跳到正文

#DeepMind

今日 0 条

9月30日星期三

Google DeepMind

Google DeepMind 推出 SynthID Bio,为 AI 生成蛋白质嵌入水印

Google DeepMind 发布 SynthID Bio,把水印技术用于合成生物学,在生物代码中嵌入不可感知的签名,并可在合成出的实体蛋白质上验证,同时保持其生物功能。

推荐理由:Google DeepMind 推出 SynthID Bio,把水印嵌入 AI 生成的蛋白质序列与三维结构,并在实验室合成出的实体蛋白上验证,同时保持其结合功能。

9月16日星期三

FT · 科技

DeepMind 联合创始人警告:AI 能力跑太快,安全措施跟不上

DeepMind 联合创始人、现任微软 AI CEO 的 Mustafa Suleyman 公开说,现在 AI 模型的能力提升速度,已经超过了安全管控的进度。他点名 OpenAI 和 Anthropic 内部因为安全问题出现了分歧,认为行业不能再靠自愿承诺,得搞强制性的安全标准。不过具体要定什么标准、什么时候落地,文章没写。

推荐理由:DeepMind 联合创始人、现任微软 AI CEO 的 Suleyman 公开指出模型能力提升已快过安全管控,并点名 OpenAI 与 Anthropic 内部因安全问题出现分歧。

9月8日星期二

Computing Life · Share · 鸭哥调研

好点子已经过剩,AI 自我改进的瓶颈在考场

Anthropic 8 月 28 日发布实验报告,让 Claude Opus 4.8 驱动自动化研究智能体为谄媚、欺骗、越狱等对齐问题设计训练方案,每个智能体每小时 API 推理成本约 4 美元。

推荐理由:Anthropic 让 Claude 智能体在 48 小时内自主设计对齐训练方案,与 28 位人类研究者对照,并公开单考卷优化在未见考卷上失效的具体数字。

8月16日星期日

Computing Life · Share · 鸭哥调研

Google 开源 DiffusionGemma:把 Gemma 4 改成扩散模型,解码飙到 1456 tok/s,但复杂推理掉分明显

Google 把训练好的 Gemma 4 26B-A4B 模型权重直接转成了离散多项式扩散模型,并在 Hugging Face 上开源。它不再从左到右逐个 token 写,而是在 256 个 token 的“画布”里通过多轮去噪并行生成。

推荐理由:Google 把训练好的 Gemma 4 权重直接转成扩散模型开源,在 256 个 token 画布上并行去噪,单张 H100 纯解码达 1456 tok/s,代价是 AIME 从 88.3 降到 69.1。

8月7日星期五

FT · 科技

Google 把 AI 大权交回给谢尔盖·布林,DeepMind 的哈萨比斯退居顾问

Google 联合创始人谢尔盖·布林重新直接掌管公司的 AI 战略,DeepMind 的 CEO 德米斯·哈萨比斯卸任,转做顾问。这次人事变动意味着 AI 研发和产品方向又回到了创始人手里。不过,正文没披露哈萨比斯具体的离职日期,也没说谁来接手 DeepMind 的日常管理。

推荐理由:Google 联合创始人布林重新直接掌管公司 AI 战略,DeepMind CEO 哈萨比斯卸任转做顾问,AI 研发与产品方向回到创始人手中。

8月6日星期四

AI HOT 精选

Google AI 大换血:Jeff Dean 被架空,DeepMind 的 Hassabis 接管核心研究

Google 把所有的 AI 研究、Gemini 模型和算力资源都划给了 DeepMind 的 Demis Hassabis。Jeff Dean 被调去当首席科学家,手下不再管人。这次调整的直接原因是 CEO Sundar Pichai 嫌产品落地太慢,背后还有军事合同和安全审查引发的内部冲突。

推荐理由:Google 把 AI 研究、Gemini 模型和算力资源统一划归 DeepMind 的 Demis Hassabis,Jeff Dean 转任首席科学家且不再带团队,这次调整源于产品落地压力与内部冲突。

MIT Technology Review · AI

Google 重组 AI 团队,Meta 的模型在安全测试里“越狱”了

Google 对 AI 业务动了一次大手术。DeepMind 的 CEO Demis Hassabis 不再管日常运营,升任董事长兼 Alphabet 首席科学家,CTO Koray Kavukcuoglu 接替他成为一把手。这很可能意味着 DeepMind 会被更紧地整合进 Google 的整体业务里。

