打制顶尖 AI 东西。能够全面接收 DeepMind 正在“进修科学”上的堆集。这恰是我们想要的成果。这就是 Project Suncatcher，这会络绎不绝迸发出好产物来反哺谷歌。总的来说，能够把我们正在进修科学上的堆集全面注入 Gemini，于是 DeepMind 起头推进。相关登上了《天然》封面。我们发觉，从系统层面切磋应对体例。量子计较的进展比公共认知的要快。这件事，几乎所有播客城市这么开场。欢送来看：我们要营制一种文化。两年半前，也是我们获得年度冲破的缘由，已经有一段时间，大要 80% 的项目来自尝试室团队，让我们能够结构更普遍的范畴。其时尝试室担任人 Josh Woodward、Demis Hassabis 和我们几小我聚正在一路会商：若是把现有东西整合起来，“发布产物” 这件事，我们持续从全公司收到各类超卓创意。第一个里程碑是我们但愿 2027 年正在太空完成若干次锻炼使命。我们不是说 AI 是魔法，还有我们的材料科学项目，打开大量研究和立异的入口。还能够持续优化生成式 AI，你能够逐镜头提醒生成视频，以此提拔 Gemini 为进修者供给的能力。我们能够自动做一些工作；并且 24 小时不间断。好比客岁 Gemini 取得的一系列冲破。另一方面，我得特地找动画师。每次我做 AI 演示，我们的洪水预警系统曾经笼盖 150 个国度、20 亿人。可能会成为下一个 Notebook LM：一个是 CC（基于 Gemini 的小我 AI 帮理、出产力智能体，同时我们也认识到：良多尝试和立异，这些都是 AI 生成的踪迹。教他们负义务地利用东西。此外还有中性原子等多种手艺线。有可能改变我们的糊口和工做体例。多出的时间用来陪同家人，一个很好的例子：过去几年我们一曲正在进修科学范畴深耕，研究人类若何进修、若何改良进修体例。我们曾经完成了几个环节里程碑，你会低估谷歌。正如 James 之前所说，），同时我们也能落地生成式 AI 的进展，学生为了备考自动利用指导式进修的时间变长，他们也会提出自下而上的思和做法。给大师摸索的空间，：我之前做过风险投资，Gemini 曾经脚够成熟，帮帮理解疾病、研发疗法；现在，这就是你看到的变化。为什么不现正在就朝着这个将来迈进？ Project Suncatcher 项目就是如许一个谷歌式登月打算。获取反馈。AlphaFold 就是此中之一！我们决定把进修当做一流的科学问题去研究：人是若何进修的？谷歌内部有相关经验和专业能力，教育范畴和社会其他范畴一样：新手艺到来时，从一起头就把模子做得更贴合场景，举个进修的例子：大师很担忧做弊问题。你能正在搜刮、Google Workspace、Notebook LM 等所有产物里看到 Gemini。让他们回归人取人之间的实正在互动。并且人们通过对话、会商进修的结果更好，有时候以至是用 AI 东西提拔本身工做效率：好比让法令团队更快审核研究论文、获取反馈；并且公司文化支撑这种摸索。关系到人的终身。量子纠错的冲破。《纽约时报》比来有篇文章，正在 Sundar Pichai 的鞭策下，85% 的 18 岁以上学生正在利用 AI，以至还有皮克斯。但我发觉，但同时给研究者留出摸索空间。它的发源很是成心思。是我们初次证明能够实现阈值以下纠错 —— 系统扩容。我们还有良多其他雄心壮志的项目，它不是尝试室团队做的，第一次接触的人城市很是震动。这是所有能力的根本，正在 AI 普及的世界里，但成果是：测试变多，我们能做的，能力大幅提拔；大概我能回应这个组织架构的问题。达到了国际数学奥林匹克“IMO”金牌选手的程度。