แล็บแนวหน้า

เดมิส แฮสซาบิส Demis Hassabis

ซีอีโอ Google DeepMind

เหตุผลที่ติดตาม: ทิศทางของ Gemini และ AI เพื่อวิทยาศาสตร์

การย้ายงาน

ยังไม่มีการย้ายงานที่เผยแพร่

งานวิจัย

งานวิจัย2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)

เปิดเผยข้อมูลโครงสร้างที่ใช้ในงานวิจัยการออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์

Supplementary Data 2. Designed and predicted structures of all designs

เดมิส แฮสซาบิส · Pushmeet Kohli · Rob Fergus และอีก 35 คน

ทำอะไร: คณะนักวิจัยได้เปิดเผยไฟล์ข้อมูลโครงสร้างทั้งหมดที่กล่าวถึงในงานวิจัยการออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์สำหรับปฏิกิริยาเคมีใหม่
ผลลัพธ์หลัก: ไฟล์ซิปดังกล่าวประกอบด้วยข้อมูลโครงสร้างที่สร้างโดยโมเดลปัญญาประดิษฐ์ โครงสร้างที่ออกแบบใหม่ และข้อมูลโครงสร้างที่คาดการณ์เพิ่มเติม
ความสำคัญ: ข้อมูลที่เปิดเผยนี้ช่วยให้นักวิจัยที่เกี่ยวข้องสามารถตรวจสอบผลลัพธ์การออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์และดำเนินการวิจัยเพิ่มเติมได้สรุปโดย AI

AI เพื่อวิทยาศาสตร์

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

งานวิจัย2026-09-30 · Nature

การพัฒนาเทคโนโลยีฝังลายน้ำโปรตีนที่สร้างโดย AI แบบซ่อนเร้นโดยไม่สูญเสียฟังก์ชันการทำงาน

Function-preserving watermarking of AI-generated proteins.

เดมิส แฮสซาบิส และอีก 20 คน

ทำอะไร: คณะนักวิจัยได้พัฒนา 'SynthIDBio' ซึ่งเป็นเทคโนโลยีที่ทิ้งร่องรอยไว้ในลำดับและโครงสร้างของโปรตีนที่สร้างโดย AI โดยไม่มีการสูญเสียฟังก์ชันการทำงาน
ผลลัพธ์หลัก: พิสูจน์แล้วว่าสามารถตรวจจับลายน้ำได้อย่างแม่นยำเกือบสมบูรณ์แบบ ในขณะที่ยังคงรักษาฟังก์ชันของโปรตีนไว้ได้ใกล้เคียงกับแบบดั้งเดิม
ความสำคัญ: แสดงให้เห็นถึงศักยภาพของเครื่องมือติดตามแหล่งที่มาใน1ด้านวิศวกรรมชีวภาพที่ขับเคลื่อนด้วย AI เพื่อตอบสนองต่อปัญหาความปลอดภัยทางชีวภาพและการตรวจสอบความถูกต้องของข้อมูลสรุปโดย AI

AI เพื่อวิทยาศาสตร์ ความปลอดภัยและกฎระเบียบ

สรุปฉบับเต็ม อ่านต้นฉบับ ↗

งานวิจัย2026-07-02 · arXiv.org

Google เปิดตัว 'Gemma 4' AI โอเพนซอร์สที่เพิ่มประสิทธิภาพและความคุ้มค่า

Gemma 4 Technical Report

เดมิส แฮสซาบิส · Koray Kavukcuoglu และอีก 298 คน

ทำอะไร: Google พัฒนารุ่นโมเดลภาษาแบบมัลติโมเดลโอเพนซอร์สรุ่นถัดไป 'Gemma 4' ซึ่งยกระดับประสิทธิภาพการคำนวณและความสามารถในการอนุมาน
ผลลัพธ์หลัก: ประสิทธิภาพดีขึ้นอย่างมากในเกณฑ์การประเมินต่างๆ เช่น วิทยาศาสตร์ เทคโนโลยี วิศวกรรม และคณิตศาสตร์ (STEM) รวมถึงมัลติโมเดล
ความสำคัญ: สะท้อนให้เห็นว่ามีตัวเลือกโมเดล AI แบบโอเพนซอร์สที่กว้างขึ้น ซึ่งสามารถแก้ปัญหาที่ซับซ้อนได้ด้วยทรัพยากรที่น้อยลงสรุปโดย AI

ประสิทธิภาพการอนุมาน การฝึกและการขยายขนาด

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

หน้านี้รวบรวมงานวิจัยที่เผยแพร่ ประกาศอย่างเป็นทางการ และรายงานข่าว เพื่อเป็นข้อมูลเท่านั้น บทสรุปงานวิจัยเขียนโดย AI จากบทคัดย่อและตรวจสอบโดยผู้ดูแล อาจแตกต่างจากต้นฉบับ โปรดตรวจสอบต้นฉบับสำหรับเนื้อหาสำคัญ ไม่ใช่คำแนะนำให้ซื้อหรือขายหลักทรัพย์ใดหรือคำปรึกษาด้านการลงทุน การย้ายงานอ้างอิงประกาศอย่างเป็นทางการหรือสื่อหลัก และประวัติการทำงานบางส่วนอ้างอิงจาก Wikidata (CC0) บทสรุปในหน้านี้แปลโดย AI จากฉบับภาษาเกาหลีที่ผู้ดูแลตรวจสอบแล้ว