谷歌 DeepMind 员工要求领导确保他们“人身安全”，免受 ICE 侵害
员工于 根据《连线》获得的内部消息截图，谷歌 DeepMind 已要求公司领导层制定计划和政策，以确保他们在公司场所内“人身安全”，免受移民和海关执法局 (ICE) 的伤害。 周一早上，在联邦特工枪杀明尼阿波利斯护士 Alex Pretti 两天后，一名 Google DeepMind 员工在该公司约 3000 人的人工智能部门的内部留言板上发送了以下消息： “美国关注的问题是：GDM 正在采取什么措施来确保我们的人身安全，免受 ICE 的侵害？过去一周的事件表明，移民身份、公民身份甚至法律并不能阻止联邦特工的拘留、暴力甚至死亡。” 文章继续写道：“有哪些计划和政策来确保我们在办公室的安全？上下班？正如我们所看到的，政府机构的策略可能会迅速改变和升级。在美国许多都市区设有办事处，我们准备好了吗？” 该消息收到了超过 20 个来自 Google DeepMind 员工的“加表情符号”反应。 截至周一晚间，谷歌高层尚未对这一消息作出回应。事实上，消息人士称，谷歌的高层——包括首席执行官桑达尔·皮查伊(Sundar Pichai)和DeepMind首席执行官德米斯·哈萨比斯(Demis Hassabis)——甚至在公司内部也对普雷蒂被杀一事保持沉默。 这些信息显示了人工智能公司及其员工之间因特朗普政府在美国各地部署联邦移民代理而形成的一些最新分歧。虽然硅谷的首席执行官们在很大程度上向特朗普屈服，但他们的员工已经开始在内部和外部对联邦政府的行为表示担忧。 谷歌 DeepMind 的首席科学家 Jeff Dean 一直是业界对 ICE 最直言不讳的批评者之一。在一个 在 X 上发帖 周日，他在回应普雷蒂枪击事件的视频时表示，“这绝对是可耻的。” 国防科技公司 Palantir 的员工质疑该公司与 ICE 合作的决定。 WIRED 此前报道称，Palantir 的一名员工在 Slack 中写道：“在我看来，ICE 是坏人。我很喜欢工作的公司是其中的一部分，对此我并不感到自豪。” 与 Palantir […]
看看《思考游戏》的制作过程，这是一部关于 Google DeepMind 及其首席执行官 Demis Hassabis 的纪录片，自 2025 年 11 月以来在 YouTube 上获得了超过 2.85 亿次观看（Ben Cohen/华尔街日报）
特色播客 大科技播客： 谷歌的双子座获胜了吗？、思考机器戏剧、克劳德·科沃克的潜力 大型科技播客将带您了解科技世界的幕后故事，其中包括对知名内部人士和外部煽动者的采访。 订阅大型科技播客。 硬分叉： Jonathan Haidt 再次出击 + 你的 Vibecoded + Forkiverse 更新 未来已经来临。每周，记者凯文·罗斯和凯西·牛顿都会探索并了解快速变化的科技世界的最新动态。 订阅 硬分叉。 使用权： 与 Rivian 的 RJ Scaringe 一起打造自动驾驶汽车乌托邦 一个关于科技行业内部对话的节目，由科技记者 Alex Heath 和创始人耳语者 Ellis Hamger 主持。 订阅访问。 莱尼的播客： 如何以低心率出现在任何房间：硅谷缺失的礼仪手册 |萨姆·莱辛 采访世界一流的产品领导者和增长专家，找出可行的建议，帮助您构建、推出和发展自己的产品。 订阅 莱尼的播客。 尼克、迪克和保罗秀： 三位新影响者 尼克·比尔顿 (Nick Bilton)、迪克·科斯特罗 (Dick Costolo) 和保罗·科德罗斯基 (Paul Kedrosky) 带着不敬的态度，拉开了人工智能、初创公司和向我们扑面而来的未来的帷幕。 订阅尼克、迪克和保罗秀。 布拉德·史密斯的工具和武器： 特别版：微软人工智能扩散报告的主要发现 Microsoft 副主席兼总裁 […]
DeepMind 借助 AI 解决了一个长达数百年的物理谜题