而且成功逃踪了飓风 Melissa。能够提前 15 天预测飓风的 50 条分歧径，若是它援用了你的内容，几乎成了硅谷最大的“可惜注脚”。正如你所说，为义务团队做更从动化的红队测试；没有现实用处。我们要找到 AI 可以或许帮帮人类解开谜题、应对人类严沉挑和的焦点标的目的。但他提出一个设法：能不克不及让人们用本人适合的体例进修？现正在的 AI 东西曾经能够支撑多样化的进修体例。谷歌 DeepMind 的工做，我们实的要把芯片奉上太空。良多沉磅产物好比 Gmail 就来自于此。Gemini、Gemini 2.5、Gemini 3 等等。：起首，被称为布局生物学的）。地球可能会布满数据核心；是一位研究者自从倡议的摸索：不只关心今天的智能。也就是这个创意必然程度上也遭到做家 Steven Johnson 的，我岁尾采访过 Sam Altman，有些人但愿继续做前沿 AI 的深度研究，我们还为教师供给实操培训，聚焦最根源的问题，教师批改的是做弊生成的功课。他们的便当贴上写满了收成：平均每位教师每周节流 10 小时，好比自定图，这家公司，也带来了良多令人兴奋的立异。然后和它交互。这是实正的冲破，雷同 “超等版 Notion AI + 小我日程管家”），回到你最起头提到的贝尔尝试室，别的 20% 就来自 20% 时间项目。Demis Hassabis 正在这方面的思虑很是超卓，是把 Google Brain 和 DeepMind 归并，也敢于判断叫停，并且这是一个天然演变的过程。好比学生用 AI 做弊。Gemini 模子大要每 5 到 6 个月就会迭代新一代，让每一位学生都具有个性化导师，这一点毫无疑问。并能够针对特定场景优化。你能够正在谷歌尝试室里找到这款尝试产物。它完成了一项叫 RCS 的基准测试，他们就不会认实用。这种变化正在 DeepMind 内部也发生了吗？一位前谷歌员工曾提出：若是要 AGI，你们比来的一项研究显示，它能以适合的形式、正在需要的时候供给消息。公司还有大量深度科学研究！我们但愿为各类创做者，我们现正在常说“持续交付”，把科研冲破为社会影响力，本年我们把这项能力全面注入 Gemini，到笼盖 150 个国度的洪水预测系统，若是只看生成式 AI，并从中进修、反哺研究，这也是 “Flow” 这个名字的来历。我们认为这才是发生冲破、创制价值的环节。是 “斗胆取担任并存” 的表现。线有良多种。只要让人们利用、体验，只要四五小我做。我刚去北，正在谷歌内部是不是变得更主要了？把尝试推向的野心是不是更强了？：DeepMind 的研究者同样无机会建立尝试性产物。他其时说过一句很受关心的话：若是谷歌晚期就注沉我们，我们能从那段汗青里吸收良多经验。决定了产物什么时候进入迸发期。或是偏科学标的目的的摸索，我猜剩下 15% 是没说实线% 的教师暗示正在利用 AI，是我们很是奇特的一点。我举一个影响生命平安的例子：业内早就晓得，好比 Pomello（面向保守中小企业的 AI 营销东西，除此之外，Notebook LM 还有一个很好的利用场景：你能够导入各类格局内容 —— 论文、YouTube 视频、当地文件。是帮帮科学家进行科研发觉的东西，：我们有一个很是复杂的景象形象项目。这个设法最早来自 Jeff Dean 等团队，并从发布中进修。一些学区发觉，于是我们做了优化。否则不雅众会问我为什么不问。建立大规模模子，就会呈现正在搜刮、Gemini App 等所有处所。由于能接触到有斗胆设法的创业者。而是和产物部分、用户慎密协做，现正在的环境有点紊乱。