Google DeepMind 推出可预测所有生命分子的结构和相互作用的 AlphaFold 3

Google DeepMind 推出可预测所有生命分子的结构和相互作用的 AlphaFold 3 Google DeepMind 今天在博客中介绍了和 Isomorphic Labs 共同开发的 AlphaFold 3，一种新型生命科学 AI 模型。该模型在准确预测蛋白质、DNA、RNA、配体等的结构基础之上，新增了对其相互作用的预测，相比当前最先进的方法至少有 50% 以上的提升， Google 希望它能够改变对生物世界和药物发现的理解。 该模型的论文已经发表在最新一期自然杂志上。现在，科学家可以通过新推出的易于使用的研究工具 AlphaFold Server 免费使用该模型大部分功能，包括免费的 2 亿个蛋白质结构的数据库。 ，

DeepMind的新型人工智能可为DNA、RNA和"所有生命分子"建模

DeepMind的新型人工智能可为DNA、RNA和"所有生命分子"建模 访问：Saily - 使用eSIM实现手机全球数据漫游 安全可靠 源自NordVPN AlphaFold 以前的版本只能预测蛋白质的结构。AlphaFold 3 不局限于此，它还能为 DNA、RNA 和称为配体的小分子建模，从而扩大了模型的科学应用能力。DeepMind 称，与之前的模型相比，新模型的预测准确率提高了 50%。DeepMind 首席执行官德米斯-哈萨比斯（Demis Hassabis）在发布会上对记者说："AlphaFold 2 是结构生物学领域一个重要的里程碑时刻，它开启了各种令人惊叹的研究。AlphaFold 3 是在利用人工智能理解和模拟生物学的道路上迈出的一步。"AlphaFold 3 有一个分子结构库。研究人员输入想要组合的分子清单，然后 AlphaFold 3 使用扩散方法生成新结构的三维模型。Stable Diffusion等人工智能图像生成器用来组合照片的人工智能系统是同一种类型。DeepMind 称，哈萨比斯创办的药物发现公司 Isomorphic Labs 一直在内部项目中使用 AlphaFold 3。到目前为止，该模型帮助 Isomorphic Labs 提高了对新疾病靶点的认识。除了该模型，DeepMind 还向一些研究人员免费提供研究平台 AlphaFold Server。该服务器由 AlphaFold 3 提供支持，无论科学家的计算能力如何，都能生成生物分子结构预测结果。哈萨比斯说，该服务器可用于学术和非商业用途，但 Isomorphic Labs 正在与制药合作伙伴合作，将 AlphaFold 模型用于药物发现项目。Google表示，它正在与科学界和政策领导者合作，以负责任的方式部署该模型。Google在一份文件中说，一些生物安全专家认为，人工智能模型"可能会降低威胁行为者的门槛，使他们能够与其他技术相结合，设计和制造传播性或危害性更强的病原体和毒素"。该公司称，在 AlphaFold 3 推出之前，它就与领域专家以及生物安全、研究和行业专家合作，找出了 AlphaFold 3 存在的风险。了解更多： ... PC版： 手机版：

谷歌 DeepMind 发布 AlphaFold 3：可预测药物如何与蛋白质相互作用

谷歌 DeepMind 发布 AlphaFold 3：可预测药物如何与蛋白质相互作用 谷歌 DeepMind 公司近日推出了 AlphaFold 3，通过预测所有生命分子是如何相互作用的，加速寻找新药和探索新的治疗方法，治疗癌症、帕金森氏症、疟疾、肺结核等疾病。 AlphaFold 3 能够预测人体每个细胞分子的复杂形状，以及如何相互连接，以及其中最小的变化如何影响可能导致疾病的生物功能。AlphaFold 3 能够生成活细胞及其联合 3D 结构，预测数百万种组合的相互作用，准确率要比现有常规方法高 50%，并且可以在几秒钟内生成通常需要数月或数年才能完成的预测。 科学家和医学专家希望借助 AlphaFold 3，深入研究抗体和药物的相互作用，寻找更好的治疗方法。DeepMind 创始人兼首席执行官 Demis Hassabis 表示，该项目为研究人员提供了一套比较完整的“工具集”，不仅大幅提高研发新药物的速度，而且可以改变人类对生物世界的理解。来源 ， 频道：@kejiqu 群组：@kejiquchat

Google DeepMind推出Gemma模型

Google DeepMind推出Gemma模型 这是一款轻量级、先进的开源模型，供开发者和研究人员用于AI构建。Gemma模型家族包括Gemma 2B和Gemma 7B两种尺寸，能够在不同的设备类型上运行，包括笔记本电脑、桌面电脑、IoT设备、移动设备和云端。 性能和设计 Gemma模型在技术和基础设施组件上与Gemini共享，这使得Gemma 2B和7B在其大小范围内相比其他开放模型具有最佳性能。 Gemma模型不仅可以直接在开发者的笔记本电脑或桌面电脑上运行，而且在关键基准测试中的表现超过了更大的模型，同时遵循严格的安全和负责任输出标准。 主要特点： 1.轻量级、高性能模型：Gemma模型家族包括Gemma 2B和Gemma 7B两种尺寸，提供预训练和指令调优的变体，针对其大小范围内相比其他开放模型具有最佳性能。 2.跨框架工具链支持：支持JAX、PyTorch和TensorFlow通过原生Keras 3.0进行推理和监督式微调（SFT），适应多种开发需求和环境。 3.易于入门和集成：提供准备就绪的Colab和Kaggle笔记本，以及与Hugging Face、MaxText、NVIDIA NeMo和TensorRT-LLM等流行工具的集成，方便开发者快速上手。 4.高效的运算能力：针对多个AI硬件平台上进行优化，确保在NVIDIA GPU和Google Cloud TPU上的行业领先性能。通过与NVIDIA的合作，无论是在数据中心、云端还是本地RTX AI PC上，都确保了行业领先的性能和与尖端技术的集成。 Gemma模型能够在不同的设备类型上运行，包括笔记本电脑、桌面电脑、IoT设备、移动设备和云端。这种广泛的兼容性使得模型能够适应各种应用场景和需求。 |