一个多世纪以来，数学家和物理学家一直在努力解决流体运动的混沌本质：空气如何围绕飞机机翼旋转或水如何在管道中搅动。谷歌的 DeepMind 实验室最近利用人工智能在这一领域取得了重大进展。 虽然投资者和其他人想知道人工智能是否值得，尽管其成本天文数字，但看到 DeepMind 正在致力于此类重要的事情还是令人放心。这是人工智能如何创造出有价值的东西的一个很好的例子。 提醒一下，DeepMind 是一家开创性的人工智能研究实验室，十多年前被谷歌收购。。该公司由数学和游戏天才 Demis Hassabis 领导，随着人工智能变得更加强大和重要，他在谷歌迅速崛起。 我高中第一年物理没及格。为了解释 DeepMind 最近发现的重要性，我问了我的女儿诺拉·伍利 (Nora Woolley)，她在华盛顿大学研究机械工程和流体动力学。 我已经发给你了 博客 y 研究文章 从 DeepMind 到 Nora，她用她的结论和对我们这些在数学和物理上遇到困难的人的一些解释来回应我。 “这可能会对流体动力学和物理学产生重大影响”，诺拉回复了我。 重点关注这部分 好吧，让我们在诺拉的帮助下深入了解细节。 流体是如此不可预测，以至于用于模拟其行为的方程不可能完全求解。。要使用这些方程，物理学家必须做出诸如恒定粘度或压力平稳变化等假设。 即使引入简单的场景也可能导致“爆炸”，其中方程预测极端结果，例如无限压力或令人难以置信的速度增加。它们被称为奇点，代表数学不再能够预测流体物理行为的时刻。 奇点可以是稳定的，也可以是不稳定的。 稳定的奇点更容易找到，而不稳定的奇点则更难确定。。 利用机器学习和定制的、以物理为中心的人工智能模型，DeepMind 研究人员在三个不同的流体动力学方程中发现了新的不稳定奇点族。 通过将方程结构直接集成到这些专门的人工智能模型中并分阶段优化它们， 该团队已经实现了接近机器水平的精度，足以让数学家正式验证结果。 DeepMind 研究人员在他们的研究论文中写道：“这项工作为……解决数学物理学中长期存在的挑战提供了新的入门知识。”随附的博客指出：“这一进步代表了一种进行数学研究的新方法。” 这些新的不稳定奇点的发现可以帮助科学家更好地理解湍流（流体不可预测的耗能行为）在自然和工程中是如何发生的。 这样可以更好地了解飞机气动阻力、天气系统、血流和能量分布等领域。。谁知道呢，这些发现可能会让未来的飞行不再那么混乱。 诺拉说，这些进步可以帮助监测“浑浊度”，在这种状态下，流体受动量而不是物理特性控制，因此很难预测。 “我们用来监测浊度的大部分软件都假设这些方程在所有值上都是完全准确的”，他向我解释道。 既然 DeepMind 已经发现了新的不稳定奇点，科学家们或许能够更好地监测浑浊流，“因为我们更好地了解了这些方程的有效范围，”他补充道。 人工智能不能治愈癌症，但它比目前感染互联网的生成式人工智能垃圾要好得多。 1763884456 #DeepMind #借助 #解决了一个长达数百年的物理谜题 2025-11-23 06:00:00
谷歌 DeepMind 推出 CodeMender，一款用于自动代码修复的人工智能代理
谷歌DeepMind推出 代码修改器，一种新的人工智能驱动代理，旨在自动检测、修复和保护软件漏洞。该项目建立在推理模型和程序分析方面的最新进展的基础上，旨在减少开发人员识别和修补安全问题所花费的时间。 静态分析或模糊测试等传统方法长期以来一直有助于发现漏洞，但它们通常需要大量的手动验证和修补。 CodeMender 采用了更广泛的方法——将自动漏洞发现与基于人工智能的修复和验证相结合。在过去的六个月里，该系统已经为开源项目贡献了 72 个经过验证的修复程序，其中一些代码库超过了 400 万行。 据研究团队介绍，CodeMender 使用大型推理模型以及静态和动态分析、模糊测试和符号求解器来推理程序的行为。