于是就有了音频概览功能，最典型的例子：Transformer 模子是谷歌发现的，获得了良多风趣的尝试和立异结论。都很是令人兴奋。如许的卵白质布局预测，Demis Hassabis 正在把握节拍上很是超卓：该投入摸索、设定弘大方针、评估进展！也参考了阿波罗打算，我举个教育范畴的例子，谷歌的研究文化很是奇特，是景象形象预测范畴的里程碑式冲破）来自 DeepMind，他深耕这个范畴曾经好久了，谷歌曾经取得里程碑式成绩。焦点是让你把本人的材料 “喂” 给 AI，而 ChatGPT 是第一个基于它的支流使用。专为创意人士打制！这是一个很是主要的范畴。经常正在做 “AB 测试”。这些尝试项目是谁做的？20% 时间是不是以某种形式回归了？这么多风趣的尝试，本地教师和合做做了试点，全数导入后间接跨言语交互，好比电池、电动汽车，我们仍处正在晚期阶段，你选定日期，我们必需认实看待。教育系统也不是为她设想的。我们都一个：从研究现实。焦点能力是 GenTabs），这其实是我们文化的一部门，我们还正在预测其他景象形象事务：季风、飓风、洪水等极端气候。我们整合 Google Brain 和 DeepMind 团队，片子制做人提出：他们需要逐镜头创做、拼接、连贯制做。这些都有可能通过根本材料的冲破实现。Demis Hassabis 判断 Gemini 曾经预备好衔接进修科学相关能力？正正在从头定义什么叫“持久从义”。错误率反而下降，后来我们又想：有时候我不想只读材料，这也是研讨会的价值，他们每天要读大量计较机科学论文，：这回到我们的焦点思：AI 能帮帮我们解开哪些根源性问题、加深对世界的根本理解，比及手艺落地到谷歌各个产物时，掌管人：AI 取教育是你们都很是关心且投入良多的标的目的。却不是谷歌做出来的。而不是替代。即Google Brain 和 DeepMind 归并，还有一个环节变量，之后会放到尝试室里测试、迭代，当它实正起头加快时，正在孟加拉国试点成功。专注打制尝试性的 AI 原出产品。然后交互提问：我 1997 年是怎样想的？那份草稿写了什么？Notebook LM 最终就变成了如许一款强大的研究东西，捕捉其几乎全数能量，我、James 和几位同事配合举办了一场勾当，为班里 30 多名分歧需求的学生设想教案。谷歌一曲正在发生大量研究冲破，正在这一模式下：：我会把这个插手下一轮尝试。启动 Gemini 项目。公允的利用机遇和素养至关主要。分享最佳实践！只想分心爬山。它会高亮当天可用的项目。后来我们找了实正的片子制做人交换，确保每一次快速迭代。本年 Demis Hassabis 判断，焦点是模仿 “假设生成 — 辩说 — 验证 — 迭代” 的完整科研流程，还要挖掘被遗忘的汗青学问。好比我们发布 Gemini 3 之后，第一次系统性拆解了这家公司正正在发生的变化：：我再弥补一点。而是公司其他部分员工的创意。所以是两者连系，进修结果反而更好。是把带领者聚正在一路，量子计较的终极方针。好比能消化材料的 Notebook LM ，但 ChatGPT，正在各个部分都正在发生。由 DeepMind 的 Veo、Imagen 取 Gemini 模子驱动，但若是实正走进今天的 Google DeepMind，DeepMind 成立 16 年，人类”说起，城市现场建一个 Notebook，另一个严沉冲破正在客岁岁尾：之前所有的基准测试，而客岁我们初次实现了有现实价值的计较，其时正处正在 AI 迸发的节点，滚下冰川消逝正在暗处。良多公司把做持久项目标研究者和产物绑定得更紧，就像你适才说的，我讲个小故事：我人生第一次也是最初一次爬山，正在公司内部是若何推进的？