От наук о Земле до геномики и квантовой механики — мы делимся последними научными открытиями от Google Research и рассказываем о том, как современные мощные инструменты и платформы искусственного интеллекта ускоряют инновации.
На прошлой неделе на нашем флагманском мероприятии Research@ в Маунтин-Вью мы поделились некоторыми из последних анонсов Google Research, от изучения Земли до достижений в геномике и квантовых вычислениях. Работая в сотрудничестве с коллегами по всей компании, наши команды проводят прорывные исследования и ускоряют внедрение реальных решений для продуктов, бизнеса, науки и общества. По мере того, как исследования воплощаются в жизнь, мы открываем новые исследовательские возможности, продвигая инновации дальше и быстрее. Я называю эту мощную циклическую связь между исследованиями и реальным воздействием на мир волшебным циклом исследований.
В настоящее время этот цикл значительно ускоряется благодаря более мощным моделям, новым агентным инструментам, которые помогают ускорить научные открытия, а также открытым платформам и инструментам. Мы наблюдаем эту динамику во всех областях.
Посмотрите фильм
Ссылка на видео на YouTube
Наши последние научные достижения
На прошлой неделе на конференции Research@MTV мы представили три наших последних достижения: Google Earth AI, DeepSomatic и Quantum Echoes.
Google Earth AI: Беспрецедентное понимание планеты
Earth AI — это мощный набор геопространственных моделей искусственного интеллекта и алгоритмов, разработанных для решения важнейших глобальных проблем; он предоставляет пользователям беспрецедентный уровень понимания того, что происходит на планете.
В течение многих лет мы разрабатывали передовые геопространственные модели искусственного интеллекта, включая модели наводнений, лесных пожаров, циклонов, качества воздуха, пыльцы, краткосрочного и долгосрочного прогнозирования погоды, сельского хозяйства, динамики населения, AlphaEarth Foundations и мобильности. Эти модели, разработанные командами Google, уже помогают миллионам людей по всему миру, и мы продолжаем добиваться прогресса. Мы только что расширили доступ к нашим новым проектам Remote Sensing Foundations и новым глобальным проектам Population Dynamics Foundations. И теперь мы можем сообщить, что наши модели речных наводнений — расширенные за эти годы и охватывающие 700 миллионов человек в 100 странах — теперь предоставляют прогнозы для более чем 2 миллиардов человек в 150 странах на случай значительных речных наводнений.
Earth AI — это общекорпоративная программа Google, основанная на наших многолетних усилиях. Последние обновления Earth AI интегрируют и синтезируют огромные массивы реальных изображений, данных о населении и окружающей среде. Используя LLM-ы и их возможности логического мышления, агент геопространственного анализа Earth AI может понимать тонкие концепции и выявлять корреляции между различными наборами данных и моделями. Этот агент позволяет пользователям задавать сложные вопросы и получать ответы на простом языке, делая возможности Earth AI доступными даже для неспециалистов. Пользователи могут быстро получать аналитические данные, начиная от сценариев использования бизнес-логики и управления цепочками поставок и заканчивая устойчивостью к кризисам и международной политикой.
В ходе наших оценок агент геопространственного анализа показал лучшие результаты по сравнению с базовыми моделями, которые не имели доступа к моделям и инструментам искусственного интеллекта Земли. Мы делимся результатами в нашем исследовательском блоге и техническом отчете.
Вскоре Google Earth с возможностями Gemini будет работать на основе наших моделей искусственного интеллекта для обработки изображений Земли, что позволит пользователям искать объекты на спутниковых снимках. Кроме того, наши мощные модели теперь доступны доверенным тестировщикам в Google Cloud. Мы продолжаем получать отзывы от наших партнеров о различных важных вариантах использования, включая отзывы от Give Directly, McGill and Partners, Cooper/Smith, WPP, WHO AFRO, Planet Labs и Airbus.
DeepSomatic и Cell2Sentence: На пути к персонализированной медицине в борьбе с раком
DeepSomatic, статья о котором опубликована в журнале Nature Biotechnology , — это наш новейший из множества инструментов искусственного интеллекта, разработанных для оказания помощи научному сообществу и медицинским работникам.
DeepSomatic основан на 10-летнем опыте геномных исследований Google. С 2015 года мы создаем модели, такие как DeepConsensus и DeepVariant, чтобы лучше понимать геном. С помощью этих моделей мы помогли составить карты геномов человека и животных и использовали эту информацию для углубления нашего понимания заболеваний.
