Research@ 2026: 10 способов раскрыть потенциал человеческой изобретательности

Google Earth AI для организаций и общества

Для решения глобальных проблем нужны точные данные о планете. Google Earth AI помогает прогнозировать угрозы общественному здоровью, ускорять вложения в чистую энергетику и давать бизнесу данные для планирования. Google расширяет ранний доступ и предлагает партнёрам изучить три новых экспериментальных способа работы с системой:

Google также сообщила об интеграции Google Dataset Search для поиска среди более чем 100 млн общедоступных наборов данных и TimesFM для текущих оценок и прогнозов по планете. Все эти функции используют более 70 геопространственных инструментов, включая базовые модели планеты Remote Sensing Foundation Model (RSFM) и Population Dynamics Foundation Model (PDFM). Их проверили на эмпирических бенчмарках, описанных в опубликованном сегодня техническом отчёте Earth AI. Инструменты позволяют разработчикам, специалистам по общественному здравоохранению и корпоративным командам автоматизировать сложные геопространственные рабочие процессы.

Чтобы поддержать общественно значимые проекты, Google.org выделяет $10 млн организациям, работающим над устойчивостью к кризисам и общественным здравоохранением. В эту сумму входят $2 млн для Института Милкена — на устранение инфраструктурных препятствий для строительства доступного жилья, развития чистой энергетики и широкополосного доступа, а также систем безопасного водоснабжения и другой важной инфраструктуры.

Геопространственные базовые модели Google Earth AI помогают прогнозировать вспышки заболеваний, чтобы службы общественного здравоохранения могли заранее принимать профилактические меры.

Мультиагентная система помогает учёным использовать прежние исследования

Научная литература служит источником знаний для новых открытий. Google разработала мультиагентную систему, которая помогает учёным воспроизводить прежние методы и анализы, а затем применять их в новых условиях для решения исследовательских задач.

Например, с её помощью исследователи применили новый метод решения обратных задач проектирования в гидромеханике к разработке мочевых катетеров. В симуляции они нашли конструкции, которые лучше предотвращали бактериальные инфекции.

Этот инструмент дополняет другие разработки Google для ускорения научной работы. Empirical Research Assistance позволяет учёным параллельно создавать и проверять тысячи вариантов кода; с её помощью исследователи получали результаты в биологии, космологии и экономике. Co-Scientist, созданный вместе с Google DeepMind, — мультиагентный инструмент для выдвижения новых гипотез. Он уже помог партнёрам, в том числе учёным Стэнфордского университета, обнаружить лекарства, которые можно применить для борьбы с фиброзом печени.

Deep Review проверяет технические документы

Рецензирование — важная часть научного метода. Google создала Deep Review — систему на основе ИИ-агента, которая тщательно проверяет сложные документы. Это особенно актуально, поскольку эксперты всё чаще используют ИИ при подготовке технических материалов.

Исследователи Google и внешние авторы уже применяли раннюю версию системы для проверки более 16 000 научных работ, отправленных на ведущие конференции по информатике. Deep Review проверяет логическую согласованность и фактическую обоснованность текста, а учёные сохраняют контроль над его замыслом. Теперь Google открывает доступ к системе широкой публике: с её помощью можно проверять разные технические документы — от юридических соглашений до финансовых отчётов.

Источник: research.google

Новый чип для носимых устройств

С распространением носимых устройств производителям нужны инструменты для разработки энергоэффективных приложений, которые смогут работать весь день. Ранее в этом году Google выпустила первую Coralboard от Synaptics с ускорителем Coral NPU на базе технологий Google. Плата позволяет специалистам по ИИ и машинному обучению быстро создавать прототипы устройств.

На следующей неделе Google представит новый маломощный чип для граничных вычислений, совместно разработанный с Synaptics на основе открытых технологий Google. Он обеспечит более высокую энергоэффективность и производительность для инженеров, разрабатывающих умные очки и часы, подключённые камеры, устройства потоковой передачи, а также промышленные системы машинного зрения и голосового управления.

TimesFM и TabFM работают с числовыми данными

Языковые модели хорошо справляются с текстом, но для деловых и операционных решений важны и числа. TimesFM и TabFM — базовые модели, специально обученные анализировать необработанные числовые распределения: временные ряды, то есть меняющиеся со временем данные, и структурированные таблицы, например электронные таблицы.

Обе модели выдают точные прогнозы без дополнительного обучения и занимают верхние позиции в ведущих открытых бенчмарках своих областей. Они доступны всем пользователям Cloud BigQuery. Google объявила, что в будущем встроит эти модели в Gemini для бизнеса. Владельцы бизнеса, аналитики, операционные руководители и координаторы смогут прогнозировать, например, продажи товаров или загрузку больничных коек на основе сложных операционных таблиц и миллионов строк данных. Конфиденциальная информация останется внутри организации, а ответы будут доступны за несколько секунд.