当它发现缺陷时，它会生成候选补丁并运行自动检查，以确保它们修复根本原因，而不会破坏现有功能或引入回归。只有经过验证的修复才会浮出水面以供人工审核和上游提交。 早期的示例包括修复归因于 XML 堆栈处理错误的堆缓冲区溢出，以及通过重要的代码修改解决复杂的对象生命周期错误。该系统还支持主动强化：在一种情况下，CodeMender 自动向广泛使用的 libwebp 图像库添加安全注释，以防止某些缓冲区溢出攻击再次被利用。 社会反应乐观。例如，CogMap 首席执行官贾维德·法拉哈尼 (Javid Farahani) 评论了: 令人印象深刻的工作。自动修复使人工智能从识别风险转向积极加强基础设施。验证层是关键——信任将来自于这些系统在没有附带影响的情况下如何可靠地进行纠正。 在 Reddit 上，用户讨论了广泛的自动化对网络安全的未来可能意味着什么。一名用户 问: 我想知道这样的机器人将来会经常运行吗？ 另一个 回答了: 是的——对手也会运行这些模型来寻找漏洞。谁拥有最新的模型和最多的计算能力，谁就获胜。也许人们会劫持计算设备来运行对抗模型，而不是 DDoS。 尽管长期影响仍不确定，但 DeepMind 表示，CodeMender 创建的所有补丁目前都经过人工审核，然后才能集成到上游。该团队强调可靠性和透明度作为基本原则，并打算在未来几个月内发布技术报告和评估。 CodeMender 是一个研究项目，它提出了一种人工智能通过自动检测、修复和预防漏洞来增强开源生态系统的新方法。 1760164788 2025-10-11 06:05:00 #谷歌 #DeepMind #推出 #CodeMender一款用于自动代码修复的人工智能代理
Neuralink一天内进行了两次大脑移植，目标是逐年20次 – Google DeepMind Ceo占
埃隆·马斯克（Elon Musk）的脑部计算机界面公司 可神经 已经达到了一个开创性的里程碑，一天内成功地执行了两个脑部计算机界面植入物。 这项革命成就于7月21日通过X宣布，标志着神经技术公司在24小时内首次进行双重手术，这使其人类参与者总数达到了9名。 此举使它更接近其雄心勃勃的目标，即在今年年底之前完成20个此类程序，这一发展已经引起了Google DeepMind首席执行官的注意。 Neuralink的里程碑：一天中的两个植入物 可神经 在X上宣布（以前 叽叽喳喳）它已经完成了该程序 第八和第九人的参与者。 这个周末，我们成功完成了P8和P9，这是我们一天之内第一次进行两次手术。两个参与者的康复良好，精神振奋。我们期待在他们的神经融合之旅中支持他们。 – Neuralink（@Neuralink） 2025年7月21日 马斯克（Musk）重新发布了这一消息，分享了他对Neuralink首次在24小时内进行了两次此类手术的兴奋。他还强调了Neuralink技术的变革潜力。 Neuralink将对最终数百万人甚至数十亿人进行现场改变。 想象一下，您所爱的人能够再次走路，或者您的父母患有痴呆症可以再次识别自己的孩子。 https://t.co/i59yohrj0e – Elon Musk（@elonmusk） 2025年7月21日 这位54岁的商业大亨强调了它可能产生的深远影响，这表明，亲人可能会再次恢复自己的行走或认知能力再次记住家人的能力。 早期的成功和雄心勃勃的视野 Neuralink现在已经对九名参与者进行了操作，包括脊髓损伤的人以及肌萎缩性侧索硬化症（ALS）的人。报告表明，参与者正在广泛使用设备，每周有些使用最多100小时。 将来，该公司计划大大提高其脑植入植物设备的能力和覆盖范围。到2028年，它旨在集成25,000多个可以进入更深层次的大脑区域的电极，从而有可能治疗各种神经系统和精神疾病，并探索与人工智能的联系。 