Некоторые виды рака имеют сложные генетические характеристики, которые могут сделать их мишенью для индивидуального лечения, основанного на специфических мутациях. Поэтому мы задались вопросом, можем ли мы секвенировать геномы этих раковых клеток более точно. Результатом стал DeepSomatic — наш новый инструмент с открытым исходным кодом и поддержкой искусственного интеллекта, призванный помочь ученым и врачам разобраться в генетических вариантах раковых клеток.
Модель работает следующим образом: сначала данные генетического секвенирования преобразуются в набор изображений, а затем с помощью сверточной нейронной сети проводится различение между референсным геномом, нераковыми герминальными вариантами у данного индивидуума и соматическими вариантами, вызывающими рак в опухоли.
Выявление вариантов раковых клеток потенциально может привести к созданию совершенно новых методов лечения и помочь врачам выбирать между такими методами, как химиотерапия и иммунотерапия. Наши партнеры из детской больницы Children's Mercy используют это для точного определения того, как и почему конкретная форма рака поражает пациента, чтобы создавать персонализированные методы лечения.
DeepSomatic продолжает серию прорывных разработок, преследующих ту же цель — использование ИИ для борьбы с раком. Мы также недавно выпустили базовую модель анализа отдельных клеток с 27 миллиардами параметров, C2S-Scale, в сотрудничестве с Google DeepMind. Это основано на нашей работе, проделанной ранее в этом году в сотрудничестве с Йельским университетом, и недавно позволило выдвинуть новую гипотезу о поведении раковых клеток. Дальнейшие клинические испытания могут открыть многообещающий новый путь для разработки методов лечения рака.
Квантовые эхо: большой шаг к практическому применению.
Для ускорения следующей экспоненциальной волны научных открытий мы обращаемся к нашим стратегическим долгосрочным инвестициям в квантовые вычисления.
Наша работа основана на десятилетиях исследований, которые привели к достижению важного этапа в разработке аппаратного обеспечения на чипе Willow в конце 2024 года. Эта работа поддерживается Мишелем Деворе, нашим главным научным сотрудником по квантовому аппаратному обеспечению, который вместе с бывшим руководителем разработки аппаратного обеспечения для квантового ИИ Джоном Мартинисом и Джоном Кларком из Калифорнийского университета в Беркли стал лауреатом Нобелевской премии по физике 2025 года за свои исследования 1980-х годов, заложившие основу для современных сверхпроводящих кубитов.
Мы объявили о новом, поддающемся проверке квантовом преимуществе, о котором опубликовано на обложке журнала Nature . Наш алгоритм «Квантовые эхо» работает на нашем чипе Willow в 13 000 раз быстрее, чем лучший классический алгоритм на одном из самых быстрых суперкомпьютеров в мире. Он предлагает новый способ объяснения взаимодействий между атомами в реальной молекуле, наблюдаемых с помощью спектроскопии ядерного магнитного резонанса. Это первый в мире алгоритм, демонстрирующий поддающееся проверке квантовое преимущество, и он указывает на практические применения квантовых вычислений, выходящие за рамки возможностей классических компьютеров.
Квантовые вычисления обладают потенциалом для существенного продвижения разработки лекарств и содействия воплощению термоядерной энергетики в реальность. И, учитывая наш последний прорыв, мы с оптимизмом смотрим на то, что начнем видеть реальные практические применения в течение пяти лет.
Посмотрите фильм
Ссылка на видео на YouTube
Неформальная беседа о квантовом искусственном интеллекте с Джеймсом Маника и Хартмутом Невеном.
От ускорения научных открытий до алгоритмических инноваций
Мы также поделились результатами работы в различных областях, где команды проводят прорывные исследования и ускоряют внедрение реальных решений. Широта и глубина возможностей постоянно растут. Вот несколько недавних примеров.
Здоровье и наука
AI co-scientist — это многоагентная система искусственного интеллекта, созданная как виртуальный научный сотрудник, помогающий ученым выдвигать новые гипотезы и исследовательские предложения, а также ускорять научные и биомедицинские открытия. Наша новая система эмпирического программного обеспечения на базе ИИ, поддерживаемая Gemini, помогает ученым писать экспертное эмпирическое программное обеспечение. Она ускоряет исторически медленную задачу создания специализированного программного обеспечения для оценки и итеративного улучшения научных гипотез. Это открывает двери в будущее, где ученые смогут легко, быстро и систематически исследовать сотни или тысячи потенциальных решений проблем, которые мотивируют их исследования.