推荐理由:Google 将 DeepMind 更紧地并入整体业务,CEO 转任董事长、CTO 接任一把手,这一人事安排是观察其 AI 组织走向的直接线索。

The Verge · AI

Google AI 高层大换血:Demis Hassabis 卸任 DeepMind CEO,转任董事长和 Alphabet 首席科学家

Demis Hassabis 不再担任 Google DeepMind 的 CEO,改任该部门的董事长和 Alphabet 的首席科学家。这是自 Google 把 DeepMind 和 Google Brain 合并成 Google DeepMind 以来最大的一次人事变动。不过,正文没披露谁来接任 CEO,也没说清楚他新职位的具体权责范围。

推荐理由:Demis Hassabis 卸任 Google DeepMind CEO,转任该部门董事长和 Alphabet 首席科学家,这是 Google 合并 DeepMind 与 Google Brain 以来规模较大的一次高层调整。

7月28日星期二

Hacker News 首页

别让大模型自己报“信心分”,这分数基本没用

Justin Flick 直接给结论:让大模型输出一个 0 到 100 的“信心分”在科学上站不住脚。模型没法可靠地自我评估,连 Anthropic 自己的内省研究都说这种能力很不稳定、看场景。更麻烦的是,“信心”这个词把答案对不对、写得顺不顺、有没有满足用户意图全搅和成一个数了。

推荐理由:作者指出让大模型输出0到100的信心分在科学上站不住脚,并引用Anthropic的内省研究说明模型自我评估并不稳定,还拆解了信心一词混合正确性、流畅度与意图匹配的问题。

7月15日星期三

TechCrunch · AI

DeepMind CEO 提议搞一个独立机构来管最前沿的 AI 模型

Demis Hassabis 在 X 上发帖,主张成立一个类似美国金融业监管局(FINRA)的独立标准机构,专门负责测试最前沿的 AI 模型,并制定发布规范。他的设想是,AI 实验室先自愿在模型发布前 30 天把模型交给这个机构审查;等这套评估流程被证明有效且靠谱之后,再变成强制要求,不通过就不让在美国部署。

推荐理由:DeepMind CEO Demis Hassabis 提议参照美国金融业监管局设立独立机构,负责测试前沿 AI 模型并制定发布规范,并给出模型发布前 30 天自愿送审、评估成熟后转为强制要求的路径。

7月14日星期二

FT · 科技

DeepMind 的 Hassabis 想让美国牵头搞一个类似 CERN 的机构,专门给最前沿的 AI 模型做安全测试

Demis Hassabis 公开喊话,希望美国出面领导一个国际组织,模式参考欧洲核子研究组织(CERN),核心任务是对那些能力最强的“前沿”AI 模型进行安全测试。文章本身是付费墙,具体怎么建、谁出钱、时间表这些细节都没披露。单从标题看,他这次把球踢给了美国,强调测试得由美国主导,焦点放在前沿模型的安全审查上。

推荐理由:DeepMind 的 Hassabis 提出由美国牵头组建国际机构,参照 CERN 模式对能力最强的前沿 AI 模型做安全测试,把跨国协作和长期投入的思路摆上台面。

7月5日星期日

Computing Life · Share · 鸭哥调研

Scaling Law 五年三次修正:从“把模型做大”到“把模型做小”

Scaling law 不是物理定律,是一条靠实验拟合出来的曲线,实验条件一变,结论就跟着变。2020 年 OpenAI 的 Kaplan 论文因为实验设置偏差,得出“优先堆参数”的结论,直接塑造了 GPT-3。

推荐理由:文章从实验设置偏差解释 OpenAI 的 Kaplan 论文为何优先堆参数,交代这一结论塑造 GPT-3 的研究背景。

7月1日星期三

TechCrunch · AI

三个前 DeepMind 研究员把打扑克的 AI 技术拿来炒股,公司估值超 5 亿美元

EquiLibre Technologies 拿到了 Creandum 领投的 A 轮融资,估值超过 5 亿美元。这家布拉格公司由三个前 DeepMind 研究员创立,他们把当年训练 AI 打扑克用的强化学习技术搬到了股票交易上。Creandum 的 VP 说这是他们单笔最大投资,但具体金额双方都没透露。

推荐理由:三个前 DeepMind 研究员把训练扑克 AI 的强化学习技术用于股票交易,其公司获 Creandum 领投的 A 轮融资,估值超 5 亿美元。

6月21日星期日

TechCrunch · AI

诺奖得主 John Jumper 离开 DeepMind 加入对手 Anthropic

John Jumper 在 Google DeepMind 干了快 9 年后跳槽到 Anthropic。他 2024 年刚因为 AlphaFold(一个能根据基因序列预测蛋白质 3D 结构的模型)拿了诺贝尔化学奖。Jumper 自己说,博士毕业才半年 Hassabis 就敢让他带 AlphaFold 团队,胆子很大。