Google DeepMind称重：更广泛的视角 这些事态发展并未被该领域的其他杰出人物所忽视，Google DeepMind的诺贝尔奖获得者首席执行官 Demis Hassabis 提供他的观点。 一项惊人的技术！ – demis hassabus（@demishabisabis） 2025年7月21日 Hassabis对Musk的推文做出了反应，“这是一项惊人的技术！”人工智能领导人的这一简短但热情的评论提出了一个引人入胜的问题，提出了一个令人信服的问题 可混合：Google是否通过DeepMind也冒险进入脑部计算机界面（BCI）技术？ Neuralink的实际进步 Neuralink的成就强调了其技术的不断增长。该系统旨在建立人脑和机器之间的直接联系，从而促进无缝的通信。 自2016年以来，Neuralink一直处于神经接口技术的最前沿。他们最近的进步表明，将这项技术用于实际使用方面有希望的步骤。 Neuralink的最初患者，四肢瘫痪的人Noland Arbaugh于2024年3月获得了第一个脑芯片植入物（BCI）。现任30岁的年轻人很快证明了他的新发现能力，仅利用他的思想来移动光标，控制音乐和玩游戏。 前进道路：人类共生 由于最初成功的程序，马斯克断言Neuralink最终可以解决包括失明在内的各种情况。但是，由于道德问题，该公司的临床试验和当前方法引起了批评。 Neuralink的最终目标是创建一个综合的大脑界面，该界面可以直接在大脑和外部设备中的任何神经元之间进行高带宽的通信。这个想法可能会导致人类和技术如何相互作用的开创性进步，这是通过自动手术程序和操作后快速激活而实现的。 马斯克与Neuralink的总体目标是通过人工智能实现共生。他的另一家冒险XAI正在积极开发尖端的AI技术。该公司最近公布了Grok 4 AI和三个AI同伴，这些同伴在网上引起了广泛的讨论。 1753191042 2025-07-22 […]
谷歌 DeepMind 研究人员推出新基准以提高 LLM 真实性、减少幻觉
加入我们的每日和每周时事通讯，了解有关行业领先人工智能报道的最新更新和独家内容。了解更多 幻觉或事实上不准确的反应继续困扰着大型语言模型（LLM）。当模型被赋予更复杂的任务以及当用户正在寻找特定且高度详细的响应时，模型就会变得不稳定。 这是数据科学家一直在努力克服的挑战，现在，来自 谷歌深度思维 表示他们距离基础模型的真实性又近了一步。他们推出了 FACTS Grounding，这是一个基准，用于评估法学硕士根据长篇文档生成事实上准确的答复的能力。评判模型的标准还包括他们的回答是否足够详细，能够针对提示提供有用且相关的答案。 除了新基准之外，研究人员还发布了 事实排行榜 Kaggle 数据科学社区。 截至本周，Gemini 2.0 Flash 以 83.6% 的真实性得分位居排行榜首位。其他进入前 9 名的还包括 Google 的 Gemini 1.0 Flash 和 Gemini 1.5 Pro； Anthropic’s Clade 3.5 Sonnet 和 Claude 3.5 Haiku；以及 OpenAI 的 GPT-4o、4o-mini、o1-mini 和 o1-preview。这些在准确率方面都排名在 61.7% 以上。 研究人员表示，排行榜将得到积极维护并不断更新，以包含新模型及其不同的迭代。 研究人员在一份报告中写道：“我们相信，与专注于较窄用例的基准相比，该基准填补了评估与事实性相关的更广泛模型行为方面的空白。” 技术论文 本周发布。 消除不准确的反应 由于建模（架构、训练和推理）和测量（评估方法、数据和指标）因素，确保 LLM 回答的事实准确性很困难。研究人员指出，通常情况下，预训练的重点是根据先前的标记来预测下一个标记。 “虽然这个目标可以教会模型显着的世界知识，但它并没有直接针对各种事实场景优化模型，而是鼓励模型生成一般性的结果 似是而非的 文本，”研究人员写道。 为了解决这个问题，FACTS […]
