Google DeepMind@GoogleDeepMind64
标签「DeepMind」清除
全部 AI 动态
AI 相关资讯全量信息流
6月11日
03:12
Google DeepMind@GoogleDeepMind00:12
Google DeepMind@GoogleDeepMind72
6月10日
17:28
IT之家（RSS）
同事件精选70
谷歌 DeepMind AGI 经济学负责人亚历克斯·伊马斯表示，目前没有看到白领岗位因 AI 大规模消失的证据。他强调，若企业因“不裁员就等于 AI 转型慢”的叙事而跟风裁员，可能适得其反。伊马斯认为，AI 更多是接手部分任务、提升生产力，让员工专注机器无法完成的工作，岗位冲击尚未真正出现。
同一事件，精选展示《谷歌高级副总裁曼尼卡：AI短期内不会摧毁就业市场》推荐理由：来自AI核心阵营的经济学家说‘还没证据’，这本身就值得每个担心被AI替代的人看一眼，那种‘没裁员就是落后’的FOMO叙事可能更危险。
6月9日
22:04
Google DeepMind：Blog（RSS）
48
Google DeepMind 加速器从欧洲选出15家机器人初创公司，提供为期3个月的密集指导和AI技术整合支持，帮助公司将AI融入核心产品。
21:04
Google DeepMind：Blog（RSS）
精选56
一项在塞拉利昂等地开展的随机对照试验显示，Gemini 的 Guided Learning 功能能够提升学生参与度并加速学习。
推荐理由：对教育行业是个有力信号，RCT数据扎实，但效应量不算大，且高基础学生受益更多，公平性挑战还在。
08:28
AYi@AYi_AInotes65
Google DeepMind CEO Demis Hassabis在Google I/O和斯坦福对谈中称，我们正站在奇点山脚，AGI约2030年出现，将进入新人类时代，社会需重视并做准备。这位一向保守的科学家此次改口引发广泛关注。
6月8日
05:37
Rohan Paul@rohanpaul_ai67
Google DeepMind 联合创始人兼 CEO Demis Hassabis 在新采访中表示，社会需要意识到我们没有多少时间准备了，人类正站在奇点的山麓。他认为 AGI 可能只需几年，大约 2030 年（±1 年）就能实现。推文作者评论指出，真正的颠覆不在于 AGI 何时精准到达，而在于机构能否适应——后 AGI 世界技术变化远快于人类系统响应速度，学校、公司、政府均未做好准备。若 AGI 按前沿实验室时间线到来，这一滞后将压缩成危险鸿沟。
04:09
Chubby♨️@kimmonismus65
DeepMind创始人Demis Hassabis在Google I/O上表示，AGI（约2030年）的到来将等同于奇点——一个不可逆转的技术突破点。他直言社会需要尽早准备，因为时间不多了；回顾当下，我们正站在奇点的山脚。推文作者将其视为比工业革命快10倍、强10倍的深刻革命，人类社会正面临前所未有的变革。
6月7日
10:05
Rohan Paul@rohanpaul_ai44
6月6日
03:27
MarkTechPost（RSS）
50
Google DeepMind 推出 Gemma 4 量化感知训练（QAT）检查点，包含 Q4_0 格式和一种新的移动端格式，旨在降低设备端内存占用。对比 BF16、Q4_0 QAT 和移动版 QAT 三种边缘端格式，官方公布了各格式的内存数据与设计权衡。
02:30
Chubby♨️@kimmonismus71
Google DeepMind 发布 Gemma 4 QAT 量化感知训练模型，专为本地 / 设备端优化。通过量化感知训练减少内存占用，同时相比标准训练后量化保留更多质量。支持 Q4_0 格式及新的移动专用量化格式。Gemma 4 E2B 版本可运行于约 1GB 内存，纯文本版本甚至低于 1GB，使手机、笔记本、边缘设备和消费级 GPU 上的本地 AI 更实用。
6月5日
22:30
Gary Marcus：The Road to AI We Can Trust（RSS）
精选55
推荐理由：哈萨比斯在斯坦福把 AGI 时间线从达沃斯的「5-10 年」压到「2030 左右」，Gary Marcus 拎出来对比，让我看到他自己的定义也在被叙事裹挟。
01:53
Rohan Paul@rohanpaul_ai39
Google DeepMind 论文《Intelligent AI Delegation》将任务委托视为一系列选择：是否委托、如何解释、如何验证结果。系统构建动态市场，智能体通过智能合约竞标任务，利用加密证明保证正确性与隐私。基于信任模型，避免过度委托（给 AI 难完成的任务）或不足委托（自己做 AI 能胜任的事）。输出验证规则根据 AI 置信度决定接受与否，并有备用计划处理失败。还涵盖 AI 智能体间的委托与问责追踪，确保贡献符合整体目标。该框架使企业更安全地在日常运营中使用 AI。
