Google DeepMind представила AlphaGenome — ИИ для понимания ДНК

После AlphaFold для белков теперь появился AlphaGenome для генома. ИИ предсказывает, как изменения в ДНК влияют на активность генов.

Модель может заменить часть лабораторных экспериментов компьютерными расчетами. Особенно полезна для анализа редких мутаций при раке и генетических заболеваниях.

DeepMind планирует сделать систему бесплатной для исследователей. Для коммерческого использования изучают варианты монетизации.

ИИ обучен на данных научных проектов и использует трансформерную архитектуру. Не предназначен для персональных геномных предсказаний вроде 23andMe.

#AlphaGenome #DeepMind #GenomicsAI
------
@tsingular

DeepMind готовится к первым испытаниям ИИ-лекарств на людях

Isomorphic Labs от Alphabet наконец готова к клиническим испытаниям препаратов, разработанных с помощью ИИ. Прямо сейчас в лондонском офисе сотрудники создают лекарства от рака, работая совместно с искусственным интеллектом.

Компания выросла из AlphaFold — прорывной системы предсказания белковых структур. В 2025 году привлекла $600 млн инвестиций и заключила сделки с Novartis и Eli Lilly.

Амбициозная цель: создать систему, где для любой болезни можно будет «нажать кнопку и получить готовый дизайн лекарства». При нынешней 10% вероятности успеха в фарме, это может стать революцией.

#DeepMind #DrugDiscovery #AlphaFold
------
@tsingular

Google DeepMind учит ИИ читать древнеримские надписи

Новая система Aeneas расшифровывает полустёртые латинские надписи на камне и определяет их датировку с местоположением.

Обучена на базе 150 тысяч надписей от Британии до Ирака. Предлагает варианты восстановления пропущенного текста и находит исторические параллели.

Тестирование с 23 историками показало генерацию исследовательских идей в 90% случаев. Успешно проанализирована знаменитая надпись Monumentum Ancyranum в Анкаре.

Открыт исходный код, доступен через predictingthepast.com. Интегрируется в школьные программы Бельгии.

Скоро археологи будут брать в экспедиции не лопаты, а ноутбуки с ИИ. Камни заговорят на латыни! 🏛️

#DeepMind #Aeneas #epigraphy
------
@tsingular

🧠 Подкаст с Демисом Хассабисом у Лекса Фридмана: AGI к 2030 — ключевые инсайты

Главная гипотеза: любой паттерн в природе можно эффективно смоделировать классическим алгоритмом обучения. Почему? Эволюция создала структуру — значит, есть градиенты для обучения.

Доказательства:
- AlphaFold: 10^300 структур белка → решение за миллисекунды
- Veo 3: физика жидкостей из YouTube без взаимодействия с миром
- WeatherNet: прогноз быстрее суперкомпьютеров

🎯 AGI: 50% к 2030

Критерии готовности:
- Консистентность через все домены (не "зубчатый" интеллект)
- Способность к гипотезам уровня Эйнштейна
- Изобретение игры глубины Go

Move 37 для AGI = новая физическая теория или математическая гипотеза.

⚡️ Прорывы 2024-2025:
- Veo 3 — интуитивная физика из пассивного наблюдения

Опровергает embodied AI: не нужно трогать мир
Путь к интерактивным играм и моделям мира

AlphaEvolve — LLM + эволюционный поиск
Гибридные системы: foundation models + алгоритмы поиска
Потенциал рекурсивного самоулучшения

🚀 Google за год:
- DeepMind + Google Brain = критическая масса + "стартап внутри корпорации"
- relentless progress + relentless shipping + миллиарды пользователей

🔬 Виртуальная клетка — следующий AlphaFold
Цель: полная симуляция дрожжевой клетки → 100x ускорение биоэкспериментов
Стек: AlphaFold 3 → метаболические пути → иерархические временные масштабы

💡 Практические выводы:
- Изучайте гибридные системы (LLM + поиск + симуляции)
- Топ-программисты станут 10x продуктивнее, а не заменены
- Смещение от фронтенда к архитектуре

Энергетика: термояд + солнце = конец дефицита → добыча астероидов → колонизация космоса
P vs NP: новый класс "LNS" (Learnable Natural Systems) — полином на обучение, экспонента на решение

P.S. Хассабис планирует создать игру после AGI. Первая игра от сверхинтеллекта для людей? 🎮

2 часа годноты. Слушаем в фоне.