微软的 Mustafa Suleyman 为人工智能健康部门聘请了 DeepMind 前员工
免费解锁编辑文摘 英国《金融时报》编辑鲁拉·哈拉夫 (Roula Khalaf) 在这本每周通讯中选择了她最喜欢的故事。 微软人工智能负责人穆斯塔法·苏莱曼(Mustafa Suleyman)正在组建一支专注于消费者健康的团队，他从他曾经在谷歌DeepMind领导的类似部门聘用了员工，而竞争对手公司正在竞相利用这项尖端技术创造利润丰厚的应用程序。 Suleyman 是一位英国企业家，于 2010 年联合创立了 DeepMind，他聘请了 DeepMind 健康部门前负责人、在英国接受过培训的外科医生 Dominic King 担任 Microsoft AI 位于伦敦的新健康团队的副总裁。 他还挖走了 DeepMind 的临床研究科学家克里斯托弗·凯利 (Christopher Kelly) 和伦敦埃维琳娜儿童医院的新生儿重症监护医生，以及这家人工智能初创公司的另外两名员工。 微软新成立消费者人工智能健康部门之际，科技集团正急于将生成式人工智能变成日常生活的主要内容，以期从快速发展的技术中获得收入。 DeepMind 联合创始人兼首席执行官 Demis Hassabis 爵士也专注于医疗保健领域，例如领先的人工智能分拆集团 Isomorphic Labs 致力于药物发现。 健康已成为人工智能热潮中的增长领域之一。消费者经常在网络上寻求与健康相关的查询，德勤今年的一项调查发现，48% 的受访者询问了诸如 ChatGPT、Gemini、Copilot 和 Claude 等生成式人工智能聊天机器人以健康为中心的问题。 其中包括有关具体健康状况、症状和心理健康的问题。微软人工智能的健康部门将专注于使用生成人工智能的这些类型的消费者健康应用程序。 这家美国科技集团今年聘请了苏莱曼，并确认成立新部门。微软表示：“我们的使命是通过负责任的人工智能为每个人提供信息、支持和赋能，健康是一个关键用例。” “我们将继续聘请顶尖人才来支持这些努力。” 谷歌 DeepMind 的健康业务由 Suleyman 于 2016 年创立，现已发展成为总部位于伦敦、拥有 100 多人的团队。该部门已与 10 家英国 […]
DeepMind AI 预测天气比现有预测更准确
当今的天气预报依赖于需要大量计算能力的模拟 Petrovich9/Getty Images/iStockphoto 谷歌 DeepMind 声称其最新的天气预报人工智能可以比现有的基于物理的模拟更快、更准确地进行预测。 GenCast 是 DeepMind 正在进行的利用人工智能改进天气预报的研究项目中的最新项目。该模型根据欧洲中期天气预报中心 (ECMWF) 四十年的历史数据进行训练 ERA5 存档，其中包括定期测量全球不同海拔高度的温度、风速和压力。 使用截至 2018 年的数据来训练模型，然后使用 2019 年的数据来测试其对已知天气的预测。该公司发现，它在总共 97.4% 的时间里超过了 ECMWF 的行业标准 ENS 预测，在展望超过 36 小时的情况下，超过了 99.8% 的时间。 去年，DeepMind 与 ECMWF 合作创建了一种人工智能，该人工智能在超过 90% 的时间里击败了“黄金标准”高分辨率 HRES 10 天预测。在此之前，它开发了“临近预报”模型，利用 5 分钟的雷达数据，提前 5 至 90 分钟预测给定 1 平方公里区域内下雨的可能性。谷歌还在研究使用人工智能替代确定性模型的小部分的方法，以加快计算速度，同时保持准确性。 现有的天气预报基于在强大的超级计算机上运行的物理模拟，这些模拟可以尽可能准确地确定性地建模和推断天气模式。预报员通常会进行数十次模拟，这些模拟的输入略有不同，称为“集合”，以更好地捕获一系列可能的结果。这些日益复杂和数量众多的模拟计算量极大，需要更强大、更耗能的机器来运行。 人工智能可以提供成本更低的解决方案。例如，GenCast 使用 50 个可能的未来集合进行预测，每个预测仅需要 8 分钟即可在定制且专注于人工智能的 Google Cloud […]