AMIE, разговорный медицинский ИИ-агент, демонстрирует клиническое мышление и коммуникацию на уровне врачей общей практики как в многомодальных, так и в многовизитных условиях. Изучая возможности применения AMIE в реальных условиях, мы проводим его тестирование под наблюдением врачей, в том числе в рамках партнерства с медицинским центром Beth Israel Deaconess для оценки AMIE на реальных пациентах.
MedGemma, входящая в нашу коллекцию Health AI Developer Foundations (HAI-DEF), — это самая мощная открытая модель Google для многомодального понимания медицинской информации. С момента запуска MedGemma и HAI-DEF были загружены более 1 миллиона раз и набрали более 40 тысяч уникальных пользователей.
Фактичность и эффективность
Мы продолжаем развивать наши исследования в области фактологии и обоснования для моделей LLM, включая изучение того, как модели LLM передают неопределенность, оценку того, кодируют ли модели LLM больше фактических знаний в своих параметрах, чем выражают в своих результатах, и многое другое. Мы расширяем сферу применения на мультимодальный контент — например, синхронизированные по времени подписи и наш метод контрастной последовательной диффузии видео направлены на обеспечение визуальной согласованности сцен в видео, что помогает улучшить качество наших моделей изображений и видео.
Повышение эффективности LLM остается приоритетной задачей для всей отрасли. Основываясь на нашей работе по спекулятивному декодированию, которая позволила существенно повысить эффективность без ущерба для качества, мы постоянно наблюдаем появление новых подходов, таких как наши недавние спекулятивные каскады. Мы продолжаем развивать другие методы повышения эффективности и внедрения инновационных технологий в энергетике.
Алгоритмические инновации
Исследования в области алгоритмов способствуют созданию новой модели рекламы, связывающей рекламодателей с клиентами, продолжению исследований в области крупномасштабной оптимизации, улучшению маршрутизации в Google Maps и совершенствованию голосового поиска в Индии. Исследования в области конфиденциальности включают в себя последние достижения, такие как конфиденциальная федеративная аналитика, дифференциально конфиденциальные синтетические данные и доказуемо конфиденциальные выводы об использовании ИИ. Мы добиваемся прогресса в работе над TimesFM, которая обрабатывает сотни миллионов запросов в месяц только в BigQuery, и недавно представили новый подход с использованием контекстной тонкой настройки.
Мы продолжаем исследовать новые способы улучшения обучения и образования, опираясь на нашу предыдущую работу над LearnLM, например, над проектом Learn Your Way, направленным на повышение эффективности обучения. Мы также продолжаем изучать инновации в области искусственного интеллекта, такие как использование моделей распространения для игровых движков реального времени, которые открывают новые горизонты для моделирования иммерсивных виртуальных миров.
Посмотрите фильм
Ссылка на видео на YouTube
В Research@Mountain View Йосси Матиас присоединяется к Алексу Кантровицу в подкасте Big Technology, чтобы обсудить наши исследовательские усилия в таких областях, как лечение рака и квантовые технологии.
Искусственный интеллект как усилитель человеческой изобретательности
«Волшебный цикл» научных исследований быстро набирает обороты. Этому способствуют более мощные модели, агентные инструменты, такие как ИИ-соисследователи и экспертное эмпирическое программное обеспечение на основе ИИ, которые помогают ускорить научные открытия, а также открытые платформы и инструменты, такие как MedGemma, HAI-DEF и DeepSomatic. Сегодня инновации происходят с беспрецедентной скоростью.
Последние достижения указывают на мир, где ИИ — это не просто инструмент, а незаменимый партнер и сотрудник. Это партнерство уже обретает реальные формы, расширяя возможности исследователей, инженеров, медицинских работников и преподавателей. Под руководством человека мы можем использовать ИИ для воплощения новых идей в жизнь и решения наиболее важных задач.
Такое слияние человеческой изобретательности с мощными возможностями искусственного интеллекта будет способствовать дальнейшим инновациям и ускорит их влияние на людей в глобальном масштабе, определяя новую эру научных открытий на благо всех и везде.
Источник: research.google