#AGI #DeepMind #LexFridman #DemisHassabis
———
@tsingular

Meta* переманивает еще троих исследователей из Google DeepMind

Meta продолжает охоту за талантами для команды суперинтеллекта.

На этот раз перешли три специалиста, работавших над версией Gemini, которая взяла золото на математической олимпиаде IMO 2025. Система решила 5 из 6 задач, набрав 35 из 42 баллов.

Цукерберг строит лабораторию суперинтеллекта отдельно от FAIR, предлагая девятизначные зарплаты. Цель — создать ИИ, превосходящий человека во всех интеллектуальных задачах.

По слухам, Meta может отказаться от открытого кода в пользу закрытых моделей.

Вот DeepMind особенно жалко, если попилят, - очень эффективная команда.

*Мета - запрещенная в России организация.

#Meta #DeepMind #Gemini
———
@tsingular

AlphaEarth Foundations от DeepMind картографирует планету с беспрецедентной точностью

AlphaEarth Foundations интегрирует петабайты спутниковых данных — от радарных снимков до LiDAR-сканирования — в единую глобальную карту.

Обрабатывает информацию в 16 раз быстрее традиционных методов, создавая детализированные карты любого участка Земли площадью 10 метров.

Модель работает как «виртуальный спутник», генерируя недостающие данные там, где реальные наблюдения ограничены облачностью или недоступностью.

Технология использует продвинутую модель встраивания полей, которая собирает разнородные источники данных в унифицированное геопространственное представление.

paper

Бесполезно, короче, что-то замазывать на картах или запрещать сканирование. ИИ достроит недостающие куски.
Теперь Google знает о каждом квадратном метре планеты больше, чем мы о своих соседях. 🛰

#DeepMind #карты #GoogleEarth
------
@tsingular

DeepMind запустил на Kaggle бенчмарк SimpleQA для проверки фактологической точности ИИ

Google DeepMind выпустил новый датасет и рейтинг на Kaggle для оценки фактологической точности ИИ-систем в задачах вопросов-ответов.

Бенчмарк фокусируется на коротких фактических вопросах с однозначными ответами и измеряет "калибровку" моделей - способность понимать уверенность в собственных знаниях.

Т.е. модели должны не просто отвечать, но и указывать процент уверенности в ответе.

Интересно, что даже GPT-4 показал неожиданно низкие результаты по сравнению с другими оценками.

Методология включает техники снижения предвзятости и использует RAG для имитации реальных сценариев поиска информации.

Наконец-то можно будет объективно мерить, когда ИИ выдумывает, а когда просто не знает. Хотя если GPT-4 провалился, то что говорить о остальных.

Имеет смысл, конечно, такие бенчи разворачивать локально, чтобы они показывали наглядную картинку именно на ваших данных.
Тут Каггл может выступать наглядным примером.

#DeepMind #SimpleQA #Kaggle #обучение
———
#tsingular

Gemini Robotics 1.5 выводит ИИ-агентов в физический мир

Google DeepMind запустили Gemini Robotics 1.5 - платформу для создания роботов с возможностями детальных рассуждений и агентским функционалом.

Самое главное, - агентное поведение.

Роботы теперь могут решать сложные многоэтапные задачи, планировать действия и адаптироваться к новым ситуациям.

Платформа поддерживает перенос навыков между разными роботами. Научили одного - остальные тоже умеют.

В комплекте SDK для разработчиков, который позволяет настраивать поведение под конкретные задачи.

Ну что, как и было предсказано, - 2025й год воплощённого ИИ.
Мультиагенты уже загружаются в гуманоидов.

Хорошая новость, - это все opensource, - можно настроить под себя.

#Gemini #роботы #DeepMind
———
@tsingular

Бывшие исследователи OpenAI и DeepMind привлекли $300M на автоматизацию науки

Команда экс-сотрудников OpenAI и DeepMind получила $300 миллионов посевных инвестиций на создание ИИ-системы для автономных научных исследований.

