解决该行业的一般共识。如果其他人可以在6个月内克服一个问题，则不在DeepMind科学小组的目标类别之内。他们专注于需要跨学科合作，领导AI研究，出色的工程能力和L的坚韧骨头ARGE的计算或数据来源解决了3。AOF信心推翻同意，即使外界通常认为问题需要5到10年才能解决，DeepMind团队应该充满信心，他们可以通过独特的方法在预期的一半甚至三分之一的时间内取得突破。当一个潜在的项目同时符合三个严格条件时，团队正式启动该项目。该框架确保了深度界可以继续在最具挑战性的科学界限上取得突破。基于此框架，它们产生的结果也根据其主要影响分为三类：科学家的影响：Alphafold是最好的代表。它解决了蛋白质结构预测的问题，即生物学界已经发生了数十年，NA及时减少了及时的数百万美元的过程和美分。自2020年发行以来，Alphafold一直是寡妇Y被世界各地的科学研究人员使用，该研究人员已成为最提到的科学论文之一。它的主要贡献者Demis Hassabis和John Jumper也获得了诺贝尔奖，其科学影响在商业影响下是不言而喻的：Alphaevolve就是一个很好的例子。这是一种旨在解决顶级计算机科学家难以优化的复杂问题的双子座代码优化代理。例如，通过优化Google数据算法的调度工作，Alphaevolve成功地节省了整个计算集群的计算力量的0.7％，这意味着Savingsunder的巨大成本Savingsunder是Google的巨大尺寸。同时，它显着提高了双子座模型本身的训练速度。有趣的是，Alphaevolve还在解决公共难题方面表现出色，达到75％的问题的当前最佳水平，并找到了20％的人类数学以外的社会影响解决方案：SynthID是一个旨在解决AI开发风险的模型。随着生成内容的质量变得很高，很难区分AI的真实内容和合成。 SynthID是一种先进的数字水印技术，它嵌入了一个迹象表明人眼看不到，但在AI生成的文本，图像和视频中可以被机器看到，并且可以在常规的图像编辑和转换中稳定。 Google将该技术应用于模式生成AI的所有内容，该技术旨在保持信息生态系统中的透明度和信誉，从而使用户可以清楚地了解一般智能重点的内容来源：IMO金牌国际奖章数学奥林匹克（IMO）是最受欢迎的中学生数学竞争。它的问题非常困难，并测试了深厚的逻辑推理和创造力。 DeepMind认为它是测量和推动AI推理能力的重要院子。在interce中W，PushMeet Kohli详细讨论了团队如何从开发专用模型到最终使用通用模型开发以达到IMO竞争中的金色水平。这不仅是一个巨大的技术跳跃，而且是Deepmind Scientific Group与Gemini团队之间的紧密合作伙伴关系。去年的结果是基于两个高度专业的模型：字母测定法：顾名思义，该模型是专门设计用于解决几何问题的。字母隔板：此型号更为复杂。从本质上讲，它是一个大型语言模型（LLM），但其方式并未直接提供答案。它首先将自然语言描述的数学问题转换为一种名为Lean的形式语言。精益语言的优势在于，该语言生成的任何证据都可以通过机器验证，从而确保结果的全部准确性。字母座基本上是在路径路径的所有可能路径中执行明智的搜索，一旦在结论，这意味着它形成了正式的绝对正确的证据。尽管这种方法很强，但它依赖于专业模型和形式语言的转换，使整个系统更加复杂且不容易完成。今年的突破标志着基于Gemini 2.5 Pro的模型DeepTink的重大变化。这一变化的背后是两支球队之间的技术和协作的深刻运动。从字母隔板到deeptink的技术传输路径非常关键：1。使用专用模型来开发高质量的训练数据：字母隔板具有独特的能力 - 它可以产生大量，机械验证的，数学问题及其证明。该团队使用此能力允许字母隔板解决数千或Kahitill数百万的数学问题2。对一般模型的反馈：“问题更正证明”由字母隔板产生的数据对形成了大型和超级高质量的培训。这些数据已用于训练和正确调整下一代双子座模型。这就像让学生（双子座）学习所有问题的解决过程和主人的想法（字母隔板），这极大地提高了双子座在数学和逻辑推理方面的能力。这种方法带来了许多革命性的结果：从专用到通用：最新的IMO金级卡结果不再依赖于专用模型，例如字母计量学和字母隔板。所有解决问题的能力都已成功整合到DeepTink的总体Gemini模型中。这意味着AI的领先数学功能不再孤立，而是成为实现自然语言关系的更广泛智能系统的一部分：新系统不需要翻译诸如精益之类的正式语言问题。用户可以以自然语言（例如英语）直接在IMO级别输入复杂的数学问题，并且该模型可以直接理解和提供答案过程。它极大地降低了颗粒保留使用，它更接近自然的思维方式和为人们进行交流。当被问及这种强大的数学能力是否可能通常在其他领域时，科利承认这是自我切割研究的问题，尚未完成。该团队是通过严格的研究进行系统地研究的，也就是说，通过添加或删除培训数据中数学证明的数据证明，我们注意到模型的性能变化到其他非数学活动，从而探索了以经验性的方式探索推理与其他一般智力的关系之间的关系。从Alphafold数据库到AI合作科学家PushMeet Kohli强调，DeepMind的使命不仅是实现科学的突破，而且还为世界各地的科学家提供了这些非凡的成功，从而加快了整个人类科学的发展。 AI共同科学家（AI协作科学家）代表未来的方向这个概念。最成功的案例是Alphafold。该团队没有将这种蛋白质作为内部工具的强大结构预测系统，而是采取了多种方法使其通用：打开数据库：他们使用AlphaFold预测地球上几乎所有已知蛋白的结构，并且在数据库中免费提供了超过2亿个公众可供公众可用的预测结构，称为Alphafold Database。加强全球研究人员：这种过渡完全改变了生物学结构的研究范式。正如科利所描述的那样，忽略巴西或非洲热带疾病的研究人员可能由于缺乏资金和设备而无法获得他过去研究的蛋白质的结构。现在，他只需要访问网页，输入蛋白质序列，然后单击按钮以获取高质量的结构SA几秒钟。这大大扩大了全球资源的差距，并提供了API接口：除了数据库外，EY还允许开发人员和研究机构通过压迫者将字母能力与其研究过程相结合。可以在其他项目（例如字母内）上看到相同的理念，在该项目中，团队开发了一种自定义用户界面（UI），该界面使研究人员可以轻松探索人类的基因组。突变如何在基因功能中影响其。这些努力的主要思想是将复杂的AI模型包括在可以使非AI专家受益的方便工具中。在最前沿，AI共同科学的项目将这一哲学提升到了一个新的水平。这不再只是解决特定问题的工具，而是模仿和增强整个科学研究过程的智能多代理协作系统：在AI共同科学家中，Gemini模型在科学研究的生态系统中执行许多不同的职责。这既是一个“假设发生器”，它负责新颖的I -Scientific I迪斯；它也是一个“审查员”和“批评”，负责严格的分析，并挑战了这些思想的逻辑和可行性。该系统发展，批评，分类和关心思想，模仿一个良好的科学研究小组的惊人观点：这种内部思维机制使系统能够产生意外而深刻的视角。 Kohli分享了一个轶事：该小组邀请伦敦帝国学院的一名教授在他的领域提供拼图。当团队以AI共同科学家向教授创建的一些基本假设为食时，他惊讶地发现，第一假设是他自己团队努力的最新结果，并且仅为领先期刊做出了贡献。有时他怀疑自己的角色是有线的。这个故事强烈证明，AI共同科学家一直在独立思考并处理AI共同科学家的愿景：将来，当Google宣布AI取得了重大的科学成功时，不再是领先的科学科学机构的传统医生，但它可能是世界上的普通人。他之所以能够出现自己的创造力，仅仅是因为他作为合作伙伴的Malakas工具，并在将来获得奖励水平：朝着“科学API”时期迈进。在采访结束时，主题将转向未来，尤其是如果我们有“科学API”。这个概念的背后是一般趋势，即AI逐渐降低了各个领域的专业技能的门槛。今天比十年前撰写软件更容易，将来高水平的科学研究会更受欢迎？ PushMeet Kohli对此表示了立场，但他还教授了实现这一愿景的主要挑战 - “规范问题”是编程还是科学研究，最困难的部分通常不是实施，但是明确而准确。程序应该做什么？世界卫生大会这是科学实验的目的吗？它需要深刻的见识和严格的逻辑。因此，通往“科学API”的路径的关键是开发一个交互式界面，该界面为用户（如果开发人员或科学家）为用户（如果开发人员或科学家）自然沟通（通用人工智能）。我们需要更好地理解不清楚的人，高水平的意图，并使其准确，实施的步骤。这不仅是一个技术问题，而且是产品和设计问题。如何设计界面，如何收集和使用用户反馈以及如何从人类灵感中开发AGI实施的无缝通信渠道将是AI社区在未来几年需要重点关注的问题。它绝对是开发人员关系专家（例如主持人洛根·基尔帕特里克（Logan Kilpatrick））的重要性的culpritok，他的AI技术与实际用户之间的桥梁。简而言之，从Alphafold到AI共同科学家，再到未来的概念“ ScientiFIC API”，DeepMind是对AI的系统性癫痫发作，以解锁科学界限并致力于为所有人增强强大的能力。最终的目标是产生一个新时代，其中人类的智能和机械智能共同解决了人类面临的最重要的挑战。 特别声明：上面的内容（包括照片或视频（如果有））已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。 注意：上面的内容（带有Larawan和视频（如果有））已由NetEase Hao用户上传和发布，该用户是社交媒体平台，仅提供信息存储服务。