DeepMind이 Nature에 발표한 논문에서는 행렬 곱셈과 같은 기본 작업을 위한 혁신적이고 효율적이며 증명 가능한 알고리즘을 발견하는 인공지능 시스템인 AlphaTensor를 소개합니다. 이는 50년간의 수학적 문제를 해결하는 데 가장 빠른 방법을 찾는 데 도움이 됩니다. AlphaTensor는 AlphaZero를 기반으로 구축되었으며, 이 작업은 AlphaZero의 게임에서 수학 문제를 해결하기까지의 여정을 나타냅니다.
골이 부러지기 전 질병의 조기 징후 감지
단백질 돌연변이가 질병과 장애를 일으키는 메커니즘 이해에 도움
50,000년 전 멸종한 종을 연구하기 위한 도구 개발
Sparrow는 위험하고 부적절한 답변의 위험을 줄이면서 유용한 대화 에이전트로, 사용자와 대화하고 질문에 답변하며 필요할 때 Google을 사용하여 인터넷을 검색하여 답변을 제공하는 에이전트를 소개하는 논문이 최신입니다.
AI를 활용한 초기발병 파킨슨병 예측으로 새로운 치료법 개척.
DeepMind의 운영 원칙은 보급혜택 우선 및 추구하지 않는 연구 및 응용 분야를 정의하는 데에 기여했다. 이러한 원칙은 DeepMind의 결정에 중심 역할을 해왔으며, AI 분야의 변화와 성장에 따라 계속해서 개선되고 있다. 이러한 원칙들은 연구 주도 과학 기업으로서의 역할에 맞추어 설계되었으며, Google의 AI 원칙과 일관성이 있다.
DeepMind의 CBO인 Colin은 Alphabet과의 협업 및 윤리, 책임성, 안전성을 우리의 모든 활동에 통합하는 방법에 대해 논의합니다.
새 논문 ‘AI와 대화: 인간의 가치와 언어 모델 조정’은 인간과 인공 대화 에이전트 간의 성공적인 커뮤니케이션을 탐구하며 이러한 맥락에서 대화를 이끌어야 하는 가치에 대해 논의한다.
인간과 동물의 움직임을 활용하여 로봇에게 공을 드리블하고 시뮬레이션된 인간형 캐릭터에게 상자를 옮기고 축구를 시키는 방법을 연구했다.
구글 딥마인드는 Zindi와 협력하여 거북이 얼굴 인식 기술을 개발해 보존 노력을 지원하고 AI 참여를 촉진하는 프로젝트를 시작했다. Zindi의 경쟁에서 영감을 받아 실제 영향을 줄 수 있는 프로젝트를 선정했다.
안전하고 일치된 인공 일반 지능(AGI) 시스템을 구축하고자 하는 노력 속에서, 인공 에이전트의 동기를 추론할 수 있는 인과적 영향 다이어그램 (CID)이 중요한 역할을 한다. 훈련 설정을 에이전트 행동에 영향을 미치는 동기와 관련시킴으로써, CIDs는 에이전트를 훈련하기 전 잠재적 위험을 밝히고 더 나은 에이전트 디자인을 영감을 줄 수 있다. 그렇다면, 우리는 어떻게 알 수 있을까? CID가 훈련 설정의 정확한 모델인지를요.
레이시마니아시스 치료법을 찾기 위한 노력을 가속화하고 있습니다.