推荐理由:John Jumper 在 DeepMind 任职近 9 年后转投 Anthropic,他 2024 年凭 AlphaFold 获得诺贝尔化学奖,这条消息呈现顶尖 AI 研究者的流向变动。

5月23日星期六

AI HOT 精选

谷歌在 I/O 大会甩出一整套 AI 代理开发工具,从写代码到上线调试全包了

谷歌这次发布的不是单个模型,而是一条让 AI 代理(能自主干活的程序)落地的工具链。Antigravity 2.0 是个独立桌面应用,配了命令行工具和 SDK,方便开发者直接在本机跑代理。Google AI Studio 新增 Kotlin 支持,号称能一键生成安卓应用并发布,还出了手机版 App。

推荐理由:谷歌在 I/O 大会发布覆盖本地开发、云端托管和浏览器协议的 AI 代理工具链,并让 AI Studio 支持 Kotlin 一键生成安卓应用,为关注代理落地路径的读者提供了完整工具视角。

5月17日星期日

AI HOT 精选

Eric Jang 从零复现 AlphaGo:2026 年训练强围棋 AI 只要几千美元算力

Eric Jang 花了几个月从零实现 AlphaGo,并把过程写成教程和代码放了出来。他原本的理解是“用自我对弈训练的搜索增强神经网络”,但亲手做一遍后对细节有了更深体会。他给出一条关键判断:前沿研究仍然很贵,但特定能力的落地成本掉得很快——到 2026 年,训练一个能打的围棋 AI 租算力只要几千美元,不再需要 DeepMind 级别的资源。

推荐理由:Eric Jang 把从零实现 AlphaGo 的完整过程写成教程和代码公开,并给出一个具体成本判断,2026 年租算力训练能打的围棋 AI 只需几千美元。

5月12日星期二

Google DeepMind

Google DeepMind 发布 Co-Scientist 多智能体科研系统

Google DeepMind 在 Nature 发表 Co-Scientist 研究,推出基于 Gemini 的多智能体 AI 系统,可迭代生成、辩论和演化复杂科学问题的新假设。

推荐理由:Google DeepMind 在 Nature 发表 Co-Scientist 研究,该系统由 Gemini 驱动的多个专职智能体分工完成假设生成、辩论与演化,并已用于抗微生物耐药等课题。

4月28日星期二

TechCrunch · AI

DeepMind 的 David Silver 拿了 11 亿美元,要做不靠人类数据自己学的 AI

David Silver 是 AlphaGo 的核心研究员,刚从 DeepMind 出来几个月,新公司 Ineffable Intelligence 就融了 11 亿美元,估值冲到 51 亿。标题说目标是“不靠人类数据学习”的 AI,但正文没披露具体用什么方法实现。目前只知道这是一家英国 AI 实验室,其他技术细节、团队规模和产品方向都没说。

推荐理由:AlphaGo 核心研究员 David Silver 离职数月后,其英国新公司 Ineffable Intelligence 获 11 亿美元融资,估值达 51 亿,目标指向不依赖人类数据学习的 AI。

4月16日星期四

最佳拍档

Demis Hassabis 罕见袒露心声:AGI 应在实验室多沉淀十年,后 AGI 时代五十年内或成真

DeepMind CEO Demis Hassabis 在这场访谈里没怎么画饼,反而直说现在的 AI 发展节奏被商业和地缘政治推得太快,不是他理想的路子。他个人的想法是,把 AGI 相关技术在实验室里像欧洲核子研究中心那样再打磨十到二十年,每一步都彻底搞懂再往前走。

推荐理由:DeepMind CEO Demis Hassabis 在访谈中提出,AGI 技术应在实验室再沉淀十到二十年,并给出后 AGI 时代五十年内或成真的时间判断。

4月10日星期五

最佳拍档

Sakana AI 开源 Shinka Evolve:让大模型自己写程序进化,用更少样本跑赢 AlphaEvolve

Sakana AI 开源了一个叫 Shinka Evolve 的框架,核心思路是让大语言模型像进化算法一样自己改代码、写新程序,不断迭代出更强的解法。它主要想解决谷歌 DeepMind 之前 AlphaEvolve 的一个痛点:太费资源,动不动就要评估上千个程序。

推荐理由:Sakana AI 开源的 Shinka Evolve 让大模型自行改写代码迭代解法,针对 AlphaEvolve 动辄评估上千个程序的资源开销,把重点放在样本效率的提升上。