Источник: research.google

MedGemma для медицинских приложений

MedGemma, опубликованная на прошлой неделе в журнале Nature Medicine, скачана более 10 млн раз более чем 65 000 уникальных разработчиков. Это открытая базовая модель для создания специализированных приложений. Разработчики адаптировали её для нужд местных сообществ: например, для ускорения первичной сортировки пациентов в переполненных клиниках и выявления заболеваний глаз и рака шейки матки.

Google продолжает развивать открытую медицинскую модель: исследователи добавили MedGemma возможность работать с инструментами, чтобы она могла использовать медицинские записи и другие приложения, которыми пользуются врачи. Также компания изучает новые типы данных — маммограммы, ультразвуковые исследования и электрокардиограммы. Первые результаты показывают заметное улучшение способности модели отвечать на клинические вопросы и интерпретировать рентгеновские снимки, изображения кожи и гистологические препараты.

Google рассчитывает, что эти разработки расширят возможности создателей медицинских приложений и помогут сделать качественную медицинскую помощь доступнее для большего числа сообществ по всему миру.

AMIE изучает поддержку пациентов и врачей

В исследованиях AMIE Google изучает, как ИИ может использовать клиническое рассуждение и вести диалог, помогая врачам и укрепляя отношения между врачом и пациентом. В опубликованной в этом году работе в Nature возможности AMIE расширили: от постановки первичного диагноза — к долгосрочному ведению заболеваний. В статье в Nature Medicine показано, как система рассуждает на основе разных типов данных, например медицинских снимков и результатов лабораторных анализов.

Новое исследование в The Lancet показывает, как эти возможности могут применяться в клинической практике. В медицинском центре Beth Israel Deaconess Medical Center 98 пациентов безопасно проконсультировались с AMIE перед срочными визитами к врачу. По словам врачей, сводки ИИ помогли им подготовиться к приёму в 75% случаев.

Google также развивает возможности AMIE для работы с разными типами данных, в том числе для видеоконсультаций в реальном времени. Вместе с Included Health компания начала общенациональное рандомизированное исследование ИИ в условиях реальной виртуальной медицинской помощи.

AMIE продолжает исследовательскую программу, начавшуюся с основополагающей работы MedPalm. Разработка находится на раннем этапе.

Groundsource помогает прогнозировать стихийные бедствия

ИИ может повысить точность прогнозов стихийных бедствий и увеличить время на подготовку, помогая сообществам защититься и спасти жизни. Google стремится к тому, чтобы никто не оказывался застигнут врасплох природной катастрофой.

Например, глобальная гидрологическая модель Google, опубликованная в Nature, позволяет прогнозировать речные наводнения за срок до семи дней. Она охватывает более 2 млрд человек в более чем 150 странах и предназначена для самых крупных и разрушительных наводнений. Ещё год назад прогнозирование внезапных паводков казалось недостижимым. Недавно Google разработала Groundsource — метод на основе ИИ, который превращает общедоступную информацию о кризисах в качественные исторические наборы данных. Они помогают исследователям создавать более точные прогнозные модели.

Сначала Google использовала Groundsource вместе с Gemini, чтобы проанализировать новости о наводнениях и собрать структурированный набор данных о более чем 2,6 млн случаев. Эти данные помогли компенсировать нехватку проверочной информации о внезапных паводках и обучить новую модель. Она прогнозирует вероятность таких паводков в городах за срок до 24 часов. Набор данных вошёл в коллекцию Google Earth AI и открыт для дальнейшего анализа и исследований.

Источник: research.google

Интерактивные учебные симуляции для учителей

С помощью генеративного интерфейса можно создавать не только статичные ответы, но и работающие интерактивные программы. В исследовательском эксперименте Google проверяет этот подход в образовании. Компания дообучает генеративный интерфейс с педагогическими ограничениями, чтобы учителя могли создавать собственные управляемые симуляции по точным и естественным наукам в соответствии с учебной программой.

В библиотеке примеров — более 30 учебных интерактивных материалов, созданных с помощью ИИ и проверенных учителями. Они предназначены для занятий физикой, химией, биологией и математикой в средней и старшей школе. Школы могут записаться в пилотную программу Google for Education и поделиться отзывами. Это поможет улучшить симуляции и подготовить новые материалы для общего доступа, сделав практические занятия более интерактивными и увлекательными.

Play with Putty для совместной работы над прототипами

Play with Putty позволяет командам вместе создавать прототипы в общем пространстве, не прерывая творческий процесс. Проект показывает, как по мере роста эффективности моделей ИИ те смогут создавать целые интерфейсы по текстовым промтам.

Пользователи могут взаимодействовать с любым элементом интерфейса, а многопользовательское редактирование поддерживает совместную работу в реальном времени. Google изначально создала Play with Putty, чтобы её исследователи и команды могли вместе разрабатывать прототипы — например, исследовать новые решения и визуализации с Google Earth AI. Теперь компания открыла список ожидания в Google Labs, чтобы команды могли использовать совместную работу с ИИ.

Эти десять проектов показывают, как исследования Google охватывают разные области. Технологии помогают людям, когда усиливают их способности. Google продолжает развивать исследования и делиться инструментами, создаваемыми вместе с партнёрами.