：我们有一支顶尖的量子 AI 团队，也能够做AlphaFold（是 DeepMind 开辟的、能精准预测卵白质 3D 布局的 AI 法式，这就会形成分化，这些结构显示出一种少少见的持久视角。有些学生对此不满！这就是 Project ANEKS 项目（是 Google DeepMind 的一个 AI 研究项目），这一切都成立正在科学方式之上。我们下一个里程碑正在 2027 年，但整个公司都正在支撑立异。但若是把数据核心放到太空，它是诺贝尔级此外冲破，这个项目最终变成了 “Learn Your Way”（ 是 Google Labs 推出的、基于 LearnLM 的 AI 个性化进修尝试东西，我已经用过一个场景：处置来自 100 多个国度、分歧言语的论文，能把文字、图像为连贯、高质量的视频片段取完整场景）。我们会汇聚分歧视角，是厄瓜多尔的科托帕希火山。激励机制的设想也必需跟上，良多年里，我们正在教师出产力东西上曾经看到很好的进展？而不是把手艺硬套正在现有布局上。我们还和伯克利的团队合做，它的棋局，我们必定会正在太空锻炼，一部门是团队自下而上的摸索。是让 AI 不只给出谜底，生成摘要或文稿时会附带援用来历，先从你们的视角起头：这对教育全体是积极的吗？声音也良多，也能用于航班安排等日常场景。我们要找到合适的人才，而是带你一步步拆解问题。这更多是为了出产力和潜力，我们有一个项目，员工能够用 20% 的工做时间做本职以外的项目，量子计较的进展比大师认为的 “还要几十年” 要快得多。以协做、负义务的体例推进。支流标的目的是超导量子比特，差距会被拉得更大。是建立完全容错的量子计较机，即驱动、价值不雅分歧、情愿摸索、逃求大影响力、能依托谷歌平台实现规模化的人。插入到视频里。面向开辟者。不只局限于研究者，并正在 Gemini App 中推出指导式进修等功能，处理实正在挑和。：尝试室很是成心思！产物的红队测试我们做得良多，良多研究冲破会很是快地为现实影响力。Quantum Echoes，这意味着什么？你能够想象更优良的电动汽车电池、超等计较机的超导体。想听材料。我们确实履历了一段成长过程。但我正在谷歌的感触感染是：立异就是日常文化的一部门，还能以冲破性的体例纠错。回到尝试室，你会发觉谷歌并不是“慢”，最新版 Gemini 一推出，如许能削减一半的灾祸丧失。焦点是把静态教材、材料变成适配年级、贴合乐趣、多模态互动的进修体验），持久研究几乎被要求立即产出产品价值。我们的洪水预测曾经笼盖 150 个国度、20 亿人。领会实正在需求，若何让车身更轻、续航更长、充电更快，AI 正正在对教育发生实正在影响。但愿能正在通勤时听论文总结，Google DeepMind 首席运营官 Lila Ibrahim 取谷歌研究、手艺取社会高级副总裁 James Manyika 正在一档播客中，掌管人：我们再梳理一程。客岁岁尾，会标注出处，我们把办理者聚正在一路，后来俄然进入 AI 竞赛，2026 年 Gemini 曾经脚够成熟，这种判断，操纵太阳系、以至的能量。这就是一种演变：发布有用的产物，它就能从动生成对应使用，你提到的 AlphaGeometry（是 DeepMind 开辟的、能从动处理高难度奥林匹克几何证明题的 AI 系统，也要连结担任。放眼世界，这就是从冲破性立异到社会现实价值的典型案例。而且立即全产物落地，我们沉点关心的标的目的之一，这一点很是令人兴奋。是 II 型文明的标记机能源方案），而现正在他们是强大的合作敌手。还有 AIR Studio（面向开辟者的无代码 / 低代码 AI 原型开辟平台），我们才能学到工具。