Демис — один из умнейших людей планеты, который заслуженно получил в 2024 году Нобелевскую премию по химии за разработку программы AlphaFold. По образованию программист и нейробиолог, а список его наград и достижений больше, чем типичный пикабушный 49,5.

Начинал работу Демис программистом искусственного интеллекта для видеоигр, работал с нескольким достаточно известными компаниями, но в конце-концов решил вернуться в науку, основав ту самую DeepMind. По счастью, Google вовремя подсуетилась, приобретя стартап за смешную сумму в 400-600 млн. фунтов стрелингов. На компанию тогда претендовала и Facebook, но, как истинный еврей Марк Цукерберг не согласился заплатить запрошенную сумму. И с тех пор понеслось.

Первоначально подразделение работало над искусственным интеллект для игр (похоже, эта сфера Демиса так и не смогла отпустить), обучая ИИ играть в разные старенькие игрушки. И уже в 2015 году создало AlphaGo – программу, которая последовательно побеждала любого человека, в том числе и чемпионов, в игру Го. Что, в отличии от шахмат, считалось невозможным — слишком много в Го возможных сценариев игры. После AlphaGo DeepMind выпустила ещё несколько программ, которые могли играть не только в Го, но и в другие игры.

С тех пор DeepMind периодически создавала продукты, в основе которых лежали нейронные сети. А в 2023 году DeepMind объединилась с Google Brain – ещё одним исследовательским проектом Google, так же занимающимся проблемами искусственного интеллекта. И окончательно стала тем, кем сегодня является — лучшей лабораторией, работающей над проблемами искусственного интеллекта. Подобные отделы есть у многих компаний, разрабатывающих ИИ, но DeepMind тут вне конкуренции.

Кстати, мало кто знает, но именно Google Brain в 2017 году представили трансформерную архитектуру, лежащую в основе всех больших современных нейросетей. Так что теперь вы знаете, кого винить за заполонившие интернет сгенерированные картинки, видео и тексты. И то ли ещё будет!

Deep Money

Как и любая компания, Google очень любит денежки, поэтому DeepMind пришлось частично переквалифицироваться и заняться запуском коммерческих продуктов. И если сначала команда сильно отставала от конкурентов в лице тех же OpenAI или Midjourney, то теперь захватила лидерство по многих позиция.

Основным является Gemini — семейство моделей искусственного интеллекта общего назначения, аналог GPT от OpenAI или DeepSeek:

Veo. Про эти модельки, наверное, не слышал только ленивый (даже если не слышали название, то уж популярные ролики-интервью или средневековые блоги точно видели). На сегодняшний день это лучший генератор видео, который в 2025 году научился не только видео показывать, но ещё и озвучивать его.

Imagen. Аналог Midjourney, генератор картинок.

Lyria. Генератор песен и картинок, как более известные Suno и Udio.

Deep Science

Наукой в Deep Mind занимаются всерьёз, причём область интересов крайне обширна: тут и фундаментальная/прикладная математика с физикой, и химия, и биология и много чего ещё. Вот, например, статья, даже название-то которой с трудом понимаешь:

Результатом вот таких вот исследований стал целый набор нейросетей, которые помогают учёным двигать науку дальше. Цели разработок исключительно благие: захват власти над миром создание искусственного интеллекта, который сможет решить проблемы человечества.

Для этого у DeepMind целый набор моделей по биологии, математике, физики, химии и климату:

Самой известной моделью, за которую Демис Хассабис и удостоился Нобелевской премии, является AlphaFold. Первая её версия была выпущена в 2018 года, а третья — в 2024 году и работа над новыми продолжается.

AlphaFold 3 предназначена для предугадывания состава и формы белков, а также их взаимодействия с широким спектром разных других молекул. На сегодняшний день AlphaFold 3 уже предсказала более 200 миллионов разных белков с высокой степенью точности. Выявление структуры традиционными способами такого количества молекул просто-напросто невозможно:

Используется эта нейросеть крайне активно в огромном количестве исследований: разработке лекарств от малярии, раннего выявления остеопороза, разработке методов борьбы с резистентыми бактериями и так далее.

В 2025 году DeepMind представила ещё одно нейросеть: AlphaGenome, которая может предсказывать (во всяком случае, пытается) регуляторную способность участка ДНК. На вход модели подаётся последовательность ДНК длинной до миллиона оснований, а на выходе получаются данные о местах сплайсинга, начале и конце генов, количестве РНК и других молекулярных механизмах с разной степенью вероятности:

Однако без практического применения наука мало кому интересна, так что AlphaFold уже применяется в разработке (именно в разработке, а не исследованиях) реальных лекарств. Об этом заявил глава Isomorphic Labs, дочернего подразделения Alphabet, Колин Мердок. По его словам, уже в ближайшее время лаборатория приступит к испытанию на людях ряда лекарств, разработанных при помощи нейросети AlphaFold.

