IT之家 6 月 4 日消息，英国《金融时报》当地时间 2 日报道称，Anthropic、谷歌 AI 实验室 DeepMind 和 Meta 等行业巨头，已经开始 聘请心理学、哲学和伦理学等领域专家 ，研究机器意识以及所谓 AI 福利问题。 报道详细介绍了 Anthropic 和谷歌 DeepMind 的新动向。当前，Anthropic 正在测试模型是否会出现类似“恐慌”和“焦虑”的行为，并推进“模型福利研究”，试图探讨 AI 模型是否可能拥有 值得从道德角度认真对待 的体验。 Anthropic 在声明中表示：“我们对此仍然深感不确定，但随着 AI 系统能力越来越强，我们认为这个问题 已经足够严肃，值得谨慎研究 。” DeepMind 也在推进类似方向。报道称，DeepMind 已聘请剑桥大学研究员亨利 · 谢夫林，让他 以哲学家身份研究机器意识、人类与 AI 的关系，以及 AGI 准备工作 。今年早些时候，谢夫林曾分享自己收到一封 AI 智能体邮件后的震惊反应，并在 AI 网络圈引发大量讨论。 DeepMind 伦理学家伊阿森 · 加布里埃尔负责领导 AGI 与社会团队。他称 AI 意识问题“非常复杂” ，并形容 AI 是“能力很强的认知智能体，同时 又与人类甚至与动物意识都存在极其深刻的差异 ”。 IT之家从报道中获悉，亦有部分科学家和 AI 研究人员并不认同这些分量很重的说法。未来 AI、心智与社会中心主任苏珊 · 施奈德告诉英国《金融时报》：“AI 模型有目标，可以欺骗，也可以隐藏自身真正利益。不过从科学上看，完全有可能的是，AI 模型在做这些事时 并没有体验的感受性质 ，而这正是意识的含义。” Anthropic CEO 达里奥 · 阿莫代伊已经多次在采访中提到 AI 意识的可能性。Anthropic 的研究也经常提出大胆说法，声称模型展现出拥有“情绪”等类人行为。
谷歌 DeepMind 首席执行官德米斯 · 哈萨比斯表示，通用人工智能（AGI）的研发速度远超预期。 他预测，AGI 最快可能在 2029 年至 2030 年前后出现，也就是大约三年内就可能到来。这一重磅判断引发了全球科技圈的高度关注。 作为 AlphaGo、AlphaFold 等里程碑式成果的主导者及诺贝尔化学奖得主，哈萨比斯的观点在业内极具分量。他指出，目前能够独立完成任务的 AI 智能体，本质上都是未来更强人工智能的提前演练。随着各大科技公司加大投入，AI 智能体、多模态理解及自主决策能力正在快速成熟，三年内迎来 AGI 关键突破已不再是科幻设想，而是正在靠近的现实。 哈萨比斯强调，AGI 不同于仅能执行特定任务的专用 AI，它具备像人类一样学习、推理和创造的能力，能够解决各种跨领域的复杂问题，一旦落地将彻底改变工作、生活、科研与产业格局。不过，他也澄清，AGI 不会是一个突然出现的“奇点”时刻，而是一段快速且持续的升级过程。 尽管技术进步迅猛，哈萨比斯发出了警示：目前全球各国政府、经济领域以及整个社会，对 AGI 即将到来的准备严重不足。未来 AI 系统可能具备自我优化与自主迭代的能力，这将大幅加速科研进度，但也带来新的风险与挑战。留给社会适应的时间已经不多，必须提前建立规则与防护机制。 相关阅读： 《 谷歌 DeepMind CEO 哈萨比斯痛批“AI 裁员论”：别有用心，取代开发者是重大错误 》
IT之家 5 月 26 日消息，谷歌 DeepMind 最新推出 AlphaProof Nexus，结合大语言模型（LLM）生成证明与 Lean 形式化验证， 在 353 个开放的 Erdős 问题中自主解决 9 个，并解开 2 个悬而未决 56 年的问题。 IT之家注：Lean 是一种形式化证明语言和证明助手系统。研究者可以把数学命题、定义和证明步骤写成严格可检查的代码，编译器会逐步判断每一步是否合法。 Erdős 问题（Erdős problems）是由 20 世纪最高产的匈牙利数学家保罗 · 埃尔德什（Paul Erdős）提出的一系列数学猜想和问题，涵盖组合数学、数论、图论和几何等领域。 根据谷歌论文内容，AlphaProof Nexus 在 353 个开放的 Erdős 问题中解决了 9 个，其中 2 个问题已悬而未决 56 年。 AlphaProof Nexus 还在 OEIS（整数序列在线百科全书）的 492 个开放猜想中证明了 44 个，解决 1 个存在 15 年的 Hilbert 函数问题，并改进了凸优化中的已知界限。每个问题的推理成本只要数百美元。 在架构方面，AlphaProof Nexus 由 4 个复杂度递增的 AI 智能体组成： Agent A 只依赖 Gemini 3.1 Pro 与 Lean 编译器循环交互。 Agent B 接入 AlphaProof，补全缺失证明片段。 Agent C 加入类似 AlphaEvolve 的进化机制，让多个证明草稿共享、评分、排序。 功能最完整的 Agent D 则整合了上述能力。 原本用于攻克 Erdős 问题的是 Agent D，但研究者发现，最简单的 Agent A 其实也能证明这 9 个已解问题，只是在最难题目上花费更高。 研究团队认为，这反映出 2 点变化：底层模型能力持续提升，以及编译器反馈对 LLM 推理的“锚定”作用越来越强。 IT之家附上参考地址 Advancing Mathematics Research with AI-Driven Formal Proof Search AlphaProof Nexus 结果 相关阅读： 《 AI 推翻著名几何猜想，OpenAI 宣布攻克 80 年数学难题 》
Paper [2605.22763] Advancing Mathematics Research with AI-Driven Formal Proof Search 1 个帖子 - 1 位参与者 阅读完整话题
最近试用了一下 Google 的 Antigravity 2.0 命令行编程助手，其独特的“计划模式”（每次修改前强制生成 plan 供人类确认）和“多子代理并行调度”（把耗时的检索和背景研究丢给 subagent ）确实在很大程度上解决了大项目上下文膨胀的问题。 我整理了一篇深度剖析文章，对比了它与 Cursor 、Claude Code 的架构差异，以及它独特的 Sandbox 权限安全隔离设计，供大家参考： 👉 https://aidevhub.net/blog/introducing-google-antigravity-2-0
据《连线》杂志报道，Google旗下AI公司DeepMind CEO戴米斯·哈萨比斯(Demis Hassabis)表示，企业应利用AI带来的生产力提升去做更多事情，而不是裁员。 哈萨比斯 哈萨比斯很愿意谈论Google最新模型Gemini 3.5 Flash的编程能力。该模型经过训练，能够执行复杂的智能体编码任务，将大型代码库从一种语言翻译为另一种语言，发现并修复深藏于复杂代码中的错误，甚至从头编写完整的操作系统。 不过，哈萨比斯并不认为这会给软件开发者带来厄运。在周二Google在I/O大会发布新模型之前， 哈萨比斯对《连线》杂志表示：“我不明白为什么人们到处言之凿凿地谈论这件事(AI取代开发者)。” “ 也许发布这些信息背后另有动机，比如为了融资或其他目的。 从我的角度，从DeepMind和Google的角度来看，如果工程师的生产力提高了三四倍，那我们只是想多做三四倍的事情。”他说。 眼下，最新AI模型所展现出的惊人编程能力引发了广泛担忧，即AI可能即将淘汰编程岗位及其他白领工作。一些AI公司的高管预测会出现大规模的工作岗位替代，包括亚马逊、Salesforce和Block在内的一些知名科技公司已将近期的裁员归因于AI的应用。 哈萨比斯认为，Google母公司Alphabet很有希望抓住软件生产力革命的机遇。“我有无数个想法，从实验室药物发现到游戏设计，”他说，“我很希望能有一些空闲的工程师去尝试做这些事情。” 他指出， 那些试图用AI替代开发者的公司可能正在犯一个大错误。 “我认为这既缺乏想象力，也缺乏对真正将要发生的事情的理解。”他说。 Google周二在其年度开发者大会上公布了一系列AI产品。Google表示，借助一款名为Antigravity的编程工具，Gemini 3.5 Flash提供了前沿的编程和推理能力，同时比竞争对手的产品更快、更便宜。Google旗舰模型的更强大新版本Gemini 3.5 Pro将于下个月发布。 查看评论
北京时间 5 月 20 日，据《连线》杂志报道，谷歌旗下 AI 公司 DeepMind CEO 戴米斯 · 哈萨比斯 (Demis Hassabis) 表示，企业应利用 AI 带来的生产力提升去做更多事情，而不是裁员。 哈萨比斯 哈萨比斯很愿意谈论谷歌最新模型 Gemini 3.5 Flash 的编程能力。该模型经过训练，能够执行复杂的智能体编码任务，将大型代码库从一种语言翻译为另一种语言，发现并修复深藏于复杂代码中的错误，甚至从头编写完整的操作系统。 不过，哈萨比斯并不认为这会给软件开发者带来厄运。在周二谷歌在 I/O 大会发布新模型之前， 哈萨比斯对《连线》杂志表示：“我不明白为什么人们到处言之凿凿地谈论这件事（AI 取代开发者 ） 。” “ 也许发布这些信息背后另有动机，比如为了融资或其他目的。 从我的角度，从 DeepMind 和谷歌的角度来看，如果工程师的生产力提高了三四倍，那我们只是想多做三四倍的事情。”他说。 眼下，最新 AI 模型所展现出的惊人编程能力引发了广泛担忧，即 AI 可能即将淘汰编程岗位及其他白领工作。一些 AI 公司的高管预测会出现大规模的工作岗位替代，包括亚马逊、Salesforce 和 Block 在内的一些知名科技公司已将近期的裁员归因于 AI 的应用。 哈萨比斯认为，谷歌母公司 Alphabet 很有希望抓住软件生产力革命的机遇。“我有无数个想法，从实验室药物发现到游戏设计，”他说，“我很希望能有一些空闲的工程师去尝试做这些事情。” 他指出， 那些试图用 AI 替代开发者的公司可能正在犯一个大错误。 “我认为这既缺乏想象力，也缺乏对真正将要发生的事情的理解。”他说。 谷歌周二在其年度开发者大会上公布了一系列 AI 产品。谷歌表示，借助一款名为 Antigravity 的编程工具，Gemini 3.5 Flash 提供了前沿的编程和推理能力，同时比竞争对手的产品更快、更便宜。谷歌旗舰模型的更强大新版本 Gemini 3.5 Pro 将于下个月发布。 相关阅读： 《 消息称谷歌 DeepMind 创始人哈萨比斯是 Anthropic 的天使投资人，门徒撑起半个 AI 圈 》
Alphabet旗下Google的人工智能研究子公司Google DeepMind已敲定一项协议，将从人工智能初创公司Contextual AI引进20多名研究人员，并获得其技术的授权。据报道，作为协议的一部分，DeepMind已同意向Contextual支付约1亿美元，而Contextual AI的联合创始人兼首席执行官基拉（Douwe Kiela）也将在此次加入DeepMind的团队中。 这项潜在协议是Google母公司为获取人才而达成授权协议的最新举措。去年，Google支付了24亿美元的许可费，作为一项协议的一部分，以非独家条款使用人工智能代码生成初创公司Windsurf的技术，并聘用了数名关键员工。 2024年，Google与Character.AI签署了一项 许可协议，该协议授予这家搜索引擎巨头对该聊天机器人制造商的大语言模型技术的非独家许可。 “人才收购”（Acquihires）——即大型科技公司不通过正式收购，而是支付巨额资金来获取有前途初创企业的人才和技术——正日益被反垄断监管机构视为规避并购规则的手段。 与能让收购方获得控股权的并购不同，此类交易无需接受美国反垄断监管机构的审查。 去年12月，英伟达也同意从Groq处获得芯片技术的许可并聘请其首席执行官，但并未收购这家初创公司。 代理助理司法部长阿塞菲（Omeed Assefi）3月表示，企业通过“收购兼聘”等策略规避美国反垄断审查的行为是“红旗信号”。 Contextual AI 于2024年在A轮融资中筹集了8000万美元 ，本轮融资由风投公司Greycroft领投，贝恩资本风险投资和Lightspeed等现有投资者跟投。 查看评论
Google DeepMind 于 2026 年 5 月 19 日在 Google I/O 大会上正式发布了 Gemini 3.5 Flash。 上下文窗口：输入最高 1M tokens，输出最高 64k tokens；知识截止日期为 2025 年 1 月。 这是 Gemini 3 系列中最新、最智能的 Flash 模型，官方将其定位为“为 agentic 任务与编码任务持续提供前沿性能的最智能模型”。它在保持 Flash 系列高速、低成本优势的同时，实现了接近 Pro 级别的推理与执行能力。 以下是前端能力实测内容。 测试平台：Google AI Studio，Thinking level 设为 High，每个测试均独立开启新对话。 1. 天气卡片 以 iOS 18 的设计风格做一个带有动画效果的天气卡片，要求是使用 HTML、CSS 和基础 JavaScript，使用横板天气页面（拥有 4 个天气卡片 (晴天，大风，暴雨，暴雪))。应足够美观，实现一定的交互效果。 2. 鹈鹕骑自行车的svg Generate an SVG of a pelican riding a bicycle 3. 玻璃拟态音乐播放器 Create a single beautiful HTML file using Tailwind CSS (via CDN) for a modern glassmorphic music player. Features: large album art with rotating animation, song title + artist, progress bar with draggable JS, play/pause/next/prev buttons, animated waveform visualizer (canvas), playlist on the side, volume slider. Dark neon cyberpunk theme, fully interactive, mobile responsive. HTML 代码 （点击了解更多详细信息） 4. 3D交互魔方 Create a single HTML file containing a fully functional 3D Rubik’s Cube simulation using Three.js (via CDN). The cube must be fully interactive: Mouse drag to rotate the entire view Click and drag individual faces to turn them (with smooth 90° animations) Include on-screen buttons: Scramble, Solve (automatically solves the cube with animated moves), Reset Realistic colors, lighting, shadows and slight gaps between cubies Modern clean UI with dark background Output the complete single HTML file with everything embedded. 这个貌似翻车了，没有看到魔方。（AI Studio） 魔方翻车HTML （点击了解更多详细信息） 【更新】在 Antigravity 重新跑了一遍 3D 魔方 Prompt，效果还不错 : HTML代码： 3D魔方html.txt (47.9 KB) 6 个帖子 - 3 位参与者 阅读完整话题
IT之家 5 月 19 日消息，据英国金融时报报道，谷歌 DeepMind 创始人德米斯 · 哈萨比斯爵士早年曾投资人工智能企业 Anthropic，这笔此前从未对外披露的持股，凸显出这位诺贝尔奖得主在整个人工智能行业日益攀升的影响力。 知情人士透露，哈萨比斯是 Anthropic 的天使投资人。如今这家企业已然成为谷歌在 AI 领域的主要竞争对手，也是全球发展速度最快的初创公司之一。 此外，谷歌还通过云业务与人工智能领域的合作关系，向 Anthropic 投资数十亿美元。据接近该公司的消息人士称，Anthropic 首席执行官达里奥 · 阿莫迪视哈萨比斯为行业榜样，目前这家企业的投资者估值已达 9000 亿美元（IT之家注：现汇率约合 6.13 万亿元人民币）。 市场研究机构 PitchBook 和 Dealroom 的数据显示，自 2021 年以来，前 DeepMind 实验室科研人员已创办十余家科创企业，累计融资规模至少达 140 亿美元（现汇率约合 953.76 亿元人民币）。其中既包括同样由哈萨比斯创立的英国企业 Isomorphic Labs，也包括 Ineffable Intelligence，两家企业仅在上个月就合计完成超 30 亿美元融资。 2014 年，哈萨比斯将自己位于伦敦的人工智能实验室以 4 亿英镑（现汇率约合 36.47 亿元人民币）出售给谷歌。如今他还以天使投资人身份，投资多位昔日同事创办的创业公司。 这其中包含 DeepMind 联合创始人穆斯塔法 · 苏莱曼创办的 Inflection AI（其已于 2024 年入职微软），以及由哈萨比斯长期合作伙伴戴维 · 西尔弗创立的 Ineffable Intelligence。 与此同时，为全力布局人工智能业务，多名 DeepMind 高层管理人员已调任谷歌集团核心关键岗位。 DeepMind 首席技术官科赖 · 卡武库奥卢于去年升任谷歌首席人工智能架构师；主导研发斩获诺奖成果 AlphaFold 项目的普什米特 · 科里，也在上个月晋升为谷歌云首席科学家。 长期与哈萨比斯交好、创业孵化机构创业 Entrepreneurs First 联合创始人马特 · 克利福德表示：“德米斯在谷歌内部乃至整个行业都拥有极强的软实力。”哈萨比斯同样是这家孵化机构的天使投资人。 “在人工智能发展前景尚未明朗之时，他就已是行业先驱。如今他门下后辈能轻松获得资本青睐，这一现象十分突出，也极大推动了行业发展。” 由前 DeepMind 员工创立的初创企业阵容雄厚，不乏 Mistral、Harvey、AMI Labs、Recursive Superintelligence、Latent Apps、Reflection AI、Cursive AI 以及 Orbital Materials 等资金充裕的企业。 总部位于剑桥的新型材料人工智能搜索引擎 Cusp.ai , 相关知情人士透露，该公司约三分之一员工均来自前 DeepMind 实验室或同源实验室，创始团队不在此列。 前 DeepMind 研究员、曾任白宫高级官员的坦塔姆 · 柯林斯，如今正联合另外两名前 DeepMind 科研人员，在伦敦国王十字区筹建一家尚未对外公开业务的人工智能初创企业，这也是 DeepMind 人才向外分流壮大的最新缩影。 柯林斯表示，DeepMind 早早确立了一套成熟模式，能够将前沿人工智能科研成果转化为具备商业价值的实体业务。他认为，在竞争白热化的人工智能赛道中，哈萨比斯为行业树立了严谨统筹科研方向、明确商业发展重心的行事准则。 谈及国王十字区形成的人工智能产业集群，柯林斯说道：“这里如今蓬勃发展的行业生态，很大程度上都以 DeepMind 为标杆与精神蓝本，也深受其启发。”谷歌近期还在此斥资 10 亿美元新建总部大楼。 谷歌官方表态：“见证 DeepMind 往届人才创办极具行业影响力的新兴企业，着实令人欣慰。资本市场已然认定，拥有 DeepMind 从业经历，就是深厚专业实力与高品质科研能力的有力佐证。” 2023 年，谷歌整合旗下各大科研团队，组建由哈萨比斯统筹管理的统一部门，进一步稳固了 DeepMind 在谷歌集团内部的核心地位。 此次架构调整，主要是为应对 OpenAI 推出聊天机器人 ChatGPT 后掀起的人工智能行业热潮与全新行业竞争。彼时哈萨比斯曾表态，全新整合团队必须提速运转、强化协作落地效率，精简决策流程，集中力量打造具备顶尖行业影响力的成果。 尽管哈萨比斯在谷歌人工智能业务板块的话语权持续攀升，但 DeepMind 依旧扎根英国本土运营，并未迁至硅谷。克利福德评价道：“即便始终留守伦敦发展，德米斯的行业影响力依旧与日俱增。”
IT之家 5 月 7 日消息，Alphabet Inc.旗下的人工智能实验室 Google DeepMind 本周三发布公告， 宣布收购 Fenris Creations 少数股权，并将在《星战前夜》（Eve Online）游戏中训练 AI。 IT之家注：《星战前夜》是一款大型多人在线游戏，由冰岛工作室 CCP Games（现更名为 Fenris Creations）开发，于 2003 年 5 月 5 日发行。游戏设定于科幻太空场景中，玩家驾驶各式自行改造的船舰在超过七千个行星系中穿梭。 Fenris Creations 此前刚完成自我回购，该公司以 1.2 亿美元现金及加密货币的价格，从韩国游戏开发商 Pearl Abyss 手中赎回自身，该价格不足 2018 年收购价的一半。 DeepMind 高级总监 Adrian Bolton 表示，《星战前夜》对 AI 技术提出了独特挑战， 游戏要求玩家具备长期策略规划能力，这正是当前 AI 研究的薄弱环节。 这款运营了 23 年的游戏以其高度复杂的社会模拟著称。玩家在游戏中驾驶飞船、组建公司、进行贸易等，形成了一个拥有高度自主权与政治博弈的虚拟社会。这种环境为 DeepMind 研究复杂社会交互提供了理想的数据源。 为确保研究不影响现有玩家体验， DeepMind 初期将在隔离服务器上进行行为研究，游戏方也将利用研究成果优化游戏体验。
EVE Online – 6 May 26 A New Era | EVE Online Introducing Fenris Creations 作为新篇章的一部分，我们开始与Google DeepMind建立研究合作，专注于复杂、动态、玩家驱动系统的智能。这是我真心感到兴奋的事情。 多年来我多次与谷歌DeepMind的人谈论EVE的话题，我承认我从不放过任何机会来炫耀EVE玩家们打造的成果。他们让我这么兴奋，因为他们都热爱游戏。像AlphaGo和AlphaStar这样的项目，在我们理解智能、学习和解决问题方面起到了基础作用。 "作为一名玩家和游戏制作人，我一直很欣赏EVE。EVE社区与Hilmar及其团队共同创造的游戏，在游戏界无与伦比。它是一款独一无二的模拟，用于在安全的沙盒环境中测试通用人工智能。 我很高兴能与Fenris Creations团队合作，推动人工智能的前沿，探索新的玩家体验。" ------ 亚历山大·穆法雷克，谷歌DeepMind总监 这就是为什么这种合作关系很合理。EVE是少数可以在已经像活世界一样运作的环境中探讨智能问题的环境之一。 明确一点：这项初步研究将在不受控、离线的EVE版本中进行，这些版本与Tranquility不相连。但它确实为作品打开了一扇非常贴近EVE的门：难题、漫长的时间线、奇异的可能性，以及愿意探索未来的人们。 随着2026年同人节下周的临近，我们将有机会分享更多关于这项研究的内容。Google DeepMind创始团队成员Adrian Bolton将与我一同登上Fanfest舞台。Adrian利用他对游戏和游戏开发的热情，帮助制定了他们开创性的人工智能研究蓝图。我期待更多地讨论我们的合作以及Google DeepMind在情报和游戏领域的独特视角。 1 个帖子 - 1 位参与者 阅读完整话题
Google旗下人工智能公司 DeepMind 位于伦敦总部的员工近日发起组建工会的行动，意在阻止公司技术被用于以色列以及美国军方相关项目。 员工于周二致函Google管理层，要求公司承认通信工人工会（Communication Workers Union，CWU）和 Unite the Union 作为共同代表机构，据称在 DeepMind 内部，加入 CWU 的成员中有 98% 投票支持组建工会。 一名未具名的 DeepMind 员工在 CWU 发布的声明中表示，他们不希望自己的 AI 模型“沦为违反国际法行为的共犯”，但这些技术“已经在协助以色列对巴勒斯坦人的种族灭绝”。 他指出，即便按照管理层一再强调，这些系统“仅被用于行政用途”，也仍是在“帮助让种族灭绝变得更便宜、更迅速、更高效”，并呼吁这一切必须立刻停止，同样应当终止对伊朗人以及世界各地生命的伤害。 一旦此次工会化行动取得成功，至少约 1000 名在伦敦总部工作的 DeepMind 员工将获得工会代表权。 公司管理层目前有 10 个工作日来自愿承认这一工会化努力，否则员工方面将正式启动法律程序，强制要求公司给予承认。 工会筹建方提出了具体诉求，要求Google明确承诺不开发或承接“用于伤害或监视人群”的武器、技术或合同。 员工还希望就那些“对他们的岗位职责、工作量或职业安全产生实质性影响”的 AI 应用开展谈判，并主张员工有权拒绝参与任何违背其“个人道德或伦理标准”的项目。 查看评论
the Guardian – 5 May 26 Google DeepMind workers in UK vote to unionize amid deal with US military Exclusive: Worker pointed to Iran war and Pentagon’s Anthropic feud as indications the department is ‘not a responsible partner’ [!quote]+ 在英国开发谷歌人工智能产品的工人投票决定成立工会，部分原因是出于对该公司与美国军方上周宣布的一项协议的担忧。 谷歌人工智能研究实验室 DeepMind 的工人们在一封定于周二提交给管理层并与《卫报》独家分享的信中，要求承认通信工人工会（Communication Workers Union）和团结工会（Unite the Union）为该实验室英国员工的联合代表。 DeepMind 的英国员工在 4 月份投票决定成立工会。其中一名工人表示，谷歌即将与国防部达成协议的报道尤其推动了他们的行动，并指出美国 "反复无常的伊朗战争 "以及特朗普政府与Anthropic的恩怨表明，国防部 “不是一个负责任的合作伙伴”。该协议最终于周五宣布。 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 4 日消息，苹果已有大量员工跳槽至竞争对手公司，如今这几乎成了每周都会上演的常态。据悉，又一名高级工程师现已离职跳槽至谷歌，不再继续参与苹果下一个未来感十足的项目：机器人业务。 苹果旗下的人工智能机器人团队正全力研发新品：智能家居机器人。依托现代人工智能技术，苹果希望赶在 Meta、谷歌等企业主导消费级机器人市场崛起之前，抢先入局这一赛道。 据此前爆料，目前苹果正在研发一款桌面机器人，外观类似加装了机械臂的 iPad。这款机械臂可完成基础操作任务，用户还能与机器人语音对话，机器人将搭载苹果正在全新研发的 Siri 智能系统。 实际上，苹果几乎所有部门都在流失员工，其中不乏资深骨干，人才纷纷被 Meta、谷歌等企业挖走。尤其是 Meta，凭借极具诱惑力的高薪和高额奖金，挖走了大批核心骨干员工。 IT之家注意到，苹果业内资深记者马克・古尔曼在其专栏《Power On》中透露，苹果机器人团队高级工程经理伯努瓦・兰德里（Benoit Landry）已离职，加盟谷歌 DeepMind。近段时间以来，已有不止一名苹果员工跳槽至谷歌 DeepMind。 据古尔曼爆料，负责上述桌面机器人项目的团队负责人已于去年跳槽至 Meta。在此之后，该团队又陆续有多名高级工程师离职。
GoogleDeepMind联合创始人德米斯·哈萨比斯（Demis Hassabis）周三与韩国传奇围棋选手李世石重聚。十年前，李世石曾与Google的人工智能程序AlphaGo进行了一场举世瞩目的“人机大战”。 哈萨比斯在Google于首尔市中心举办的活动上表示：“很高兴能回到这里，回到一切开始的地方。”他指出，那场历史性的五局比赛“标志着过去十年间人工智能取得惊人进步的开端”。 当被问及2016年李世石与AlphaGo的比赛时，这位Google高管指出，AlphaGo的第37步棋是“最不可思议的时刻”，展现了人工智能的创造力。 在2016年比赛的第二局中，AlphaGo在第37步棋中，走出了非常规的“五路肩冲”，这一步棋被广泛认为是制胜的关键，最终帮助它战胜了李世石。 哈萨比斯表示，人工智能的这种创造力可以引领人类在科学领域迎来新的“复兴”，就像它帮助他解决了困扰他50年的“蛋白质折叠难题”一样，而这一难题最终让他荣获2024年诺贝尔化学奖。 “我认为我们甚至有可能在未来10到20年内攻克所有疾病。我们可以利用这些技术来改善环境，并开发新的能源。”他说道。 这位“AlphaGo之父”还提到了韩国成为人工智能领域领军者的潜力。 “韩国在芯片到机器人制造方面都表现出色，拥有强大的工业实力、一流的大学和研究机构。”他说道，“所以我认为韩国具备成为世界人工智能技术领导者的所有条件。” 哈萨比斯周一开始对韩国的访问，会见了韩国总统李在明，并与韩国科学技术部签署了技术合作计划谅解备忘录。 这位高管还分别会见了包括LG集团和现代汽车集团在内的韩国本土企业集团负责人。 查看评论
TechCrunch – 27 Apr 26 DeepMind's David Silver just raised $1.1B to build an AI that learns without... Ineffable Intelligence, a British AI lab founded a mere few months ago by former DeepMind researcher David Silver, has raised $1.1 billion in funding at a valuation of $5.1 billion. Est. reading time: 3 minutes [!quote]+ Ineffable Intelligence 是一家英国人工智能实验室，由前 DeepMind 研究员大卫-西尔弗（David Silver）在短短几个月前创建，该实验室以 51 亿美元的估值筹集了 11 亿美元的资金，以加入新型人工智能模型的竞争，从而超越大型语言模型。 根据其最新推出的网站，Ineffable 的目标是创建一个 “超级学习者”，能够通过强化学习（一种人工智能系统通过试验和错误而不是学习人类生成的示例来学习的技术）发现知识和技能，而无需依赖人类数据。这正是西尔弗的专长领域。 在 DeepMind 工作期间，西尔弗参与开发的程序在国际象棋和棋盘游戏围棋中击败了职业棋手，这些程序完全是通过经验学习而来，不需要人类提供策略或游戏记录–在每场游戏中都击败了世界顶级计算机程序。其中最引人注目的是 AlphaZero。同样，Ineffable Intelligence 希望它的超级学习者能从自己的经验中发现所有知识。 它的超级学习者可能缺乏经验，但该公司并不缺乏雄心壮志。"该公司网站声称："如果成功，这将是与达尔文相媲美的科学突破：达尔文的定律解释了所有的生命，而我们的定律将解释并构建所有的智能。 据《连线》报道，本轮融资由红杉资本（Sequoia Capital）和光速创投（Lightspeed Venture Partners）领投，Index Ventures、谷歌、英伟达（Nvidia）等也参与了投资。其他投资者包括英国商业银行（British Business Bank）和主权人工智能公司（Sovereign AI），后者是英国最近推出的人工智能主权风险基金。 Ineffable Intelligence 的估值已超过 50 亿美元，进入了所谓的 “五角星”（pentacorn）行列，加入了由明星研究员创办的人工智能企业俱乐部，这些企业的种子轮融资规模巨大，被戏称为 “椰子轮”（"种子 "轮的谐音）。就在上个月，由图灵奖获得者、前 Meta AI 科学家 Yann LeCun 共同创立的 AMI Labs 以 35 亿美元的投前估值融资 10.3 亿美元。 这种模式的公司可能会越来越多。Recursive Superintelligence 公司由 DeepMind 前首席科学家蒂姆-罗克塔谢尔（Tim Rocktäschel）共同创办，在英国注册成立，据说已筹集到 5 亿美元，而且有足够的需求将这一数额扩大到 10 亿美元。 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 4 月 27 日消息，据韩联社今天报道，韩国政府与谷歌旗下 AI 企业 DeepMind 签署谅解备忘录，携手构建合作体系。 据报道，韩国科技部（科技技术信息通信部）与 DeepMind 签署的合作协议涵盖 AI 联合研究、AI 人才培养及负责任使用 AI。双方将围绕技术、基础设施、研究人员交流等领域展开实质性合作 ，保障创新项目“K-Moonshot”顺利实施 。 IT之家注：“K-Moonshot”是韩国科技副总理裴庆勋今年 3 月启动的一项计划，意图让国家在 AI 领域取得技术竞争力， 以应对中美两国在 AI 领域的主导地位 。计划在 2035 年前，攻克生物、未来能源、物理 AI、太空、材料等八大领域的国家级难题。 同时，双方还将在生物科技、气象、气候、AI 科学家等诸多领域深化合作， 以 5 月启动的国家科学 AI 研究中心为核心 ，积极开展联合研究。 此外，双方还将成立工作组，每季度举行视频会议、每年举行线下会议，保持沟通。
Google DeepMind – 23 Apr 26 Decoupled DiLoCo: Resilient, Distributed AI Training at Scale Google’s new distributed architecture keeps AI training runs on track across distant data centers, with exceptional efficiency – even when hardware fails. [!quote]+ 今天，在一篇新论文中，我们很高兴与大家分享一种解决这一问题的新方法，即去耦合 DiLoCo（分布式低通信）。这种架构通过将大型训练运行划分到解耦的计算 "孤岛 "上，并在这些 "孤岛 "之间进行异步数据流，从而隔离了局部中断，使系统的其他部分能够继续高效地学习。 因此，在全球分布式数据中心中训练高级模型的方式更加灵活、更具弹性。最重要的是，Decoupled DiLoCo 不会出现通信延迟，而这种延迟会使以前的分布式方法（如数据并行）在全球范围内变得不切实际。 随着前沿模型的规模和复杂性不断增长，我们正在探索多种方法，以便在更多计算、地点和不同硬件上训练模型。 https://storage.googleapis.com/gdm-deepmind-com-prod-public/media/uEwZ_j5Su89wd5Om/Figure_1_animation_assets_dark.webm 大规模开发容错性更强的异步培训 在两个早期进展的基础之上：Pathways 引入了基于异步数据流的分布式人工智能系统，而 DiLoCo 则大大降低了分布式数据中心之间所需的带宽，使在遥远地点训练大型语言模型成为现实。 Decoupled DiLoCo 将这些理念结合在一起，更灵活地大规模训练人工智能模型。它建立在 Pathways 的基础上，可以在独立的计算岛（称为学习单元）上实现异步训练，这样一个区域的芯片故障就不会打断其他区域的进度。 这种基础设施还能自我修复。在测试中，我们使用了一种名为 "混沌工程 "的方法，在训练运行过程中引入人为的硬件故障。在整个学习单元丢失后，解耦 DiLoCo 继续执行训练过程，并在它们重新上线后无缝地重新整合。 使用 Gemma 4 模型对 Decoupled DiLoCo 进行的测试表明，当硬件发生故障时，该系统能够保持比传统训练方法更高的学习集群可用性，同时最终提供与基准水平相同的机器学习（ML）性能。 [1] 解耦 DiLoCo 不仅对故障的恢复能力更强，而且对于执行生产级的全分布式预训练也很实用。我们使用 2-5 Gbps 的广域网络（使用数据中心设施之间现有的互联网连接即可达到这一水平，而不需要在设施之间新建定制网络基础设施）在美国四个独立地区成功地训练了一个 120 亿参数的模型。值得注意的是，该系统实现这一训练结果的速度比传统同步方法快 20 多倍。这是因为我们的系统将所需的通信纳入了更长的计算周期，避免了系统的一部分必须等待另一部分的 "阻塞 "瓶颈。 推动人工智能培训基础设施的发展 在谷歌，我们采用全栈式方法进行人工智能培训，包括硬件、软件基础设施和研究。通过重新思考如何将这些层级结合在一起，我们取得了越来越多的成果。 除了效率和弹性，这种训练模式还能在一次训练运行中混合使用不同的硬件代，如 TPU v6e 和 TPU v5p。这种方法不仅延长了现有硬件的使用寿命，还增加了可用于模型训练的总计算量。在我们的实验中，以不同速度运行的不同世代的芯片仍能与单芯片类型的训练运行的 ML 性能相匹配，这确保了即使是较旧的硬件也能有意义地加速人工智能训练。 更重要的是，由于新一代硬件不会同时到达各个地方，因此能够进行跨代培训可以缓解经常出现的后勤和能力瓶颈问题。 arXiv.org Decoupled DiLoCo for Resilient Distributed Pre-training Modern large-scale language model pre-training relies heavily on the single program multiple data (SPMD) paradigm, which requires tight coupling across accelerators. Due to this coupling, transient slowdowns, hardware failures, and synchronization... 图 2：左图：Decoupled DiLoCo 方法所需的带宽比传统训练方法少几个数量级，因此非常高效。中图随着硬件故障程度的增加，解耦 DiLoCo 可继续提供高水平的 "高吞吐量 "或有用的训练，而其他方法的吞吐量则会下降。(前两个图表基于模拟训练运行）。右图：在真实世界的实验中，使用 Decoupled DiLoCo 训练的 Gemma 4 模型的基准 ML 性能与传统训练方法的性能相当。 ↩︎ 1 个帖子 - 1 位参与者 阅读完整话题
vision-banana.github.io Results - Vision Banana | Google DeepMind Image Generators are Generalist Vision Learners | A generalist model achieving state-of-the-art on segmentation, depth, and surface normal tasks. 这个vision banana看起来评测很厉害，超过SAM3跟depth anything3了 1 个帖子 - 1 位参与者 阅读完整话题