01:03
Dwarkesh Patel：Podcast & Blog（RSS）
精选63
经济学家 Alex Imas 和 Phil Trammell 指出，AGI 时代机器人数量可以快速复制增长，但人类独特技能（以芭蕾舞演员为例）的数量保持不变，揭示了即使技术大幅进步，某些稀缺资源仍不可替代。
推荐理由：Alex Imas和Phil Trammell用经济学框架推演AGI后稀缺性，我没想到资本份额可能上升也可能下降，他们对“关系部门”的定义比简单说“人类服务值钱”更精准，值得一看。
6月4日
22:12
IT之家（RSS）
45
Anthropic、谷歌DeepMind和Meta已聘请心理学、哲学和伦理学专家，研究机器意识及AI福利问题。Anthropic正测试模型是否出现类似“恐慌”和“焦虑”的行为，并推进“模型福利研究”，探讨AI模型是否可能拥有值得从道德角度认真对待的体验。DeepMind聘请剑桥研究员亨利·谢夫林以哲学家身份研究机器意识、人类与AI关系及AGI准备工作。Anthropic CEO达里奥·阿莫代伊多次提到AI意识的可能性。部分科学家不认同，认为AI模型缺乏体验的感受性质。
18:53
Chubby♨️@kimmonismus68
2026年6月，由AI领袖、合成行业高管、生物安全研究人员及前国安官员组成的联盟发布公开信，敦促美国国会强制对合成核酸订单进行筛查与记录保存。签署人包括Demis Hassabis、Sam Altman、Dario Amodei及诺贝尔奖得主David Baker。信中指出，快速进步的AI正在削弱制造生物武器的知识门槛，而筛查措施已被主要供应商自愿采用，影响小且成熟。联盟呼吁本会期内采取行动，并建立统一的州级标准。
17:52
Rohan Paul@rohanpaul_ai71
Google DeepMind论文首次系统分类六类攻击：HTML注释/白色文本隐藏指令、图像隐写、PDF元数据/演讲者笔记覆写、跨会话内存投毒、目标劫持及多智能体级联攻击。隐藏提示注入在86%场景中部分控制智能体，子智能体劫持成功率58–90%，数据泄露攻击在五种架构中均超80%。内存投毒成功率超80%，仅需不足0.1%数据污染。论文指出网页、邮件等非受信材料可被武器化，构成主要攻击面。
6月3日
10:49
Berryxia.AI@berryxia76
Google DeepMind发布了基于Gemini的多Agent系统Co-Scientist，旨在实现科研流程自动化。该系统能够生成、辩论和验证假设，帮助科学家从高强度脑力劳动中解放出来。过去一年，它已在肝纤维化新靶点、ALS新疗法等复杂问题上与科学家合作探索出新方向。其定位并非取代科学家，而是作为“专职研究伙伴”。目前，其假设生成功能已通过Gemini for Science向个人研究者开放。
We believe AI can be a dedicated research partner to help discover the next breakthrough. Enter Co-Scientist: our latest...
05:47
Google AI Developers@googleaidevs同事件精选74
推荐理由：DeepMind 把这个科学 agent 工具包开源了，核心是给 agent 工作流加科学基础、提升 token 效率，做 AI for Science 的可以直接 fork 试手，本周最值得上手的工具之一。
00:47
Chubby♨️@kimmonismus38
AI正在推动医学领域的革命性突破。Eli Lilly研发的三重激动剂retatrutide能有效溶解脂肪，解决肥胖及其下游后果问题。肥胖自工业革命以来已成为现代文明的严重挑战，如今正被攻克。新型药物使黑色素瘤、胰腺癌等曾无法治疗的癌症变得可治疗，同时GLP-1激动剂还具有抗炎等益处。我们正进入Demis Hassabis所说的“科学黄金时代”，见证科学潜力全面展现。
6月2日
5月30日
19:16
Chubby♨️@kimmonismus63
由前 DeepMind 研究员创立的 AI 实验室 Inherent 完成了 5000 万美元的种子轮融资，由 Index Ventures 和 Radical 共同领投，NVIDIA 旗下风投部门 NVentures 参投。创始团队包括 Louis Kirsch、Edward Hughes 和 Tantum Collins。该公司旨在构建能够主动发现新知识的 AI 智能体，其核心理念是实现整个研究组织的“递归自我改进”，使 AI 成为人类研究中的协作伙伴。Inherent 被定位为一家公共利益公司，总部位于伦敦。
We're excited to introduce Inherent, a lab designed from scratch to build AI agents that discover new knowledge. The com...