Стартап планирует полностью автоматизировать цикл: гипотеза → эксперимент → валидация. Без участия человека.

Типичное распределение таких инвестиций: 40-50% на вычислительную инфраструктуру, 25-30% на таланты, 15-20% на лабораторное оборудование.

Основная проблема - как обеспечить воспроизводимость результатов и стандартизацию данных между разными лабораториями. Плюс вопросы безопасности при работе с потенциально опасными исследованиями.

По прогнозам Gartner, к 2028 году 75% корпораций будут использовать ИИ-исследователей.

Майнинг нобелевских премий :)

#OpenAI #DeepMind #Science
------
@tsingular

Матрица уже с нами.

Для тех, кто не понял,- это не видео, это игра реального времени.
В ней можно передвигаться бесконечно.

Маск пишет, что в следующем году весь контент будет создаваться индивидуально под человека.

Представьте индивидуальные игры, фильмы, сериалы, новости.

#GENIE #Google #Deepmind #Matrix
------
@tsingular

Gemini Embedding 2: Конец эпохи текстовых костылей

Google DeepMind только что выдал базу для новой архитектуры корпоративных знаний. Gemini Embedding 2 — это первая полностью мультимодальная модель эмбеддингов, которая официально хоронит разделение на текст, звук и картинку.

🛡 Единое пространство смыслов: Раньше для поиска по видео нужно было делать транскрибацию текста и OCR кадров. Теперь видео (до 120с), аудио, изображения и PDF живут в одном векторе на 3072 измерения.

Модель понимает контекст напрямую.

📐 Эластичность через MRL: Использование Matryoshka Representation Learning позволяет сжимать вектор до 768 без существенной потери точности.

🌍 Масштаб и нативка: Поддержка 100+ языков и 8192 токенов контекста. Главное — аудио теперь «всасывается» нативно, минуя этап перевода в текст, что снижает задержки в RAG-системах.

💼 Зачем бизнесу: Это инструмент для создания «живой» памяти компании. В неё можно закинуть записи встреч в Zoom, чертежи и сканы документов, не строя сложные ETL-пайплайны по извлечению признаков.
Поиск «кто и когда говорил про бюджет на 2026» теперь работает по оригиналу аудиозаписи.

🔮 Будущее: Мы уходим от текстоцентричных агентов к системам с общей памятью. Следующий шаг — нативное видео-понимание в реальном времени, превращающее любую камеру в умный поисковый индекс.

Доступно в Public Preview через Gemini API и Vertex AI

Хочется opensource, конечно, но все-равно круть.

#Gemini #DeepMind #Embeddings #Multimodal #RAG
———
@tsingular

Google Lyria 3 Pro: Генеративный ИИ для масштабного музыкального продакшена

Google DeepMind представили Lyria 3 Pro,- инструмент для создания полноценных треков до 3 минут с пониманием музыкальной структуры.

🎼 Архитектура трека: В отличие от ранних моделей, Lyria 3 Pro понимает композицию. Ей можно задать структуру: интро, куплеты, припев и бридж. Она удерживает гармонию и переходы на протяжении всего длинного трека.

https://aistudio.google.com/new_music

#Google #Lyria3 #DeepMind #Music
───
@tsingular

EVE Online + Google DeepMind: песочница для AGI

CCP Games (теперь Fenris Creations) объявили о партнёрстве с Google DeepMind. Исследовательский фокус — интеллект в сложных динамических системах, управляемых игроками.

🎮 Почему EVE: Это одна из немногих виртуальных сред, где экономика, политика, войны и предательства формируются самими игроками без сценарных рельсов. Для DeepMind это готовая модель реальной сложности — без необходимости симулировать её с нуля.

🧠 Наследие AlphaGo/AlphaStar: Проекты DeepMind уже доказали, что игры — легитимная тестовая площадка для ИИ. AlphaGo обыграл чемпионов го, AlphaStar соревновался в StarCraft. EVE — следующий уровень: не шахматная доска и не RTS-карта, а живая экосистема с 20+ летней историей и собственной макроэкономикой.

🔒 Границы: Исследование идёт в изолированных офлайн-копиях EVE, отключённых от продакшн-сервера Tranquility. Игроки не увидят ИИ-агентов в бою — пока.

