Новая эра открытий: Google Research на конференции I/O 2026

На конференции Google I/O 2026 на прошлой неделе команды Google продемонстрировали свои самые передовые технологии пользователям, разработчикам и исследователям. Вот некоторые из самых ярких моментов работы Google Research в этом году, часто являющиеся результатом многолетних усилий по реализации волшебного цикла исследований.

Быстрые ссылки

• Делиться
  • Скопировать ссылку ×

Прорывы этого года на конференции Google I/O отражают новую смелую эру агентного подхода. Благодаря моделям, которые стали мощнее, чем когда-либо, и платформе для агентного программирования, мы делаем продукты Google значительно более полезными для всех, одновременно трансформируя подход исследователей к решению наиболее актуальных научных и социальных проблем. По мере того, как исследования преобразуются в ощутимое, реальное воздействие, мы превращаем ИИ и технологии в усилитель человеческой изобретательности.

Вот несколько ключевых моментов из исследования Google Research, проведенного в тесном сотрудничестве со многими командами Google и глобальными партнерами.

На пути к новой эре научных открытий

Искусственный интеллект открывает новую эру научных открытий. Google создает передовые инструменты на основе ИИ, призванные ускорить прогресс мирового научного сообщества. Наши фундаментальные технологии позволяют исследователям по всему миру совершать прорывы в различных областях, используя научный метод — от выдвижения гипотез до вычислительных экспериментов. На конференции I/O мы анонсировали Gemini for Science, созданный на основе наших фундаментальных исследований, включая Empirical Research Assistance (ERA) и Co-Scientist — оба проекта были опубликованы в журнале Nature на прошлой неделе.

Система Empirical Research Assistance (ERA) — это система кодирования научных работ, разработанная для того, чтобы помочь ученым создавать экспертное эмпирическое программное обеспечение. Публикация результатов ERA в журнале Nature на прошлой неделе стала результатом многомесячного сотрудничества с академическими партнерами по изучению практического применения системы. ERA помогла ускорить открытия от нейробиологии до космологии. Наши последние результаты включают прогнозирование госпитализаций по поводу респираторных заболеваний и прогнозирование сезонного стока в речных бассейнах Калифорнии. Эти результаты доступны в нашем новом каталоге GitHub. Они демонстрируют возможности ИИ для получения более глубоких знаний с помощью вычислительных ресурсов и ускорения научных открытий.

При наличии четко определенной проблемы и системы оценки, система Empirical Research Assistance (ERA) выступает в роли механизма оптимизации кода. ERA предлагает новые концепции, пишет код и оценивает результаты. Затем она осуществляет поиск и итерацию по тысячам вариантов кода, используя древовидный поиск для оптимизации производительности.

Co-Scientist — это многоагентная система, основанная на Gemini, которая работает как партнер по сотрудничеству в области искусственного интеллекта. Результаты нашего фундаментального исследования Co-Scientist были опубликованы на прошлой неделе в журнале Nature вместе с блогом, в котором представлены отзывы исследователей. Наши предыдущие исследования и работы по валидации демонстрируют, как исследователи используют Co-Scientist для решения наиболее актуальных научных задач, от устойчивости к противомикробным препаратам до иммунитета растений и фиброза печени.

воспроизведение видео без звука зацикливание пауза видео без звука зацикливание включение звука видео выключение звука

Обзор концепции «Соученого». Она использует коалицию специализированных агентов, которые итеративно генерируют, оценивают и уточняют гипотезы.

Gemini for Science — это набор экспериментальных инструментов, разработанных для расширения масштабов и повышения точности научных исследований в тесном сотрудничестве с командами из Google Cloud, Google DeepMind и Google Labs. Один из новых инструментов в Gemini for Science, Computational Discovery, представляет собой агентный исследовательский движок, созданный с использованием ERA и AlphaEvolve. Прототип Computational Discovery генерирует и оценивает тысячи вариантов кода параллельно, позволяя ученым быстро проверять множество гипотез и новых подходов к моделированию, на исследование которых вручную потребовались бы месяцы.

Ежегодно публикуются миллионы научных работ, и обобщение всей научной литературы стало колоссальной задачей. Новый инструмент, Hypothesis Generation, был создан с использованием Co-Scientist. Он призван преодолеть этот разрыв, сотрудничая с учеными для определения исследовательской задачи и проводя многосторонний «турнир идей» для генерации, обсуждения и оценки гипотез. Для обеспечения научной строгости утверждения подкрепляются ссылками на источники.