男童的发现揭示了植物与昆虫之间高度复杂的相互作用

男童的发现揭示了植物与昆虫之间高度复杂的相互作用 据美国宾夕法尼亚州立大学（Pennsylvania State University）萨拉·拉琼斯（Sara LaJeunesse）2022年9月2日报道，男孩的发现揭示了植物和昆虫之间高度复杂的相互作用（Boy's discovery reveals highly complex plant-insect interaction）。上述图示是一只蚂蚁拿着一个含有黄蜂幼虫（wasp larvae）的橡树瘿（oak gall）。研究人员发现蚂蚁、黄蜂和橡树之间有着复杂的关系。 当8岁的雨果·迪恩斯（Hugo Deans）在后院的一根木头下的蚂蚁窝附近发现了一些BB大小的物体时，他认为它们是一种种子。然而，他的父亲安德鲁·迪恩斯（Andrew Deans，宾夕法尼亚州立大学的昆虫学教授）很快就知道它们是什么其实就是橡树瘿，或者是由昆虫引发的植物生长。他当时没有意识到的是，虫瘿是蚂蚁、黄蜂和橡树之间复杂关系的一部分，这一发现将颠覆一个世纪以来关于植物与昆虫相互作用的知识。 ... 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

Google DeepMind 推出评估AI模型危险性的新框架

Google DeepMind 推出评估AI模型危险性的新框架 访问：NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 根据一份与 Semafor 独家分享的声明，DeepMind 将与其他公司、学术界和立法者合作，共同完善该框架。该公司计划在2025年前开始实施其审计工具。如今，评估功能强大的前沿人工智能模型更像是一个临时过程，随着研究人员开发新技术而不断演变。"红队"会花费数周或数月的时间对其进行测试，尝试可能绕过保障措施的不同提示。然后，公司会采用各种技术，从强化学习到特殊提示，使模型符合要求。这种方法对现在的模型很有效，因为它们还不够强大，不足以构成太大的威胁，但研究人员认为，随着模型能力的增强，需要一个更强大的过程。批评者担心，当人们意识到这种技术已经走得太远时，为时已晚。DeepMind 发布的"前沿安全框架"希望解决这个问题。这是包括 Meta、OpenAI 和微软在内的主要科技公司为减轻人们对人工智能的担忧而宣布的几种方法之一。该公司表示："尽管这些风险超出了现有模型的能力范围，但我们希望实施和改进该框架将有助于我们做好应对这些风险的准备。"DeepMind 开发人工智能模型"预警"系统已有一年多时间。它还发表了关于评估模型的新方法的论文，这些方法远远超出了目前大多数公司所使用的方法。前沿模型框架将这些进展纳入一套简洁的协议中，包括对模型的持续评估，以及研究人员在发现所谓"临界能力水平"时应采取的缓解方法。这可能是指模型能够通过操纵人类对其施加意志，在人工智能研究领域被称为"超常代理"，也可能是指模型具有编写复杂恶意软件的能力。DeepMind 为四个领域设定了具体的关键能力级别：自主、生物安全、网络安全和机器学习研发。该公司表示："在降低风险与促进获取和创新之间取得最佳平衡，对于负责任地发展人工智能至关重要。"DeepMind 将于下周在首尔举行的人工智能安全峰会上讨论该框架，届时其他行业领袖也将出席。令人鼓舞的是，DeepMind 的人工智能研究人员正在用更科学的方法确定人工智能模型内部发生了什么，尽管他们还有很长的路要走。研究人员在能力方面取得突破的同时，也在提高他们理解并最终控制这些软件的能力，这对人工智能安全也很有帮助。不过，今天发布的论文对如何进行这些评估的技术细节着墨不多。就目前而言，可以说我们还不知道目前的技术是否能让这个框架取得成功。这其中还有一个有趣的监管因素。由加州参议员斯科特-维纳（Scott Wiener）发起的一项新的人工智能综合法案将要求人工智能公司在训练模型之前对其危险性进行评估。这个框架是目前看到的第一个可能使遵守该法律成为可能的框架。但同样还不清楚技术上是否可行。还有一点：构建这些技术还有另一种用途：它可以帮助公司预测人工智能模型的能力在未来数月或数年内会发生怎样的变化。这些知识可以帮助产品团队更快地设计出新产品，从而为Google和其他有能力进行这些评估的公司带来优势。了解更多： ... PC版： 手机版：