DeepMind AI 预测天气比现有预测更准确
谷歌 DeepMind 声称其最新的天气预报人工智能可以比现有的基于物理的模拟更快、更准确地进行预测。 GenCast 是 DeepMind 正在进行的利用人工智能改进天气预报的研究项目中的最新项目。该模型根据欧洲中期天气预报中心 (ECMWF) 四十年的历史数据进行训练 ERA5 存档，其中包括定期测量全球不同海拔高度的温度、风速和压力。 使用截至 2018 年的数据来训练模型，然后使用 2019 年的数据来测试其对已知天气的预测。该公司发现，它在总共 97.4% 的时间里超过了 ECMWF 的行业标准 ENS 预测，在展望超过 36 小时的情况下，超过了 99.8% 的时间。 去年，DeepMind 与 ECMWF 合作创建了一款超越“黄金标准”高分辨率 HRES 10 天预测的人工智能 90%以上的时间。在此之前，它开发了“临近预报”模型 预测下雨的可能性 使用 5 分钟的雷达数据提前 5 至 90 分钟在给定的 1 平方公里区域内进行预测。谷歌也在研究方法 使用人工智能替代确定性模型的小部分 在保持准确性的同时加快计算速度。 现有的天气预报基于在强大的超级计算机上运行的物理模拟，这些模拟可以尽可能准确地确定性地建模和推断天气模式。预报员通常会进行数十次模拟，这些模拟的输入略有不同，称为“集合”，以更好地捕获一系列可能的结果。这些日益复杂和数量众多的模拟计算量极大，需要更强大、更耗能的机器来运行。 人工智能可以提供成本更低的解决方案。例如，GenCast 使用 50 个可能的未来集合进行预测，每个预测仅需要 8 分钟即可在定制且专注于人工智能的 Google Cloud […]
DeepMind AI 预测天气比现有预测更准确
当今的天气预报依赖于需要大量计算能力的模拟 Petrovich9/Getty Images/iStockphoto 谷歌 DeepMind 声称其最新的天气预报人工智能可以比现有的基于物理的模拟更快、更准确地进行预测。 GenCast 是 DeepMind 正在进行的利用人工智能改进天气预报的研究项目中的最新项目。该模型根据欧洲中期天气预报中心 (ECMWF) 四十年的历史数据进行训练 ERA5 存档，其中包括定期测量全球不同海拔高度的温度、风速和压力。 使用截至 2018 年的数据来训练模型，然后使用 2019 年的数据来测试其对已知天气的预测。该公司发现，它在总共 97.4% 的时间里超过了 ECMWF 的行业标准 ENS 预测，在展望超过 36 小时的情况下，超过了 99.8% 的时间。 去年，DeepMind 与 ECMWF 合作创建了一种人工智能，该人工智能在超过 90% 的时间里击败了“黄金标准”高分辨率 HRES 10 天预测。在此之前，它开发了“临近预报”模型，利用 5 分钟的雷达数据，提前 5 至 90 分钟预测给定 1 平方公里区域内下雨的可能性。谷歌还在研究使用人工智能替代确定性模型的小部分的方法，以加快计算速度，同时保持准确性。 现有的天气预报基于在强大的超级计算机上运行的物理模拟，这些模拟可以尽可能准确地确定性地建模和推断天气模式。预报员通常会进行数十次模拟，这些模拟的输入略有不同，称为“集合”，以更好地捕获一系列可能的结果。这些日益复杂和数量众多的模拟计算量极大，需要更强大、更耗能的机器来运行。 人工智能可以提供成本更低的解决方案。例如，GenCast 使用 50 个可能的未来集合进行预测，每个预测仅需要 8 分钟即可在定制且专注于人工智能的 Google Cloud […]