Tag: DeepMind
Google DeepMind stellt die nächste Generation des KI-Modells für die Arzneimittelforschung vor – Reuters
- Google DeepMind stellt die nächste Generation des KI-Modells für die Arzneimittelforschung vorReuters
- Google DeepMind und Isomorphic Labs stellen das KI-Modell AlphaFold 3 vorDas Schlüsselwort | Produkt- und Technologienachrichten von Google
- Die neue KI von Google DeepMind sagt voraus, wie die Moleküle des Lebens interagierenAxios
- Alphafold 3.0: Der KI-Proteinprädiktor erhält ein UpgradeNature.com
- Der „Sprung nach vorne“ von Google DeepMind in der KI könnte Geheimnisse der Biologie enthüllenDer Wächter
Das neue AlphaFold von Google DeepMind kann einen viel größeren Ausschnitt des biologischen Lebens modellieren
Während das im Jahr 2020 veröffentlichte Vorgängermodell die Forschungsgemeinschaft mit seiner Fähigkeit, Proteinstrukturen vorherzusagen, verblüffte, fordern Forscher, dass das Werkzeug mehr als nur Proteine verarbeiten kann.
Jetzt, so DeepMind, kann AlphaFold 3 die Strukturen von DNA, RNA und Molekülen wie Liganden vorhersagen, die für die Arzneimittelentwicklung unerlässlich sind. Laut DeepMind bietet das Tool ein differenzierteres und dynamischeres Porträt der Molekülinteraktionen als alles, was bisher verfügbar war.
„Biologie ist ein dynamisches System“, sagte Demis Hassabis, CEO von DeepMind, Reportern in einem
Google DeepMind RecurrentGemma schlägt Transformer-Modelle
Google DeepMind hat ein Forschungspapier veröffentlicht, in dem ein Sprachmodell namens RecurrentGemma vorgeschlagen wird, das mit der Leistung transformatorbasierter Modelle mithalten oder diese sogar übertreffen kann und gleichzeitig speichereffizienter ist, was die Leistung großer Sprachmodelle in Umgebungen mit begrenzten Ressourcen verspricht.
Die Forschungsarbeit bietet einen kurzen Überblick:
„Wir stellen RecurrentGemma vor, ein offenes Sprachmodell, das Googles neuartige Griffin-Architektur nutzt. Griffin kombiniert lineare Wiederholungen mit lokaler Aufmerksamkeit, um hervorragende Sprachleistungen zu erzielen. Der Zustand hat eine feste Größe, was den Speicherverbrauch
Der neue KI-Assistent von Google DeepMind hilft Elite-Fußballtrainern, noch besser zu werden
Der Hauptvorteil besteht darin, dass der KI-Assistent die Arbeitsbelastung der Trainer verringert, sagt Ondřej Hubáček, ein auf Vorhersagemodelle spezialisierter Analyst beim Sportdatenunternehmen Ematiq, der nicht an dem Projekt mitgearbeitet hat. „Ein KI-System kann die Daten schnell durchgehen und auf Fehler hinweisen, die ein Team macht – ich denke, das ist der Mehrwert, den man von KI-Assistenten bekommen kann“, sagt er.
Um die Vorschläge von TacticAI zu bewerten, stellte GoogleDeepMind sie fünf Fußballexperten vor: drei Datenwissenschaftlern, einem Videoanalysten und einem Trainerassistenten,
Das neue generative Modell von Google DeepMind erstellt Super Mario-ähnliche Spiele von Grund auf
„Es ist eine coole Arbeit“, sagt Matthew Gudzial, ein KI-Forscher an der University of Alberta, der vor einigen Jahren einen ähnlichen Spielgenerator entwickelt hat.
Genie wurde anhand von 30.000 Stunden Videomaterial von Hunderten von 2D-Plattformspielen aus dem Internet geschult. Andere hätten diesen Ansatz schon einmal gewählt, sagt Gudzial. Sein eigener Spielegenerator lernte aus Videos, abstrakte Plattformspiele zu erstellen. Nivida nutzte Videodaten, um ein Modell namens GameGAN zu trainieren, das Klone von Spielen wie Pac-Man erzeugen konnte.
Aber alle diese Beispiele
Demis Hassabis, CEO von Google DeepMind, auf dem Weg von Chatbots zu AGI
Der Geist hinter DeepMind.
source site
Das neue KI-System von Google DeepMind kann komplexe Geometrieprobleme lösen
Um das Sprachmodell von AlphaGeometry zu trainieren, mussten die Forscher ihre eigenen Trainingsdaten erstellen, um den Mangel an vorhandenen geometrischen Daten auszugleichen. Sie generierten fast eine halbe Milliarde zufällige geometrische Diagramme und speisten sie in die symbolische Engine ein. Diese Engine analysierte jedes Diagramm und erstellte Aussagen über deren Eigenschaften. Diese Aussagen wurden in 100 Millionen synthetische Beweise organisiert, um das Sprachmodell zu trainieren.
Roman Yampolskiy, außerordentlicher Professor für Informatik und Ingenieurwesen an der University of Louisville, der nicht an
Google DeepMind nutzte ein großes Sprachmodell, um neue Mathematik zu entdecken
FunSearch (so genannt, weil es nach mathematischen Funktionen sucht, nicht weil es Spaß macht) setzt eine Reihe von Entdeckungen in grundlegender Mathematik und Informatik fort, die DeepMind mithilfe von KI gemacht hat. Zuerst hat AlphaTensor einen Weg gefunden, eine Berechnung im Herzen vieler verschiedener Arten von Code zu beschleunigen und damit einen 50-Jahres-Rekord gebrochen. Dann fand AlphaDev Möglichkeiten, wichtige Algorithmen, die Billionen Mal am Tag verwendet werden, schneller laufen zu lassen.
Diese Tools verwendeten jedoch keine großen Sprachmodelle. Beide basieren
Das neue Gemini-Modell von Google Deepmind sieht großartig aus – könnte aber den Höhepunkt des KI-Hypes signalisieren
„Das Modell ist von Natur aus leistungsfähiger“, sagte Sundar Pichai, CEO von Google und seiner Muttergesellschaft Alphabet, gegenüber MIT Technology Review. „Es ist eine Plattform. KI ist ein tiefgreifender Plattformwandel, der größer ist als das Web oder Mobilgeräte. Und deshalb ist es ein großer Schritt für uns.“
Es ist ein großer Schritt für Google, aber nicht unbedingt ein großer Fortschritt für die gesamte Branche. Google DeepMind behauptet, dass Gemini GPT-4 bei 30 von 32 Standardleistungsmaßstäben übertrifft. Und doch sind die
Das neue KI-Tool von Google DeepMind hat dazu beigetragen, mehr als 700 neue Materialien zu erstellen
GNoME kann laut Ju Li, einem Professor für Materialwissenschaften und -technik am Massachusetts Institute of Technology, als AlphaFold für die Materialentdeckung beschrieben werden. AlphaFold, ein im Jahr 2020 angekündigtes DeepMind-KI-System, sagt die Strukturen von Proteinen mit hoher Genauigkeit voraus und hat seitdem die biologische Forschung und Arzneimittelentwicklung vorangetrieben. Dank GNoME hat sich die Zahl der bekannten stabilen Materialien fast verzehnfacht, auf 421.000.
„Während Materialien in fast jeder Technologie eine sehr entscheidende Rolle spielen, kennen wir als Menschheit nur einige Zehntausende