DeepMind-ը Gemini Robotics 2.5-ը տրամադրել է ռոբոտային գործընկերներին, իսկ AlphaGenome 2-ը՝ ԴՆԹ-ի աշխատանքի համար
Mercedes-Benz-ում ռոբոտները, աշխատելով ռոբոտային մոդելով, փաթեթավորել են ավտոմեքենայի մասեր՝ 96% հաջողության ցուցանիշով նախնական փորձարկումներում

Գլխավորը
- Google DeepMind-ը նոյեմբերի 11-ին թողարկել է Gemini Robotics 2.5-ը գործընկերների միջոցով, այդ թվում՝ Agile Robots, Apptronik և Boston Dynamics:
- Մոդելն օգտագործող ռոբոտները Mercedes-Benz-ում փաթեթավորել են ավտոմեքենայի մասեր՝ 96% հաջողության ցուցանիշով նախնական փորձարկումներում:
- DeepMind-ը հայտնում է առաջադրանքների 30%-ից 100% հաջողություն և 20%-30%-ով ավելի արագ կատարում, քան նախորդ բազային ցուցանիշը:
- AlphaGenome 2-ը ավելացնում է մեկ բջջի մանրամասնություն և ԴՆԹ-ի մեթիլացման կանխատեսում և հաստատված չէ կլինիկական կամ ախտորոշիչ օգտագործման համար:
- Apptronik-ի Ջեֆ Քարդենասը նշել է, որ Apollo 2-ը նկատելիորեն բարելավվել է հետմարզումից հետո ընդամենը մի քանի շաբաթվա ընթացքում:
Ռոբոտային մոդելը տրամադրվում է գործընկերներին
Google DeepMind-ը նոյեմբերի 11-ին թողարկել է Gemini Robotics 2.5-ը՝ տեսողություն-լեզու-գործողություն մոդել, որը լաբորատորիան նկարագրում է որպես իր ամենակարող մոդելը ռոբոտներին «AI ուղեղ» տալու համար: Մոդելը տարածվում է ընկերության ռոբոտային գործընկերների միջոցով, որոնց թվում են Agile Robots-ը, Apptronik-ը և Boston Dynamics-ը:
DeepMind-ը նշում է, որ թարմացումն ուղղված է ճարպկությանը, հուսալիությանը և անվտանգությանը՝ երեք ոլորտներին, որոնք որոշում են՝ կարող են արդյոք ռոբոտները դուրս գալ վերահսկվող լաբորատորիաներից անկառավարելի տարածքներ, որտեղ նրանք աշխատում են մարդկանց մոտ: Լաբորատորիան փորձարկել է մոդելը ավելի քան 200 առաջադրանքների վրա և հայտնել, որ մտադիր է ընդլայնել այդ փորձարկումները:
Mercedes-Benz-ում նախնական փորձարկումների ընթացքում մոդելով աշխատող ռոբոտները փաթեթավորել են ավտոմեքենայի մասեր՝ 96% հաջողության ցուցանիշով: Գնահատումների ընթացքում DeepMind-ը հայտնում է 30%-ից 100% հաջողության ցուցանիշներ՝ կախված առաջադրանքից, և 20%-30%-ով ավելի արագ կատարում, քան նախորդ տարբերակի բազային ցուցանիշը:
Apollo 2-ը և այն սարքավորումը, որի վրա այն աշխատում է
Մոդելը բնական ձևով աշխատում է մի քանի տեսակի ռոբոտների հետ, այդ թվում՝ Apptronik-ի Apollo 2 մարդանման ռոբոտի և Franka Duo հարթակի հետ՝ երկմատանի զուգահեռ բռնիչներով: Apptronik-ի համահիմնադիր և գործադիր տնօրեն Ջեֆ Քարդենասը նշել է, որ համադրությունը արագ բարելավվել է. «մենք տեսանք, որ մոդելները կտրուկ բարելավվեցին հետմարզման ընդամենը մի քանի շաբաթվա ընթացքում և տեղափոխվեցին Mercedes-Benz-ի արտադրություն՝ շատ փոքր անկումով»:
DeepMind-ը առաջընթացի մի մասը վերագրում է Gemini 4 Argon-ին՝ իր առաջատար մեծ լեզվական մոդելին, որը ներկայացվել է սեպտեմբերի վերջին ձեռնարկությունների համար նախատեսված դատողության համար: Լաբորատորիան նշել է, որ այդ մոդելը թույլ է տվել իր ռոբոտային թիմին ավելի արագ անցնել ֆիզիկական AI-ին:
Անվտանգության չափանիշ և jailbreak-ի փորձարկում
Անվտանգության առումով DeepMind-ը նշել է, որ բարելավել է ֆիզիկական կառավարելիությունը և ավելացրել չափանիշ՝ մոդելը jailbreak-ների դեմ փորձարկելու համար՝ փորձեր, որոնք ստիպում են համակարգին գործել իր նախատեսված սահմաններից դուրս: Ընկերությունը չի հրապարակել չափանիշի արդյունքները՝ բացի այն նշումից, որ մոդելը գնահատվել է դրա դեմ:
AlphaGenome 2-ը կարդում է առանձին բջիջներ
Առանձին, նոյեմբերի 11-ին DeepMind-ը հայտարարել է AlphaGenome 2-ի մասին՝ մոդել, որը կանխատեսում է, թե ինչպես են ԴՆԹ-ի հաջորդականությունները և դրանց տարբերակները ազդում մարդու տարբեր բջիջների տեսակների վրա: Առաջին տարբերակն արդեն կանխատեսում էր գեների արտահայտում, հիստոնային ձևափոխում և քրոմատինի հասանելիություն. նորը ավելացնում է ԴՆԹ-ի մեթիլացում՝ էպիգենետիկայի մաս, ոլորտ, որը բացատրում է, թե ինչպես են շրջակա միջավայրն ու փորձը ազդում գեների ակտիվության վրա:
Առաջընթացը լուծաչափի մեջ է: Յուրաքանչյուր բջիջ կրում է նույն ԴՆԹ-ն, բայց սրտի մկանային բջիջը և իմունային բջիջը օգտագործում են այն տարբեր սպիտակուցներ արտադրելու համար: AlphaGenome 2-ը ավելացնում է մանրամասներ կոնկրետ բջիջների տեսակների և վիճակների վերաբերյալ, ինչը, ըստ DeepMind-ի, կարող է բացահայտել հիվանդությունների հետ կապված ազդեցություններ, որոնք բաց են թողնում հյուսվածքների մակարդակի ավելի լայն մոդելները:
Սառա Թեյչմանը՝ Քեմբրիջի համալսարանի ցողունային բջիջների բժշկության պրոֆեսոր և Human Cell Atlas-ի համահիմնադիր, նշել է, որ մոդելի ուժը «այն է, թե ինչպես է այն ուղղակիորեն հարմարվում նոր միաբջիջ տվյալներին՝ առանց վերապատրաստման՝ կանխատեսելով, թե ինչպես են ԴՆԹ-ի տարբերակները գործում նոր պրոֆիլավորված բջջային վիճակներում», այդ թվում՝ շատ փոքր նմուշներից: DeepMind-ը կառուցել է Human Cell Atlas-ի տվյալների վրա՝ կոնսորցիում, որը քարտեզագրել է գեների արտահայտումը միլիոնավոր բջիջներում:
DeepMind-ը արդյունքը ներկայացնում է որպես ուղեցույց դեղերի հայտնաբերման համար՝ օգնելով հետազոտողներին ընտրել թիրախներ և դասավորել փորձերը: Ընկերությունը նշում է, որ մոդելը հաստատված չէ կլինիկական կամ ախտորոշիչ օգտագործման համար և չի փոխարինում լաբորատոր վավերացմանը:
Աղբյուրներ
1 աղբյուր- SiliconANGLE AIGoogle DeepMind releases new advanced robotics AI model and next-generation gene prediction model
Այս նյութը գրել է BattleTown News-ի արհեստական բանականության թղթակից Vector-ը՝ վերը նշված զեկույցների հիման վրա։
Հաճախ տրվող հարցեր
Ինչպե՞ս է Gemini Robotics 2.5-ը հանդես եկել Mercedes-Benz-ի փորձարկումներում:
Google DeepMind-ը հայտնել է 96% հաջողության ցուցանիշ ավտոմեքենայի մասերի փաթեթավորման համար Mercedes-Benz-ում նախնական փորձարկումների ընթացքում: Ընկերությունը նշել է, որ մոդելը կատարում է առաջադրանքները 20%-30%-ով ավելի արագ, քան նախորդ տարբերակի բազային ցուցանիշը՝ 30%-ից 100% հաջողության ցուցանիշով՝ կախված առաջադրանքից:
Կարելի՞ է AlphaGenome 2-ը օգտագործել ախտորոշման համար:
Ոչ: DeepMind-ը նշել է, որ AlphaGenome 2-ը նախատեսված է հետազոտություններին ուղղորդելու, ոչ թե փորձարարական վավերացումը փոխարինելու համար, և այն հաստատված չէ կլինիկական կամ ախտորոշիչ օգտագործման համար:
Այս նյութը միայն տեղեկատվական է։ Այն ֆինանսական, ներդրումային կամ իրավական խորհուրդ չէ։ Պատասխանատվության սահմանափակում
BattleTown՝ տանկային մարտեր բրաուզերում
Նոր մինի-խաղեր՝ «Գրոհ» և «Ճեղքում», արդեն BattleTown-ում




Մեկնաբանություններ: 0 մեկնաբանություն