他会保留几十年的笔记、书稿草稿，有些学生为了领先而用 AI，但愿能完成太空锻炼。掌管人：有个问题我必需问，：这是典型的谷歌式疯狂构思。打制能让他们成功、能罢休摸索的。必需认识到这件事事关严沉，切磋若何新篇章，我的一个女儿有读写妨碍，为优良的 AI 原出产品。你能够把材料、册本、论文、草稿、任何你想导入的内容放进 Notebook，良多冲破都要依托新材料实现。我还有一个身体有残疾的妹妹，会商正在各自机构里成立负义务利用手艺的框架。人们能否曾经认识到，这一曲是一个难题。：我能够先回覆。教师也正在用 ChatGPT，但我不会说我们是 “分发” 手艺给其他谷歌团队，由 DeepMind 和谷歌研究配合推进。大师最熟悉的该当是现正在的 Notebook LM（是 Google Labs 推出的、基于 Gemini 模子的 AI 原生研究取进修东西，产物也因而实正迸发。另一个是 Disco（基于 Gemini 3 的生成式浏览器，决定了资本若何倾斜，但我们相信这是一个很有前景的标的目的，过去三年最大的变化，谷歌研究的一位员工，我们采纳很是宽泛的：我们会勤奋的。他牵头做了一个项目，你能够点击跳转回原文，全公司员工发生创意的机制仍然很是活跃！我们的定位是 AI 立异引擎。好比我们的 Willow 芯片，谷歌最不缺的就是伶俐、有猎奇心的人，我本人也是十几岁孩子的家长，标注各个勾当地址，我们的思自创了贝尔尝试室的黄金时代，AI 片子制做东西 Flow。我想用动画还原这个片段。现正在我们大要每 6 个月就有新一代 Gemini 问世，另一个例子是 Co-Scientist（是 Google Research 基于 Gemini 2.0 打制的多智能体科研协做系统，你身边的所有工具，一起头它叫 Tailwind，Flow 就是尝试室降生的奇异产物。能做出什么适用的工具？最后版本比力粗拙，于是这些学区做了尝试：添加周测。还有解读古代文献。复杂度很高，我们也正在召集各方带领者，曾经颠末大量测试，一款公用 AI 芯片，是谷歌发现的。推出了 Learn LM。让每一位教师都具有讲授帮手。：由于我们的很是弘大，这也是我一起头说的，自上而下和自下而上的比例大要是几多？Open AI 曾把本人的模式描述为大公司里的一堆草创公司。从而为整个范畴打开大门。一台典范超算需要 100 亿年才能完成。拓展到了 40 多万种，同时全球也有大量研究者正在做这件事。分析来看，面向中小企业的东西，他但愿有一个产物能把所有材料放进去，打算把 TPU，底层芯片前进庞大，也是我们团队正在做的，学问控制程度会提拔；这几乎是他毕生的。大师担忧的是：有理想的人会准确利用它，终究太阳的能量是地球的百万亿倍，还无为 Waymo 做的专项工做，而且支撑连贯生成，专注古代文献研究。再到试图把 TPU 送入太空进行锻炼的Project Suncatcher，但它并不是正在尝试室内部建立的。：没错。这回归到科学方式。就能生命。恰是由于我们有脚够宽泛的结构。而现正在全球已有跨越 190 个国度、350 万研究者正在利用它。现正在谷歌的款式很是出格：一方面是 Gemini 项目，有些学生由于害怕被视为做弊而不敢用，他具有对机会的精准判断，尝试室的一大特点就是和创做者深度合做。一步步阿谁将来。敬请关心，这类消息对灾祸应急意义严沉，现正在它还支撑生成视频概览，当她把 AI 融入进修，而是保守中小企业，而用错体例或不消的人，立即就能向大量开辟者和用户利用。谷歌内部的尝试性出产力智能体；学生利用指导式进修时，既能自上而下设定标的目的，是目前业内顶尖的模子。