💼 Зачем бизнесу: Корпоративные симуляции страдают от примитивности моделей. Если DeepMind научится работать в среде с реальной эмерджентностью и конкурентным давлением — это прямая дорога к ИИ, способному оперировать в рынках, переговорах и организационных структурах. EVE — sandbox для AGI-исследований, где «игроки» — аналоги экономических агентов.

🔮 Будущее: Партнёрство формирует новый класс тестовых сред: не синтетические бенчмарки, а живые системы с миллионами часов человеческого поведения. Если ИИ научится выживать в New Eden — он справится и с Wall Street.

#ИИ #DeepMind #EVEOnline #AGI #AlphaStar #геймдев #CCP #Fenris
───
@tsingular

DeepMind переизобрёл курсор мыши

Мышиный курсор с нами уже около 50 лет практически в неизменном виде.
DeepMind решили его обновить и сделали курсор, который понимает контекст: на что вы указываете и зачем.

🤖 Указал и спросил:
Курсор на базе Gemini понимает не только координаты, но и семантику объекта под ним.
Т.е. не надо объяснять что именно вы имеете ввиду, достаточно просто сказать "то", "это"
Ткнули в фото здания: «Покажи маршрут» и получили путь. В таблицу: «Сделай круговую диаграмму» и получили график. В рецепт: «Удвой ингредиенты» и получили пересчёт
Никаких длинных промптов и переключения окон: AI следует за указателем, а не остается в окошке приложения или в соседней вкладке

⚙️ Четыре принципа:
1. Поддержка потока: AI работает через все приложения, без «обходных маневров»
2. Показать и рассказать: курсор захватывает визуальный и смысловой контекст, компьютер «видит» сам
3. Обработка неточностей: «Исправь это», «Перемести сюда», «Что это?» учитывает динамику живого жеста и общий контекст
4. Пиксели становятся сущностями: рукописная заметка превращается в интерактивный to-do, кадр из видео путешествий становится ссылкой на бронирование ресторана

💼 Зачем бизнесу:
Это атака на интерфейс «чат с AI в отдельном окне». Microsoft Copilot Vision уже видит экран, Apple Intelligence встраивает Siri в контекст приложений, но Google делает ставку на самое базовое действие: указание. Magic Pointer появится в Googlebook (новая категория ноутбуков на Android, осень 2026), Gemini в Chrome доступна уже сейчас. Если курсор становится точкой входа к AI, побеждает тот, кто контролирует ОС, а не чат-бота.

Ещё один способ обработать фокус внимания.
Удобно и выглядит как подготовка к нейроинтерфейсам.

#DeepMind #Gemini #Googlebook #AI #UI #курсор #MagicPointer #интерфейс
------
@tsingular

Gemini 3.7 Flash от Google DeepMind: дешёвый Flash вышел на уровень флагманов

Google DeepMind выпустила Gemini 3.7 Flash, следующую итерацию линейки Gemini 3. Это мультимодальная модель с рассуждениями, построенная на базе Gemini 3.6 Flash. Контекст до 1 млн токенов, на вход текст, изображения, видео, аудио и PDF.

📋 Ключевые цифры:
• Цена: $0.75 за миллион входных токенов и $3.75 за выходные, с января 2027 года поднимается до $1.50 и $7.50
• Контекст 1 млн токенов на вход, 64 тысячи на выход
• Terminal-bench 3.0 (общие агентные задачи): 14.9% против 5.4% у предшественника
• AutomationBench (автоматизация корпоративных задач): 30.4% против 17%
• FrontierCode (качество кода): 43.6%, выше Claude Sonnet 5 с 42.7%

💡 Flash-линейка всегда была про скорость и низкую цену, а здесь Google выжала из неё производительность передовых моделей. Дешёвая модель обходит Claude Sonnet 5 и подходит вплотную к GPT-5.6 Terra по качеству кода, веб-разработке, длинному видео и длинному контексту.