Gemini for Science также включает в себя Literature Insights, созданный с помощью NotebookLM, который помогает обобщать результаты исследований в научной литературе и структурировать их. Кроме того, любой, кто занимается программированием агентов на таких платформах, как Google Antigravity, может извлечь пользу из Science Skills — набора навыков агентов, которые автоматически позволяют исследователям выполнять сложные рабочие процессы, такие как структурная биоинформатика и геномный анализ, за считанные минуты, а не часы.

Мы постепенно открываем доступ к этим инструментам и сотрудничаем с мировым научным сообществом для ответственного развития науки. Чтобы зарегистрировать свою заинтересованность, посетите labs.google/science.

В рамках наших более широких усилий по взаимодействию с экосистемой и обеспечению доступа к нашим последним экспериментам мы также тестируем инструменты для экспертной оценки и научной проверки. Ведущие научные конференции, такие как ICML, STOC и NeurIPS, изучают наш инструмент Paper Assistant Tool (PAT). На этих площадках PAT в экспериментальном режиме проанализировал более 10 000 статей, помогая многим авторам выявлять критические теоретические пробелы или проводить совершенно новые эксперименты на основе обратной связи от инструмента искусственного интеллекта.

Мы также ускоряем математические и научные открытия с помощью Gemini Deep Think, используя передовые методы агентного мышления. В сотрудничестве с математиками, физиками и специалистами по информатике мы недавно решили открытые исследовательские задачи экспертного уровня, включая ранее нерешенные проблемы тупиков в сетевых вычислениях, разрешение гипотезы оптимизации, существовавшей десятилетие, объяснение аномалий оптимизации в машинном обучении, модернизацию экономической теории для аукционов и разрешение физических сингулярностей в космических струнах.

В руках ученых и исследователей эти новые типы технологий на основе искусственного интеллекта могут изменить методы проведения исследований и положить начало новой эре открытий.

Развитие здравоохранения с помощью ИИ

Искусственный интеллект может сыграть решающую роль в том, чтобы помочь людям жить дольше и здоровее. В течение многих лет мы продвигаем исследования в области ИИ для решения проблем здравоохранения, тесно сотрудничая с медицинскими работниками, учеными, государственными чиновниками и академическим сообществом, чтобы внедрить результаты наших клинических исследований в реальную практику и гарантировать безопасность и эффективность наших инноваций.

Одно из направлений наших исследований — это поиск наилучших способов поддержки людей на пути к здоровью и благополучию, начиная с изучения симптомов и подготовки к визиту к врачу и заканчивая анализом медицинских записей — пути, который начинается еще до посещения врача и продолжается долгое время после. Наши фундаментальные исследования лежат в основе разработки нового приложения Google Health и сервиса Google Health Coach. На прошлой неделе мы начали внедрение приложения Google Health для всех существующих пользователей Fitbit, предоставив соответствующим пользователям возможность получать персонализированные, комплексные и адаптивные консультации.

Это результат наших многолетних исследований, включая изучение того, как персональная программа обучения основам здоровья может помочь улучшить сон и физическую форму. Наши последние исследования включают Symptom AI — экспериментальный инструмент, разработанный для изучения того, как ИИ может помочь в анализе данных разговора, имеющих отношение к симптомам пользователя. В рандомизированном исследовании с участием 13 917 человек, использовавших приложение Fitbit, 13 917 человек взаимодействовали с экспериментальными агентами ИИ, воспроизводя различные стили общения в реальном мире и реалистичное распределение заболеваний. В слепом сравнении на группе участников исследования независимые врачи, проанализировавшие те же разговоры, примерно в два раза чаще отдавали предпочтение дифференциальным диагнозам, предложенным Symptom AI, чем диагнозам других врачей. В нашем пилотном исследовании «План лечения» мы изучили, как 1779 участников использовали нашу систему для подготовки к визиту к врачу. По сравнению с базовыми моделями, на 15% больше пользователей чувствовали себя лучше подготовленными, а на 13% больше пользователей были уверены, что смогут максимально эффективно использовать свой визит. В нашем исследовании персональных медицинских карт (PHR) мы оценили влияние данных PHR в контексте модели на качество ответов и обнаружили, что как автоматические оценщики, так и врачи сочли ответы ИИ значительно более полезными.

Результаты оценки полезности ответов ИИ при наличии контекста из личной медицинской карты (ЛМК) на основе данных, полученных от ИИ и врачей. Следует отметить, что оценщики (как ИИ, так и врачи) являются «оракулами», имеющими доступ к контексту ЛМК имитируемого пользователя; другими словами, эти оракулы знают исторический контекст здоровья имитируемого пользователя и могут использовать эту информацию для оценки ответа ИИ.

Еще одно важное направление исследований посвящено потенциалу ИИ в клинической практике. В двух предыдущих публикациях в журнале Nature мы показали, как AMIE — исследовательская многоагентная система, разработанная Google Research и Google DeepMind, — может интерпретировать и анализировать сложные случаи и данные медицинских диалогов. В новом исследовании, опубликованном на прошлой неделе в Nature Medicine , мы демонстрируем ее возможности в работе с мультимодальными данными, включая истории болезни, результаты лабораторных анализов и сложные медицинские изображения. Для оценки полезности системы в реальных условиях мы сотрудничаем с медицинским центром Beth Israel Deaconess, чтобы проверить, как система может помочь снизить нагрузку, связанную с сбором анамнеза в режиме реального времени перед визитом пациента. Мы также сотрудничаем с Included Health для запуска первого в своем роде общенационального исследования по оценке телемедицины на основе ИИ.

Развитие здравоохранения — это глобальная задача. Мы расширяем возможности глобальной экосистемы разработчиков в сфере здравоохранения с помощью MedGemma, входящей в наш пакет базовых моделей Health AI Developer Foundations, предоставляющий разработчикам возможность создавать собственные приложения. MedGemma специализируется на обработке мультимодального медицинского текста, клиническом мышлении и понимании изображений. Наряду с ней, MedASR предоставляет специализированные возможности для работы с медицинским аудио. Эти модели лежат в основе приложений с широким спектром применения, способствуя демократизации доступа к качественной медицинской помощи. На сегодняшний день MedGemma скачали более 5 миллионов раз.

Коралловый древесноволокнистая плита для энергоэффективных кромочных работ.

Мы разрабатываем платформы и инструменты, которые помогут экосистеме производителей оборудования создавать эффективные приложения для периферийных устройств. Coral NPU — это ядро ускорителя машинного обучения, разработанное нами для энергоэффективного ИИ в периферийных приложениях, таких как носимые устройства и датчики. Основанная на открытом аппаратном обеспечении и созданная в партнерстве с поставщиками высокопроизводительных микросхем, эта проверенная IP-инфраструктура с открытым исходным кодом доступна для коммерческой интеграции в микросхемы, что помогает создать стандартную архитектуру, ускоряющую развитие экосистемы ИИ на периферии.

На прошлой неделе на конференции I/O мы представили первую плату Coralboard от Synaptics, разработанную для инженеров в области искусственного интеллекта и машинного обучения, а также для производителей оборудования, позволяющую быстро создавать прототипы и разрабатывать устройства. Плата оснащена открытой моделью Gemma 3 270M и предлагает широкий набор аппаратных интерфейсов, включая поддержку камер и дисплеев, микрофонные входы и опциональное подключение Wi-Fi/Bluetooth. Компания Synaptics инвестировала средства в вывод этих решений на рынок, объединив баланс мощности и производительности Coral с интеллектуальными возможностями своей платы разработки (Devboard).

Мощность этой уникальной, впервые реализованной в отрасли системы была продемонстрирована в ходе показательного мероприятия перед началом выставки: Coralboard была развернута в аквариуме Монтерей-Бей для обнаружения медуз на изображениях в режиме реального времени, а движения медуз использовались для управления отображением на большом экране. Система Synaptics Coralboard поступит в продажу позже этим летом.

Jellectronica — это эксперимент по генеративной музыке, который преобразует движение медуз в звук. Он был использован на пре-шоу I/O на прошлой неделе, в рамках прямой трансляции из аквариума Монтерей-Бей. Медузы отслеживаются моделью обнаружения объектов, работающей на периферии сети, на крошечном, маломощном NPU Coral от Google.

Прогнозирование экстремальных погодных явлений

Стихийные бедствия, такие как тропические циклоны и наводнения, могут опустошить целые населенные пункты и поставить под угрозу жизни людей. В рамках наших многолетних усилий по повышению устойчивости к кризисам мы создаем точные прогнозы на основе искусственного интеллекта, чтобы помочь сообществам и организациям по всему миру оставаться в безопасности и лучше готовиться к кризисам.

В прошлом году мы объявили о нашем партнерстве с Национальным центром по изучению ураганов, чтобы поддержать их прогнозы с помощью прогнозов циклонов, полученных с помощью нашей модели WeatherNext, разработанной командами из Google Research и Google DeepMind. На конференции I/O мы продемонстрировали влияние WeatherNext во время последнего сезона ураганов. Когда ураган Мелисса приближался в октябре 2025 года, WeatherNext с высокой степенью достоверности предсказал его быстрое усиление и выход на сушу на Ямайке за пять дней до этого. Метеорологическая служба Ямайки смогла заранее уведомить население, что помогло спасти жизни и сохранить средства к существованию.

Еще одним недавним достижением стало улучшение прогнозирования внезапных наводнений в городах. Для решения ранее нерешенной проблемы эффективного прогнозирования, вызванной дефицитом данных, мы внедрили Groundsource — масштабируемую новую методологию, которая использует Gemini для преобразования 20 лет неструктурированных общедоступных новостных сообщений в высококачественный набор данных, содержащий 2,6 миллиона записей. Эти данные позволили нам обучить передовые модели прогнозирования внезапных наводнений в городских районах. Прогнозы доступны на Flood Hub вместе с нашими прогнозами речных наводнений, которые теперь охватывают 2 миллиарда человек в 150 странах и охватывают наиболее значительные наводнения.

WeatherNext и модели прогнозирования наводнений являются частью Google Earth AI — набора геопространственных моделей и наборов данных, предназначенных для преобразования планетарной информации в практические рекомендации. Он уже помогает предприятиям, городам и некоммерческим организациям решать задачи от мониторинга окружающей среды и реагирования на стихийные бедствия до поддержки общественного здравоохранения. Недавние обновления Earth AI включают новые данные по управлению дорогами, динамике населения, а также аэрофотосъемке и спутниковым данным.

Посмотрите фильм

Ссылка на видео на YouTube

Улучшение ключевых компетенций в Gemini

Мы продолжаем развивать фундаментальные исследования в области генеративного искусственного интеллекта. В сотрудничестве с Google DeepMind наша работа в таких областях, как достоверность, многоязычность и эффективность, помогает повысить качество и производительность моделей Gemini, а также расширить глобальный доступ к нашим продуктам, чтобы лучше удовлетворять потребности пользователей.

Наши исследования в области достоверности фактов в магистерских программах по праву восходят к новаторским исследованиям по оценке фактической согласованности в 2021 году и раннему сравнительному анализу в 2022 году. Мы продолжаем развивать Gemini и AI Mode и публикуем передовые исследования, чтобы помочь всему сообществу предоставлять достоверную информацию. Мы опубликовали FACTS и расширили его возможности, чтобы обеспечить надежную сравнительную оценку достоверности фактов в магистерских программах по праву, а также методы повышения достоверности, включая преобразование текста в изображения, генерацию видео, анализ длинного контекста и выражение неопределенности.

В I/O мы увидели, что информационные пути становятся все более сложными, и люди вступают в более длительные беседы, чтобы получить необходимую информацию. Это создает ряд проблем для моделей обучения с подкреплением, включая способность рассуждать и анализировать более релевантную информацию в контексте беседы, соблюдение ограничений, возникших на ранних этапах разговора, и использование более длинных траекторий обучения с подкреплением. Исследовательский центр Google стал пионером в решении всех этих проблем, и эти достижения лежат в основе наших моделей Gemini.

Новая функция Ask Maps также позволяет пользователям задавать сложные, длинные вопросы в Google Maps. Мы сотрудничали с Ask Maps для обновления системы оценки и пересмотра методов измерения полезности карт. Благодаря выявлению сложных граничных случаев, связанных с рассуждениями модели и выполнением инструментов, это сотрудничество создало важную обратную связь, критически важную для постоянного улучшения работы Ask Maps. Мы также провели исследования для улучшения качества Ask YouTube, новой функции, которая помогает пользователям легко находить видео и информацию.

