DeepMind
谷歌旗下AI研究机构,专注于人工智能基础研究与应用
核心事实
时间轴 (近 90 天)
DeepMind首席战略官上任8个月即跳槽Anthropic,过去一年DeepMind出走者中约25%流向Anthropic。
Anthropic聘请前DeepMind首席战略官Jaz Seckon,专职为Cloud模型担任认知严谨性教练,教AI量化自身无知。
2021年DeepMind与EMBL-EBI联合发布了涵盖人类主要蛋白质的AlphaFold DB,随后扩展到数百万种物种的预测结构库。
AI在四周内产出600万条形式化证明,说明其在严谨逻辑推理任务上的能力正在从辅助走向主力。
在同一Terminal Bench上,Claude Sonnet 5.5得分63.9,领先Hydrogen的57%;在computer use任务上Sonnet以83.9对77.6获胜
DeepMind 与 UCL 合作了一门强化学习课程,由 David Silver 主讲,该课程在强化学习教学领域有很高的认可度。
DeepMind x UCL 强化学习课程(2015)偏重理论推导而非代码实现。
Gemini 4家族目前有三款模型:Carbon、Argon和Hydrogen,其中Carbon和Argon负责长周期、深度推理任务。
DeepMind负责人Varun对速度问题的公开回应是‘这不是我们在工作负载中看到的情况’,并以‘这是高度赞扬’回应批评。
DeepMind用AI对Signal的真实代码完成600万行形式化证明,这是AI首次在实现层验证广泛部署的加密协议。
还有 40 条时间轴事件
全部知识事实 (20)
Astra名称此前更多与谷歌DeepMind的Project Astra相关联,后者是谷歌在2024年Google I/O大会上展示的多模态AI助手项目
90%已验证MuJoCo最初由华盛顿大学的Emo Todorov团队开发,2021年被DeepMind收购后完全开源免费
90%已验证Google DeepMind的RT-2首次将视觉-语言模型直接用于生成机器人动作指令
90%已验证OpenAI、Anthropic、Google DeepMind等头部AI实验室都已建立了专门的红队测试流程,并将其作为模型发布前的必要环节
90%已验证DeepMind公开了超过2亿个蛋白质的预测结构数据库,覆盖了几乎所有已知蛋白质
90%已验证AlphaGo结合了深度学习与蒙特卡洛树搜索(MCTS),使用策略网络和价值网络两个关键神经网络
90%已验证DQN是DeepMind在2013年提出的算法,首次将深度神经网络与Q-learning强化学习相结合,使AI能学会玩49款Atari游戏
90%已验证Demis Hassabis是Google DeepMind的联合创始人
90%已验证Google DeepMind由2014年收购的DeepMind与谷歌内部的Google Brain团队于2023年合并而成
90%已验证推测解码(Speculative Decoding)范式由Google Brain和DeepMind团队于2023年几乎同期提出
90%已验证截至2023年,AlphaFold已预测超过2亿种蛋白质结构,覆盖几乎所有已知生物体
90%已验证AlphaFold是DeepMind于2020年推出的蛋白质结构预测系统
90%已验证DeepMind的AlphaProof和AlphaGeometry系统采用了逐步验证的思路
85%已验证DeepMind提出的Chinchilla定律进一步精细化了数据与参数的最优配比关系
85%已验证2022年DeepMind的Chinchilla论文指出同等算力预算下应均衡增大模型尺寸与训练数据量
85%已验证Reward Hacking(奖励黑客)是强化学习领域的经典问题,其核心在于优化目标(奖励函数)与设计者真实意图之间存在不可避免的差距,最早由DeepMind等研究团队系统性地记录和分析
80%已验证DeepMind的AlphaZero于2017年发布,仅凭自我对弈就在国际象棋、将棋和围棋上达到超越人类顶尖水平
80%已验证多模态大模型的技术基础是视觉编码器(如ViT)与语言模型的联合训练,使模型能将像素空间视觉信息映射到与文本共享的语义空间
80%已验证DeepMind的Chinchilla研究(2022)指出最优训练应让数据量与参数量保持大致1:1的比例增长
80%已验证DQN由DeepMind于2013年提出,首次将深度神经网络与Q-learning结合
80%