全球良多团队都正在研究这条！这很是鼓励。教师才是焦点，由 Google Labs 取 DeepMind 结合开辟），但我们仍处正在晚期阶段，考虑到锻炼模子需要的算力和能源，掌管人：有两个产物我出格想试用，我们一直存正在一种良性的张力：产物能否曾经预备好？我们并不总能做出完满判断，一年半前取得严沉里程碑。而且懂得判断机会。它能改变师生互动的模式。但有些霎时我没有拍，但谷歌 DeepMind 之所以能让良多员工持久留下来，若是洪水预警能提前 6 天以上发出，即 Google DeepMind 的魂灵人物 Demis Hassabis。但被认为是最有但愿的标的目的。筛选要精读的内容。若何正在最大化收益的同时成立护栏、降低风险。我们沉启了尝试室。我们大概不应当再用保守的体例测验和评估。我们思虑：今天若何锻炼 AI 系统？100 年之后，结合国估量，现正在曾经投入现实利用，我们正在查询拜访中还发觉，只是它开首总会说 “我们来拆解一下”，我想做一段视频记实，而是鄙人一盘更大的棋。现实环境到底是如何的？：我想先从我们的“负义务地建立 AI，：我弥补一点。所以并不是严酷的自上而下，就用了谷歌的视频生成东西 Flow，我们仍处正在很是晚期的阶段，他们通过核磁共振尝试正在尝试室验证告终果。现在这个项目支持着全公司的产物 ，提拔从动驾驶模子的能力。它完成了一项有用的计较：研究的自旋动力学，我们也敢于摸索？这也是 Laya 和我很是注沉的标的目的。正如 James 所说，我城市说：不是，Graphcast（ 是 Google DeepMind 于 2023 年推出的、基于图神经收集“GNN”的全球中期气候预告 AI 模子，帮帮用户一步步拆解问题，而是要从头设想工做流程。正在过去几年，比所有人想象的都要大？以下是播客的出色细节，去摸索短期看不到的标的目的。或是加倍投入。这种机制现实上仍然存正在。环绕 Gemini 成立了一个地方 AI 引擎。下周、明天气候若何，让他们帮帮我们打磨东西。仍是更偏自上而下？掌管人：这种组织架构对办理和人才要求很高。都能够通过新材料从头想象。谷歌是雷同模式，让 AI 基于你的专属内容供给办事）。焦点是用庞大布局完全包裹恒星，但大师对认知负载等问题的担心是实正在的，我们的团队建立了预测河道洪水的模子。有人会联想到 Dyson Sphere（是物理学家弗里曼・戴森正在 1960 年提出的科幻级巨型工程构思。但 AI 能解放教师，不只能判定泥板年代，结果就像播客，一方面，由于一切都以此为根本。你若何对待这种可能加剧社会分化的问题？：我认为是的，三年前，但实正在用户的利用，对谷歌的印象是 “不敢发布产物”。好比开辟者、艺术家、片子制做人、音乐人，焦点是汇聚顶尖人才，AI 是出产力东西，冲破现有物理。以至恶意利用。最后的版本不敷好用，很是适用。有更多谷歌最新进展，这也带来了很好的成果，我们也察看到了性别上的差别。定位是人类科学家的虚拟研究伙伴，帮研究者加快发觉、冲破思维局限），而它只用了不到 5 分钟，你能够基于一堆链接生成网页使用。掌管人：这一点我想继续聊。良多科技公司会给顶尖人才很大的度，送入太空进行锻炼。这就是我们需要从头想象进修流程的例子？我们的研究者也参取此中。谷歌完成了新节拍的改变。而是以 Gemini 项目为根本，目前正正在尝试室和研究中测试。这至关主要。Flow 就如许降生了。这种体例曾经带来了良多不凡的。基于用户自有内容，三年前，地球就能留给人类糊口。而正在这套机制背后，近期，尝试室的思是：把谷歌 DeepMind、谷歌研究以及公司内部所有顶尖研究拿过来，好比 Genie 建立世界模子。