Генеративный ИИ делает инструменты и продукты гораздо более доступными, позволяя технологиям, наконец, взаимодействовать с пользователями там, где они находятся. Мы усовершенствовали возможности многоязычности и локализации для Gemini, включая публикацию эталонного показателя, демонстрирующего работу многоязычных лингвистических систем на разных языках и в разных местах, а также открытый доступ к данным на африканских языках, разработанным совместно с сообществом. Наши усилия помогли расширить поддержку Gemini до более чем 70 языков в более чем 230 странах. Это делает Gemini самым распространенным в мире ИИ-помощником.

Google строит свою инфраструктуру для достижения низкой задержки и высокой пропускной способности, чтобы мы могли удовлетворять потребности пользователей, разработчиков и предприятий по всему миру. Наши исследовательские группы разработали новые методы, основанные на спекулятивном декодировании, включая проверку блоков и древовидную структуру черновиков, которая интеллектуально исследует несколько вариантов продолжения одновременно и принимает больше токенов на каждом шаге. Наша реализация высоко оптимизирована для архитектуры TPU Google, что позволяет максимально эффективно использовать аппаратное обеспечение и обеспечивать значительно более быстрые ответы без потери качества. Эта работа позволила достичь текущей скорости Gemini 3.5 Flash, и те же модели используются в Antigravity и AI Studio.

Создание более увлекательных генеративных интерактивных проектов.

Наши исследования в области генеративного пользовательского интерфейса заложили основу для новых, захватывающих возможностей, анонсированных в Поиске и приложении Gemini. В Поиске новые функции генеративного пользовательского интерфейса станут доступны всем этим летом. Поиск сможет создавать идеальный ответ в нужном формате для заданного вопроса, предоставляя пользователям персонализированные возможности, включая симуляции, графики, трекеры и панели мониторинга. А в Gemini пользователи увидят интерактивные изображения, временные шкалы и встроенные видеоролики. Сейчас это внедряется по всему миру, и в результате пользовательский опыт становится более плавным и естественным.

Поскольку искусственный интеллект открывает двери для новых творческих возможностей, пользователи ищут привлекательные, высококачественные сгенерированные видеоролики и изображения. Наши исследовательские группы тесно сотрудничали с Google DeepMind, чтобы помочь улучшить Gemini Omni, новую модель Google для создания чего угодно из любых входных данных, начиная с видео. Мы помогли улучшить качество повествовательной составляющей сгенерированных видеороликов, сделав их более интересными и захватывающими, с особым акцентом на улучшение качества человеческих выражений в сгенерированных клипах.

Новая эра в повышении производительности разработчиков.

На прошлой неделе на конференции I/O была представлена Google Antigravity 2.0, наша улучшенная платформа для разработки агентских приложений. Она позволяет пользователям управлять несколькими локальными агентами параллельно и автоматизировать задачи. Наши исследовательские группы сотрудничали с командами Google, чтобы представить агентов /teamwork-preview в Antigravity, показав, как агенты на основе новой модели Flash могут выполнять сложные задачи разработки программного обеспечения и машинного обучения в долгосрочной перспективе. Это знаменует собой новую эру производительности разработчиков и сокращает многодневные инженерные работы до нескольких часов. Рабочий процесс команды /teamwork-preview запускает агента, который уточняет запрос пользователя, а затем, после одобрения пользователя, оркестратор берет на себя управление, запуская десятки специализированных субагентов для автономного написания, тестирования и отладки кода в течение длительных сессий. На I/O мы продемонстрировали, как эта многоагентная система может создать функциональную операционную систему с нуля, с автономной командой агентов, пишущих каждую строку кода, от планировщика до управления памятью и файловой системы. Другие демонстрации включают реализацию статьи AlphaZero и создание конкурентоспособного игрока в Го с помощью самоигры.

воспроизведение видео без звука зацикливание пауза видео без звука зацикливание включение звука видео выключение звука

Программное обеспечение с открытым исходным кодом и наборы данных с открытым доступом являются движущей силой современной науки. Они играют ключевую роль в развитии следующего поколения новаторских исследований и продуктов. Благодаря открытым моделям, таким как MedGemma, и открытым наборам данных, таким как Groundsource, упомянутым выше, а также нашим инструментам для геномики, нейробиологии и многого другого, мы обеспечиваем, чтобы инновации становились катализатором глобального прогресса. В апреле Google открыла исходный код Gemma V4 — нашей самой продвинутой открытой модели, специально разработанной для рассуждений, программирования и агентных рабочих процессов. На конференции I/O было объявлено, что Gemma V4 превысила 100 миллионов загрузок всего за один месяц. Наши исследовательские группы внесли изменения в архитектуру и стратегии обучения, обеспечив более высокое качество модели при сохранении той же эффективности. Это означает, что разработчики могут запускать более сложные, автономные агентные циклы без необходимости использования более ресурсоемких вычислительных ресурсов.