5月29日
15:21
IT之家（RSS）
精选70
谷歌 DeepMind 首席执行官德米斯·哈萨比斯预测，AGI 研发速度远超预期，最快可能在 2029 年至 2030 年前后出现。作为 AlphaGo、AlphaFold 的主导者，他认为当前 AI 智能体是未来更强智能的预演，随着多模态和自主决策能力成熟，三年内迎来 AGI 关键突破已非科幻。但他同时警示，全球社会对 AGI 到来的准备严重不足，必须提前建立规则与防护机制。
推荐理由：哈萨比斯作为造出 AlphaFold 的诺贝尔奖得主，三年内 AGI 的判断不是空话，他同时强调社会完全没准备好，这种紧迫感比单纯的时间表更值得看。
5月27日
17:35
Chubby♨️@kimmonismus60
Google DeepMind负责人 Demis Hassabis 将其 AGI 实现时间预测提前至2029年，并称我们正处于“奇点”的初级阶段。他提出的“爱因斯坦测试”基准是：用知识截止于1911年的 AI 能否独立推导出广义相对论，目前尚无系统能接近通过。然而，业界对 AGI 的定义仍无共识，例如 OpenAI CEO Altman 预测时间为2028年，xAI CEO Musk 宣称奇点已在1月发生，而 Anthropic 则避免使用该术语。尽管定义不明，AGI 实现的时间线预测正在不断缩短。
5月26日
13:11
IT之家（RSS）
同事件精选77
推荐理由：AlphaProof Nexus 不是刷榜，是真解了 Erdős 难题，56 年悬而未决的那两道——这说明 AI 开始从具身数学题爬向纯数学研究了，做理论的人该认真看一眼。
5月25日
22:18
AYi@AYi_AInotes59
天啊！ Google DeepMind CEO Demis直接把AGI的门槛从Erdős水平提升到了拉马努金水平！ 这波目标线移动我愿称之为人类最后的防线🤯 具体内容请看中文字幕版👇 #AGI #AI #OpenAI [引用 @AYi_AInotes]：http://x.com/i/article/2058381329318682624
http://x.com/i/article/2058381329318682624
18:58
The Decoder：AI News（RSS）
同事件精选72
Google DeepMind 的 AlphaProof Nexus 自主解决了 9 个开放的 Erdős 问题，其中包括两个困扰数学界 56 年的难题。其推理成本低至每个问题仅需几百美元。系统通过 Lean 编译器验证每个证明步骤，而非使用 OpenAI 的自然语言方法。当前的整体问题解决成功率为 2.5%。
同一事件，精选展示《AlphaProof Nexus：用形式化验证驱动AI数学证明搜索》推荐理由：AlphaProof Nexus 花几百美元就解决了数学家 56 年没做出来的问题，虽然成功率只有 2.5%，但这条路证明形式化验证+强化学习是走得通的，做推理的该盯着看了。
06:27
Chubby♨️@kimmonismus71
Google DeepMind的AlphaProof Nexus系统自主解决了9个开放的Erdős问题（部分问题存在56年），每个问题的成本约几百美元。它还证明了44个OEIS猜想，解决了一个15年的代数几何问题，并在优化理论中发现了新算法参数。其核心机制是将大语言模型的推理能力与Lean形式化验证系统结合，Lean自动检查每一步逻辑，无需人工复核。研究发现，一个仅交替使用大语言模型生成与编译器反馈的基础智能体，便能复现全部9个Erdős问题的成功。该系统还能检测并修正现有数学文献中的表述错误。其局限在于成功案例集中于Lean数学库成熟的领域（如组合、数论），仍无法解决需要全新理论的大问题。
02:57
Chubby♨️@kimmonismus60
Another 9 open Erdos problems solved, this time by DeepMind team. Interesting loop of LLM - Lean agents working autonomo...