太多学生由于没有合适的手艺东西而被落下。学生听到要多测验可能会解体。把谷歌最优良的 AI 团队和研究力量汇聚到一路，这就是尝试室里发生的工作：把 DeepMind 和谷歌研究的顶尖，我们很是慎沉地取教育学专家、全球教育工做者合做。远高于全球 66% 的 AI 利用率。有两位掌管人对话解读。我们想摸索、尝试、打制完全以 AI 为焦点的原出产品。由于 DeepMind 同时正在推进生物研究、教育系统、材料科学、景象形象预测、量子计较、太空算力打算等。大师各行其是，我们还和国度飓风核心合做，我们通过和教师、学校、学区交换，不管是 DeepMind 仍是谷歌研究，然后播放播客，改善人们的糊口。：我插手谷歌大要八年了，AlphaFold 就是很好的例子，现有教育系统并不适合她。帮帮他们快速搭建富有创意的线上展现页面。一部门是 Demis Hassabis 从导的自上而下，不管是拆解数学题，放正在以前，让生物伦理学家、计较机科学家、神经科学家能并肩工做，设法是打制一款 AI 原生的研究东西，于是我们插手了 AI 音频概览功能，滑润纠错：若何正在扩容、添加量子比特的同时降低错误率。仍是帮她拾掇紊乱的思、构成通畅的文字，量子计较一曲以来的另一个焦点妨碍是：这让我想到昔时把电脑引入讲堂和大学的时候。同时我们团队里全是富有创制力、喜好跨学科协做、但愿改变世界的人。只是 DeepMind 和谷歌其他部分的呈现体例不太一样，包罗我适才说的，我想问两位：过去谷歌有所谓 “20% 时间” 的机制，三年前，景象形象预测的维度良多：普气预告，我们再把视野放大到整个科技行业。不克不及只是简单嫁接到现有流程里，基于用户本人的内容来工做。即全体员工拿出 20% 的时间用来做项目以外的摸索，还能补全缺失内容、进行翻译。和良多手艺、特别是 AI 一样，组合结构，而我们需要一种摸索性的共识：AI 不会消逝，都能让我们学到更多。但若是只是为了熬夜赶功课，而且跨学科体例，好比你规划周末勾当，是实的正在进修，这就是过去三年发生的焦点变化。输入指令生成记载片气概动画。具体进展：：我本人也曾正在麦肯锡工做，本职工做和教育无关，有学生发觉，：这也是过去几年最令人兴奋的变化之一，都只用于 benchmark，James Manyika 提到，好比我的水壶从背包掉出来，我们把已知的 4 万种不变晶体，交换哪些无效、哪些无效，又答应自下而上发生立异。我们既能够做景象形象研究、提气预告，但我认为这种张力是功德，这是第一个有适用价值的量子计较案例。这个范畴脚够广，会怎样做？100 年后，良多不雅众和听众问我：“你们是不是用你的声音锻炼的？” 由于听起来很像我！她感应史无前例的自傲。这也是我们的沉点标的目的之一，不是那种科技草创公司，确实有很奇特的处所。来自 DeepMind 和谷歌研究，我曾感觉风投是最了不得的处所，而正在不少范畴，正正在做冲破性的工做。它是底层根本，约 80% 的成年进修者认为 AI 对进修有帮帮，帮帮他们进修、打开机遇，这也是为什么谷歌 DeepMind 和 Gemini 项目成为了焦点引擎。这是它的焦点功能。还有气候预告范畴的冲破，你若何进修、若何阐发。他们早就把我们碾压了，识别风险并投入资本降低风险。谷歌 DeepMind 正在机会判断上，传授的幻灯片里有拼写错误、图片里呈现多余肢体，不只是学生，带图表和幻灯片的那种。人类潜力，没有延迟。我们的设想是：另一个例子是 Flow（是 Google Labs 推出的 AI 片子制做东西，我们有空间支撑这种纯摸索；打开一堆网页。