Ещё одна моделька, Wether Next, предназначена для предсказания погоды. И делает это так ловко, что превзошла по точности традиционные детерминированные модели:

А модель Fusion предназначена для моделирования поведения плазмы термоядерном реакторе, что в перспективе позволит человечеству получить стабильный и практически безграничный источник энергии:

Всем наука

Перечисленные нейросети от Deep Mind (их, кстати, в основном предоставляют бесплатно или с небольшими ограничениями) далеко не единственные. Специализированных нейросетей для науки в разных её проявлениях наклепали уже тысячи разных, не только от Google:

И они весьма активно используются, так что не котиками едиными.

P.S. Ещё у меня есть бессмысленные и беспощадные ТГ-каналы (ну а как без них?):

О науке, творчестве и прочей дичи: https://t.me/deeplabscience;

Вот тут про молекулярную биологию, медицину и новые исследования: https://t.me/nextmedi.

--

Мой тг-канал: ИИ by AIvengo, пишу ежедневно про искусственный интеллект

• Внедрили систему в работу своих дата-центров, получив значимый эффект (какой, не говорят);

• Изменили алгоритм управления своей организации дата-центров, чем выгадали 0,7% прибавки в мощности. Цифра вроде не сильно большая, но помноженная на миллионы устройств, даёт существенный прирост;

• Переписали язык описания оборудования (Verilog), заоптимизировав перемножение матриц на физическом уровне. Обещают, что изменения войдут в их разрабатываемый TPU, благодаря чему он уделает жалки поделки Хуанга неоптимизированные архитектуры;

• Ускорили некоторые функции ядра самой Gemini, благодаря чему обучать нейросетку стало на 1% быстрее. Тоже вроде бы так себе цифра, но учитывая масштабы, хорошо. Плюс уменьшили в разы время разработки некоторых компонентов ядра нейросетки;

• Заоптимизировали несколько математических алгоритмов, в том числе те, которые применяются в нейросетях. Примерно в 20% случаев AlphaEvolve так или иначе, но улучшала существующие алгоритмы в разных областях науки. То, что делали кожаные, когда пилили DeepSeek, теперь делают сами железки.

Последний пункт особенно интересен, потому что компьют компьютом, но железа не хватает и не будет хватать ещё очень-очень долго. Единственный разумный путь развития — заоптимизировать всё наглухо, для чего AlphaEvolve и предназначен. Так глядишь, найдётся что-то и покруче трансформера.

P.S. Ещё у меня есть бессмысленные и беспощадные ТГ-каналы (ну а как без них?):

О науке, творчестве и прочей дичи: https://t.me/deeplabscience

Об играх и игровой индустрии: https://t.me/gameprodev

Подразделение DeepMind от Google длительное время занимало лидирующие позиции в различных достижениях в области искусственного интеллекта, привлекая внимание своими победами в 2016 году. В тот период одна из её систем победила чемпиона мира по стратегической игре Go, что казалось тогда невероятным. Когда соучредитель DeepMind, Мустафа Сулейман, делится своим видением будущего искусственного интеллекта, стоит обратить внимание, особенно если вы начинающий предприниматель. Возможно, искусственный интеллект вступит в вашу область!

В ходе встречи на Всемирном экономическом форуме в Давосе на этой неделе Сулейман предположил, что технологии искусственного интеллекта в ближайшее время достигнут уровня, позволяющего создавать и управлять компаниями, успешно реализуя продукты. По его мнению, такие возможности станут широко доступными по очень доступным ценам, возможно, даже в форме систем с открытым исходным кодом, делая некоторые аспекты этих выдающихся ИИ бесплатными. Он утверждает, что искусственный интеллект, заменяющий предпринимателя, станет реальностью примерно через десятилетие.

Хотя вопрос о том, сможет ли искусственный интеллект действительно конкурировать с человеком в стартап-игре, остается открытым, сам факт утверждения Сулеймана вызывает изумление. Однако существуют сложности, связанные с юридическими аспектами, такими как вопрос о том, может ли ИИ владеть интеллектуальной собственностью или патентовать ее. Великобританское решение недавно заявило, что искусственный интеллект не может быть владельцем патента.

Сулейман также подчеркнул, насколько все это теоретично, основывая свои размышления на том, способен ли искусственный интеллект пройти знаменитый тест Тьюринга. Он предложил, что лучшим тестом было бы проверить, сможет ли AGI выполнять сложные задачи, такие как роль предпринимателя. Несмотря на теоретический характер этого рассуждения, оно вызывает удивление и может вызвать беспокойство среди критиков, опасающихся разрушительного воздействия ИИ, а также среди инвесторов, решивших вкладываться в стартап с главным исполнителем из кремниевых чипов. Сам Сулейман даже признал, что такие инновации могут вызвать огромный экономический кризис.

Тест Тьюринга — это проверка, предложенная Аланом Тьюрингом, в которой человек общается с устройством, пытаясь определить, является ли это устройство человеком или машиной. Если искусственный интеллект способен обмануть человека и заставить его думать, что он общается с другим человеком, то он считается прошедшим тест Тьюринга. Сулейман предложил использовать более сложные задачи, такие как роль предпринимателя, в качестве более релевантного теста для AGI.

Источник: AINews