Разработка новых технологий обеспечения конфиденциальности и защиты данных.

В мире, где агенты могут совершать покупки и платежи от вашего имени, а умные очки могут видеть и направлять вас повсюду, завоевание и поддержание доверия пользователей имеет первостепенное значение. По мере развития ИИ конфиденциальность и защита данных становятся первостепенной задачей. За эти годы мы разработали технологию сохранения конфиденциальности (PPT), чтобы обеспечить безопасность пользовательских данных. PPT может помочь извлечь полезную информацию из агрегированных анонимизированных данных для улучшения приложений, одновременно предоставляя надежные гарантии защиты личной конфиденциальности. Например, мы сотрудничали с Google Search для получения данных об использовании режима ИИ в течение года с сохранением конфиденциальности, которые были опубликованы на прошлой неделе. Недавние инновации в области конфиденциальности включают в себя агрегированные данные об использовании чат-ботов и ИИ на устройствах с сохранением конфиденциальности, а также улучшенные основы дифференциальной конфиденциальности для машинного обучения, LLM, выбора разделов и генерации синтетических данных.

Наряду с этими мерами защиты данных, мы используем наши инновации в области передовых методов управления рисками, внедряя их в модели Gemini, чтобы помочь обеспечить безопасность экосистемы ИИ, повысить надежность наших систем ИИ и сделать их более устойчивыми к возникающим рискам и уязвимостям.

Возглавляет направление квантовых вычислений.

Мы продолжаем продвигаться по нашей дорожной карте в области квантовых вычислений, приближаясь к реальному применению квантовых вычислений.

Мы стали пионерами в разработке сверхпроводящих квантовых битов (кубитов), достигнув таких важных результатов, как коррекция ошибок и подтвержденное квантовое преимущество. Как опубликовано в журнале Nature , с помощью нашего чипа Willow мы продемонстрировали первый в истории алгоритм, обеспечивающий подтвержденное квантовое преимущество, — алгоритм коррелятора времени вне порядка (OTOC), который мы называем «Квантовые эхо». Он работает в 13 000 раз быстрее на Willow, чем лучший классический алгоритм на одном из самых быстрых суперкомпьютеров в мире. Ранее в этом году мы расширили наши передовые исследования в области квантовых вычислений, включив в них квантовые вычисления на нейтральных атомах, которые используют отдельные атомы в качестве кубитов, наряду со сверхпроводящими кубитами. Инвестируя в оба направления, мы можем обмениваться результатами исследований и инженерных разработок.

На конференции I/O Джеймс Маника и Хартмут Невен рассказали о взаимосвязи квантовых вычислений и искусственного интеллекта. Это взаимодополняющие технологии. Искусственный интеллект уже ускоряет прогресс в квантовых вычислениях по многим направлениям, от проектирования микросхем до улучшения коррекции ошибок. Они также обсудили значительный потенциал квантовых вычислений для повышения эффективности ИИ в реальном мире, поскольку они могут исследовать квантовую механику того, как работает природа на фундаментальном уровне, более точно и детально, чем классические вычисления.

На прошлой неделе мы запустили исследовательскую программу на стыке наук о жизни и квантового искусственного интеллекта (REPLIQA), в рамках которой пяти университетам будет выделено 10 миллионов долларов на применение передовых методов квантовой науки и искусственного интеллекта в науках о жизни для улучшения результатов для человека.

Заключение

На конференции I/O были представлены прорывные достижения, отражающие новую смелую эру инноваций, основанную на активном участии. Многие из этих достижений демонстрируют силу волшебного цикла от исследований к реальности, стремящегося сделать невозможное возможным. Благодаря достижениям в области искусственного интеллекта этот волшебный цикл ускоряется, позволяя проводить исследования по более масштабным вопросам, оказывая более быстрое и значительное влияние на продукты, науку и общество.

Выражаем благодарность многочисленным командам и сотрудникам, которые внесли свой вклад в этот блог и в представленную здесь работу.

Источник: research.google