02:36
AI Notkilleveryoneism Memes ⏸️@AISafetyMemes68
Another 9 open Erdos problems solved, this time by DeepMind team. Interesting loop of LLM - Lean agents working autonomo...
5月24日
20:57
The Decoder：AI News（RSS）
60
Yann LeCun认为当前AI系统并非真正智能。DeepMind的Demis Hassabis则认为人类已站在“奇点的山麓”。Gemini联合负责人Oriol Vinyals提出折中观点：今天的模型在七年前会像AGI，但它们仍无法从经验中学习或产出真正的突破。
5月23日
08:27
Chubby♨️@kimmonismus56
06:57
Rohan Paul@rohanpaul_ai精选79
Google DeepMind提出了AlphaProof Nexus系统，它将大型语言模型与Lean形式化验证工具相结合。该系统允许LLM在生成证明的过程中，不断读取Lean的编译错误并进行修正，还可调用更强的工具辅助解决子问题。这一机制迫使模型将每一步逻辑都转化为可编译、可验证的代码，从而将其角色从“令人信服的叙述者”转变为“候选方案生成器”。在针对353个Erdős问题和492个开放猜想的测试中，系统成功解决了9个Erdős问题并证明了44个序列猜想。该研究展示了形式化验证在暴露AI逻辑错误、建立“人类提问-模型探索-验证器把关”新分工中的关键作用。
推荐理由：DeepMind 把 AI 的'数学直觉'塞进 Lean 编译器里，每步都必须编译通过，结果解决 9 个 Erdős 问题，失败也暴露了隐藏错误。这篇论文重新定义了 AI 做数学的范式。
00:56
Rohan Paul@rohanpaul_ai67
Demis Hassabis指出当前AI的局限在于语言能描述世界，但无法“包含”世界。尽管语言模型从文本中学到了比预期更多的现实结构，但文本终究是经验的压缩残留。真正的智能不仅在于回答问题，更在于理解行动的后果。世界模型旨在学习物理现实的隐藏语法，例如物体持续性、力的作用和空间变化。这种学习试图在信息被语言化之前捕捉世界的本质，从而让AI不仅能解释，更能预测行动带来的直接影响。
5月22日
23:14
Google DeepMind@GoogleDeepMind精选67
推荐理由：Project Genie这次不是纸上谈兵了，直接吃进真实街景吐出来可玩世界，虽然暂时只限美国，但这是生成式游戏从能做走向普通人可玩的关键一步。
5月21日
11:09
Berryxia.AI@berryxia64
Google I/O大会上，DeepMind CEO Demis Hassabis提出“科学进步正在变得可量化计算”，将AI定位为科学的基础设施层。配套推出的Gemini for Science系统旨在协助科研人员处理论文、代码与假设生成。这一转变的核心在于，科学研究正逐渐摆脱对灵感与试错的依赖，转向像软件开发一样可规模化、可编程与加速的工程化模式，标志着AI对科研范式本身的重塑。
08:48
Google DeepMind@GoogleDeepMind同事件精选70
推荐理由：Google 把 AlphaFold 和 UniProt 变成 AI 的“科学技能”，这不是又一次数据库整合，而是让 AI 能直接查询实验知识的工具链，做生命科学的可以认真看看。
05:06
The Verge：AI（RSS）
62
在Google I/O 2026大会尾声，Google DeepMind首席执行官Demis Hassabis宣布，公司计划利用其AI平台重新构想药物发现流程，目标是“有朝一日解决所有疾病”。这一表态将AlphaFold与AlphaGenome等前沿AI科学项目，与解决人类最重大健康挑战的雄心联系起来，但同时也引发了关于技术预期与现实复杂性的广泛讨论。
04:35
Chubby♨️@kimmonismus21
推文聚焦一位在人工智能与科学交叉领域做出开创性贡献的科学家。其领导的AlphaGo、AlphaZero、AlphaFold等项目不仅定义了AI的发展路径，更革命性地改变了人类对蛋白质结构的理解与预测能力。该贡献获得了2024年诺贝尔化学奖的认可。作者认为，若没有这位科学家及其团队的远见，整个AI领域将无法达到今天的高度，并表达了个人会面时的深刻感触。
03:35