📎 Карточка модели с бенчмарками: deepmind.google/models/model-cards/gemini-3-7-flash

Такой средний вариант между GPT 5.6 Tera и Sol получается

Ну не могли же они просто DeepSeek v4 pro скачать? :)
шутка

#Gemini #DeepMind
———
@tsingular

Google DeepMind представила крупнейший научный релиз со времен AlphaFold - платформу AlphaGenome Atlas

AlphaGenome Atlas, - это предиктивная карта эффектов всех 9 миллиардов возможных точечных замен во всем геноме человека.
Датасет объемом 1 петабайт в 30 раз больше базы AlphaFold и оцифровывает как 2% кодирующих белков, так и 98% остальных некодирующих зон, которые раньше считали бессмысленными, но где по факту скрыты причины большинства наследственных рисков.

🧬 9 миллиардов мутаций и единый скор влияния:
Проверить каждую мутацию в лаборатории невозможно. DeepMind объединила предсказания модели AlphaGenome и белковой AlphaMissense в единый AVI score.
Метрика оценивает сбои в сплайсинге РНК, транскрипции и экспрессии генов.
На когорте из 54 000 человек из UK Biobank атлас нашел на 22% больше скрытых связей между мутациями и белками, включая маркеры старения (PLA2G7) и датчики гипоксии (EGLN1).

🤖 Личный генетик: отдаем ДНК агентам через Science Skills:
Главный практический шаг для обычных людей: DeepMind выложила открытый репозиторий Science Skills по стандарту SKILL.md.
Набор навыков дает агентам доступ к API AlphaGenome Atlas, базам структур AlphaFold DB, UniProt и базе ClinVar.

🔬 Персональная наука на рабочем столе:
Теперь каждый с файлом секвенирования генома (WGS) или генетического теста может скормить данные локальному агенту.
Агент сопоставит личные мутации с базой DeepMind, отфильтрует шум и объяснит молекулярную механику организма без месяцев ожидания консультаций.

Удивительно, как на наших глазах генетика становится прикладным софтом.
Установил навык в ИИ агента с Astra и исследуй личный геном на уровне мировых лабораторий бесплатно.
Атлас: https://alphagenome.google/atlas
Навыки для установки в агентов: https://github.com/google-deepmind/science-skills

В ИИзбранном сделал полный разбор всех навыков коллекции.

#AlphaGenome #DeepMind #биология #агенты #генетика
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Dream-RSI от Google DeepMind: ускорение поиска решений агентами в 162 раза без переобучения моделей

И ещё пару слов про самоулучшающиеся системы.

Исследователи из Google DeepMind и университетов США выкатили фреймворк Dream-RSI.
Система решает проблему узкого горлышка рекурсивного саморазвития (RSI): как сделать поиск решений умнее без бесконечных и дорогих прогонов моделей.

🛌 Дерево решений как симулятор среды:
Обычно агент исследует задачи по жесткому шаблону поиска.
Оптимизировать стратегию на лету тяжело: проверка требует тысяч реальных запусков кода.
Dream-RSI превращает историю прошлых попыток в симулятор.
Все генерации кода и тесты сохраняются в дерево решений.
В фазе «сновидений» мета-агент создает новые правила поиска и прогоняет их по записанным веткам.
Оценка вариантов занимает миллисекунды: результаты исполнения кода уже зафиксированы в истории.

⚡️ Веса модели не меняются:
Базовая кодовая модель не трогается.
Саморазвитие идет только в коде оркестратора: куда ветвиться, сколько задач запускать параллельно, когда отсекать тупики и где завершать поиск.
Отобранная стратегия возвращается в реальную работу, собирает новые ветки и пополняет пул симуляторов.

📊 Рекорды эффективности:
При оптимизации алгоритма Lasso вызовы агента сократились в 162 раза по сравнению с SimpleTES при превосходстве над sklearn и glmnet.
В тестах GPU-ядер KernelBench целевая скорость получена в 1,79–2,43 раза быстрее по генерациям, а производительность ядер выросла до 2,09 раза.
В математических задачах бюджет вызовов упал более чем в 50 раз.

💼 Зачем бизнесу:
Логи неудачных попыток превращаются в обучающую среду!
Любой пайплайн агентов можно ускорить на порядок без дообучения нейросетей, - просто надстроив саморазвивающийся оркестратор.

Код проекта на GitHub.

#DreamRSI #Google #DeepMind #агенты #RSI
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен