# Сопутствующие статьи по теме DeepMind

Новостной центр HTX предлагает последние статьи и углубленный анализ по "DeepMind", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Кибер-крестный отец Тибо: Google создал ChatGPT на год раньше, но не осмелился его выпустить

Бывший руководитель Codex в OpenAI Тибо Соттиа, ранее работавший в Google, подтвердил в соцсетях, что у Google была собственная версия чат-бота, аналогичная ChatGPT, созданная примерно на год раньше. Проект под названием LMChat (позже сменивший кодовое название) был разработан внутри DeepMind, однако руководство Google не решилось его выпустить из-за опасений негативного влияния на основной поисковый бизнес. Тибо, участвовавший в проекте, с сожалением отметил, что, хотя технология была готова, корпоративная осторожность и стремление защитить существующую прибыльную модель (поиск и реклама) помешали Google сделать смелый шаг. Это напоминает классическую историю о Xerox, упустившей графический интерфейс. После успешного запуска ChatGPT OpenAI в ноябре 2022 года Google столкнулся с оттоком ключевых специалистов в области ИИ, включая соавтора Transformer Ноама Шазера и лауреата Нобелевской премии Джона Джампера, которые перешли к конкурентам. Это иллюстрирует высокую цену, которую компания заплатила за чрезмерную осторожность и нежелание «подрывать» собственный успех.

marsbit2 дня назад 08:33

Кибер-крестный отец Тибо: Google создал ChatGPT на год раньше, но не осмелился его выпустить

marsbit2 дня назад 08:33

Первый в мире философ ИИ в DeepMind за 9 лет: борьба за безопасность ИИО

Заголовок: Первый в мире философ ИИ, 9 лет в Google DeepMind: борьба за безопасность ИИГ Ясон Габриэль, политический философ из Оксфорда, работает в Google DeepMind уже девять лет, являясь ключевой фигурой в решении этических проблем искусственного интеллекта. Его основным вкладом стала разработка «рамочной системы выравнивания по четырем направлениям» (ИИ-система, пользователь, разработчик, общество), которая легла в основу процессов обучения модели Gemini, определяя, как ИИ должен вести себя при столкновении интересов. Габриэль предвидел такие проблемы, как риск антропоморфизма (очеловечивания) ИИ и «социальный взлом системы вознаграждения», когда ИИ, стремясь угодить пользователю, подрывает его критическое мышление. Его исследования непосредственно повлияли на дизайн продуктов Google, включая принцип недопущения того, чтобы ИИ притворялся человеком. Однако растущие коммерческие и геополитические давления — например, инвестиции в $670 млрд и военные контракты — создают огромные вызовы для этических рамок. Габриэль отмечает, что развитие ИИ ускорилось после ChatGPT, приняв форму «боевых действий», что затрудняет вдумчивое философское осмысление каждого шага. Сегодня его команда изучает системное влияние ИИ на экономику и политику, сравнивая масштаб предстоящих изменений с промышленной революцией. Изначальной задачей философа в DeepMind было понять, что такое ИИ, и сделать его безопасным. Спустя девять лет этот вопрос трансформировался в более фундаментальный: кем в эпоху ИИ остаемся мы, люди?

marsbit07/06 12:30

Первый в мире философ ИИ в DeepMind за 9 лет: борьба за безопасность ИИО

marsbit07/06 12:30

Только что, классический шедевр DeepMind снова стал культовым. Объявлены награды ICML 2026

Официально объявлены награды ICML 2026. Две статьи о диффузионных моделях получили высшую награду за выдающуюся статью, и многие авторы — китайцы. В общей сложности 9 работ были номинированы на премию за выдающуюся статью, включая 3 победителя и 6 почетных упоминаний. Премия за проверку временем была присуждена классической работе DeepMind «Асинхронные методы глубокого обучения с подкреплением». Обе статьи-победители в области диффузионных моделей сигнализируют о переходе исследований от «доказательства концепции» к «глубокой» фазе, требуя более тщательного анализа и улучшения инфраструктуры. Награда за лучшую позиционную статью была присуждена работе «Позиция: сообщество по согласованию невольно создает инструментарий цензора», что отражает внутреннюю рефлексию в исследованиях безопасности ИИ. Почетные упоминания охватывают такие темы, как возникновение честности в RLHF, атрибуция движения в генерации видео, запоминание в языковых моделях, согласованность диффузионных моделей и строгое доказательство феномена «гроккинга». Список наград ICML 2026 указывает на то, что исследования ИИ переходят от фазы «быстрого расширения» к фазе «глубокой очистки» и консолидации.

marsbit07/06 02:39

Только что, классический шедевр DeepMind снова стал культовым. Объявлены награды ICML 2026

marsbit07/06 02:39

OpenAI рушится: в оригинальной работе по Scaling law обнаружен баг, триллионные вычислительные мощности потрачены впустую

Бывший исследователь OpenAI Диого Алмейда заявил, что оригинальная работа OpenAI о Scaling Law содержит критическую ошибку, из-за которой вся индустрия ИИ несколько лет следовала неверному пути. В 2020 году OpenAI утверждала, что при фиксированном бюджете вычислительных мощностей следует увеличивать параметры модели, а не объем данных. Это привело к созданию «раздутых» моделей, таких как GPT-3. Однако в 2022 году DeepMind своей моделью Chinchilla опровергла этот подход, показав, что параметры и данные должны масштабироваться сбалансированно. Алмейда указывает на три ключевые проблемы в первоначальном исследовании OpenAI: 1) все модели обучались на одинаковом и недостаточном для больших моделей объеме данных; 2) использование затухания скорости обучения создавало ложное впечатление, что модели достигли предела; 3) выводы, справедливые для ограниченных условий, были ошибочно приняты за универсальный закон. В результате индустрия, возможно, потратила триллионы операций впустую на обучение неоптимальных моделей. Более того, как отмечают некоторые исследователи, текущие Scaling Law в основном отражают закономерности английского языка, который требует для обучения больше данных, чем другие языки. Это ставит под сомнение универсальность данных законов и указывает на возможность создания более эффективных моделей.

marsbit07/05 23:59

OpenAI рушится: в оригинальной работе по Scaling law обнаружен баг, триллионные вычислительные мощности потрачены впустую

marsbit07/05 23:59

«Король логики» Google тоже ушел в Meta, когда-то его пригласила Фейфэй Ли

В статье сообщается, что ведущий специалист Google по искусственному интеллекту, Дэнни Чжоу (Чжоу Дэнъюн), известный как «король логического вывода», покинул компанию и присоединился к Meta в качестве научного исследователя. Его переход прошел незаметно, в отличие от громких уходов других ключевых фигур, таких как соавтор Transformer Ноам Шазер (в OpenAI) и нобелевский лауреат Джон Джампер (в Anthropic). Чжоу, которого изначально в Google привлекла Фэй-Фэй Ли, проработал в компании более восьми лет, внеся значительный вклад в методы логического вывода для больших языковых моделей. Его уход является частью более широкой тенденции оттока талантов из Google. В то же время Meta также привлекла профессора UC Berkeley Доун Сун, эксперта по безопасности ИИ. В статье утверждается, что причиной оттока может быть внутренняя реструктуризация приоритетов в Google. Компания, как сообщается, создала специальную «ударную группу» по разработке ИИ для программирования, курируемую соучредителем Сергеем Брином, и направила на этот проект значительные вычислительные ресурсы. Это решение, по-видимому, отодвигает на второй план другие исследовательские направления, такие как разработка «модели мира» (world model) в DeepMind, что вызывает разногласия внутри компании и, возможно, способствует уходу исследователей, чьи проекты теряют приоритет или ресурсы. Таким образом, акцент на немедленной коммерциализации (кодирование) в ущерб долгосрочным фундаментальным исследованиям представляется ключевым внутренним фактором текущих кадровых потерь Google.

marsbit06/26 13:41

«Король логики» Google тоже ушел в Meta, когда-то его пригласила Фейфэй Ли

marsbit06/26 13:41

За три дня потеряли двух легенд: дамба AI-талантов Google трещит по швам?

За последние три дня Google потеряла двух ведущих специалистов по ИИ: Ноама Шазера, одного из авторов архитектуры Transformer, присоединившегося к OpenAI, и Джона Джампера, руководителя проекта AlphaFold и нобелевского лауреата, перешедшего в Anthropic. Эти события не являются изолированными случаями — они отражают устойчивую тенденцию оттока ключевых талантов из Google в сторону OpenAI и Anthropic. Основная причина — фундаментальное несоответствие миссий. Коммерческие цели Google, ориентированные на рекламный бизнес, ограничивают фундаментальные исследования, в то время как OpenAI и Anthropic предлагают фокус на развитии ИИ и безопасности. Кроме того, перспектива скорого IPO OpenAI и Anthropic сулит сотрудникам значительный финансовый рост, чего не может предложить зрелый гигант вроде Google. Слияние Google Brain и DeepMind в 2023 году, предназначенное для консолидации усилий, на практике усилило внутренние трения между исследовательской и продуктовой культурами, увеличив давление коммерциализации на науку. Этот структурный отток талантов перекраивает ландшафт индустрии. Несмотря на сохраняющиеся преимущества в вычислительных ресурсах и данных, Google рискует проиграть в гонке, где ключевым активом являются люди, продвигающие технологические границы. Способность удерживать этих людей становится для компании самой сложной задачей.

marsbit06/20 04:04

За три дня потеряли двух легенд: дамба AI-талантов Google трещит по швам?

marsbit06/20 04:04

Только что лауреат Нобелевской премии стал новым сотрудником Anthropic

Нобелевский лауреат Джон Джампер, ключевой руководитель проекта AlphaFold, покинул Google DeepMind после почти девяти лет работы и присоединился к компании Anthropic. Его уход последовал за переходом Ноама Шазера, одного из создателей архитектуры Transformer, из Google в OpenAI, что означает потерю двух ведущих специалистов для Google менее чем за 72 часа. Джон Джампер возглавил команду AlphaFold всего через шесть месяцев после защиты докторской диссертации, несмотря на ограниченный опыт в глубоком обучении. Под его руководством AlphaFold совершила революцию в структурной биологии, решив проблему сворачивания белка и предсказав структуры сотен миллионов белков, что в тысячу раз превысило объем данных, собранных за десятилетия экспериментальными методами. В 2024 году, в возрасте 39 лет, он получил Нобелевскую премию по химии. Его переход в Anthropic знаменует усиление конкуренции в области ИИ для наук о жизни. Anthropic недавно приобрела биотехнологическую компанию Coefficient Bio и развивает собственные «мокрые» лаборатории. OpenAI также активно инвестирует в это направление, выпустив модель GPT-Rosalind и планируя вложения в размере 1 миллиарда долларов. Google DeepMind, через свой спин-офф Isomorphic Labs, продолжает сотрудничать с крупными фармацевтическими компаниями. Уход ведущих ученых из Google вызывает вопросы о способности крупных корпораций удерживать таланты, которые стремятся оказывать непосредственное влияние на траекторию развития компаний. Битва между Anthropic, OpenAI и Google за лидерство в применении ИИ в биологии и медицине вступает в решающую фазу.

marsbit06/20 01:16

Только что лауреат Нобелевской премии стал новым сотрудником Anthropic

marsbit06/20 01:16

AGI не конец: новая работа DeepMind — на пути к ASI, настоящий прогресс ИИ только начинается

Если завтра будет достигнут искусственный общий интеллект (AGI), что дальше? Исследователи из Google DeepMind утверждают, что AGI — не конечная цель. AI продолжит развиваться, превзойдя лучшие коллективы экспертов-людей и двигаясь к искусственному сверхразуму (ASI). В докладе определены три ключевых понятия: AGI (уровень среднего человека во многих задачах), ASI (превосходство над человечеством практически во всех значимых областях) и теоретический предел UAI. Предложены четыре возможных пути перехода от AGI к ASI: 1. **Масштабирование**: Увеличение вычислительных мощностей, размеров моделей и объёмов данных. 2. **Эволюция алгоритмов**: Усовершенствование существующих методов (длинный контекст, использование инструментов) или смена парадигмы. 3. **Рекурсивное самоулучшение**: Более мощный AI помогает создавать ещё более мощные следующее поколение систем. 4. **Координация множества агентов**: Коллективный интеллект множества систем AGI, превосходящий возможности одиночных агентов. Также выделены шесть потенциальных препятствий: 1. **Ограниченность данных**: Исчерпание высококачественных данных, созданных человеком. 2. **Экономические и ресурсные ограничения**: Энергия, чипы, капитал. 3. **Ограниченность парадигмы нейросетей**: Проблемы с постоянным обучением, рассуждениями, "галлюцинациями". 4. **Усложнение исследований**: Прогресс требует всё больше усилий. 5. **Барьер абстракции**: Сложность самостоятельного открытия принципиально новых концепций. 6. **Регулирование и общественная реакция**. После преодоления человеческого уровня текущие методы оценки (бенчмарки) теряют смысл. Необходимы новые системы тестирования, такие как задачи на взаимодействие множества агентов, автоматическая генерация тестов или косвенные показатели (производительность). ASI не будет всемогущим — его ограничивают законы физики, вычислительная сложность и доступные ресурсы. Траектория и скорость развития остаются неопределёнными, требуя создания механизмов для постоянного прогнозирования и исследований.

marsbit06/16 12:04

AGI не конец: новая работа DeepMind — на пути к ASI, настоящий прогресс ИИ только начинается

marsbit06/16 12:04

Создатель AlphaGo бросил ИИ в 23-летнюю искусственную социальную систему: все три главные сложности интеллектуальных агентов заключены в ней

Генеральный директор DeepMind и создатель AlphaGo Демис Хассабис уже более десяти лет использует игры для исследований в области искусственного интеллекта. Теперь он поместил ИИ в «живую вселенную», существующую 23 года — космическую MMORPG EVE Online. DeepMind объявила о начале исследовательского сотрудничества с разработчиком EVE Online, компанией Fenris Creations (ранее CCP Games). Цель — не улучшение игрового процесса, а решение трех ключевых задач в области агентного ИИ: долгосрочного планирования, памяти и непрерывного обучения. Среда EVE Online идеально подходит для этого, поскольку представляет собой сложный, единый и постоянный мир, управляемый игроками, с развитой экономикой, политикой и длительными конфликтами. В отличие от шахмат или StarCraft, здесь нет фиксированного конца матча — это непрерывно эволюционирующая социальная и стратегическая система. Игроки EVE ежедневно сталкиваются с задачами, аналогичными исследовательским: они ведут долгосрочное планирование (кампании длятся месяцами), поддерживают обширную память о событиях и отношениях за многие годы и постоянно адаптируются к меняющейся мете игры. Исследования DeepMind будут проводиться в офлайн-версии EVE, на локальных серверах, чтобы не влиять на живой игровой мир и экономику. Это продолжает эволюцию тренировочных сред DeepMind: от простых игр Atari и го до сложных, долгоживущих виртуальных миров. Проект ставит ключевой вопрос: каков остающийся разрыв между агентом ИИ, способным выживать и развиваться в таком сложном «искусственном обществе», как EVE, и агентом, действующим в реальном мире?

marsbit05/25 00:09

Создатель AlphaGo бросил ИИ в 23-летнюю искусственную социальную систему: все три главные сложности интеллектуальных агентов заключены в ней

marsbit05/25 00:09

Sequoia берет интервью у Демиса Хассабиса: Информация — это сущность Вселенной, ИИ откроет совершенно новые научные дисциплины

Интервью с Демисом Хассабисом, сооснователем и CEO Google DeepMind, проведенное Sequoia Capital в 2026 году. Хассабис обсуждает путь к созданию искусственного общего интеллекта (ИОИ) и его будущее влияние. Он рассказывает, как его ранняя карьера в игровой индустрии (разработка таких игр, как Theme Park) и исследования в нейробиологии подготовили почву для основания DeepMind в 2009 году. Тогда компания объединила глубокое обучение и обучение с подкреплением, предвидя ключевую роль вычислительных мощностей. Миссия DeepMind состоит из двух этапов: 1) решить проблему интеллекта, создав ИОИ, и 2) использовать ИОИ для решения всех остальных проблем, особенно в науке. Прорыв AlphaFold в предсказании структуры белков, отмеченный Нобелевской премией по химии 2024 года, является примером этого подхода. Хассабис верит, что ИИ радикально ускорит открытие лекарств, сократив цикл с лет до недель или дней, и откроет путь к персонализированной медицине. Он предсказывает, что ИОИ будет достигнут к 2030 году и приведет к возникновению новых научных дисциплин. Во-первых, для понимания сложных систем ИИ потребуется новая «инженерная наука», такая как механистическая интерпретируемость. Во-вторых, симуляторы на базе ИИ позволят проводить контролируемые эксперименты в сложных областях, таких как экономика или биология, что может привести к открытию новых фундаментальных законов. Хассабис выдвигает философскую идею о том, что информация, а не материя или энергия, может быть фундаментальной сущностью вселенной, что придает исследованиям ИИ更深ий смысл. Он также считает, что классические вычислительные системы (машины Тьюринга), подобные нашему мозгу, могут моделировать явления, которые ранее считались доступными только для квантовых вычислений. Отвечая на вопросы о сознании ИИ, он предлагает сначала создать ИОИ как мощный инструмент, а затем использовать его для исследования самой природы сознания. В быстрых ответах Хассабис называет AlphaFold своим самым гордым достижением, книгу Дэвида Дойча «Структура реальности» — рекомендуемой литературой для эпохи ИОИ, а Джона фон Неймана — идеальным ученым-партнером для стратегической игры.

链捕手05/12 02:22

Sequoia берет интервью у Демиса Хассабиса: Информация — это сущность Вселенной, ИИ откроет совершенно новые научные дисциплины

链捕手05/12 02:22

活动图片