Google Research 发布 10 项研究成果，以 AI 放大人类创造力

我们正身处研究与科学发现的黄金时代。对于 Google Research 的科学家和研究人员来说，机遇不止于开创突破性成果。我们还在构建并分享强大的工具，以赋能全球生态系统。AI 是人类智慧的放大器，为好奇心和严谨的探索创造蓬勃发展的条件。

今天，在 Mountain View 举行的 Research@ 活动上，我们展示了如何将前所未有的洞察和能力交到医生、科学家、开发者、公共卫生官员等人的手中。

以下是 10 大亮点：

1. Google Earth AI 为组织和社会提供行星尺度的智能

应对全球挑战需要准确的、贴近真实世界的行星智能。借助 Google Earth AI，可以预测公共卫生威胁、加速清洁能源投资、为企业提供前瞻性洞察等。今天，我们正在扩大抢先体验范围，并邀请合作伙伴探索访问 Google Earth AI 全新实验性功能的三种新方式：

• 作为 Google Earth 中抢先体验的实验功能的一部分，进行更深入的地理空间分析。
• 通过我们的行星预测引擎生成风险评估并预测不同情景。
• 通过实验性的智能体间 API 将我们的地理空间推理智能体技能直接集成到自定义工作流中，为开发者提供对卫星影像解析、路径规划和人口统计数据嵌入等核心功能的编程访问。

我们还宣布集成 Google Dataset Search 以支持查询超过 1 亿个公开数据集，并集成 TimesFM 用于行星尺度的即时预测和预测迭代。所有这些能力都由 70 多个地理空间工具驱动，包括 Remote Sensing Foundation Model（RSFM）和 Population Dynamics Foundation Model（PDFM）等行星基础模型。它们已通过今天发布的 Earth AI 技术报告中详述的实证基准得到验证。这些能力使开发者、卫生领域领导者和企业团队能够自动化复杂的地理空间工作流。

为进一步支持社会影响力工作，Google.org 正在为致力于危机韧性和公共卫生的组织提供 1000 万美元资金。其中包括向 The Milken Institute 提供 200 万美元，以突破可负担住房、清洁能源、宽带、安全供水系统及其他关键基础设施的瓶颈。

2. 多智能体编排帮助科学家在已有知识基础上开展研究

现有文献是推动新科学发现的重要知识来源。我们构建了一个多智能体编排器，使科学家能够复现此前的方法和分析，并将其应用于新场景以攻克重要的研究难题。例如，这帮助研究人员将流体力学中求解逆向设计问题的新方法应用于导尿管设计。他们发现，在模拟中，某些导尿管设计在预防细菌感染方面表现更佳。

这将与我们现有的加速科学工作流程的工具形成互补。实证研究辅助（Empirical Research Assistance）可让科学家并行生成并测试数千个代码变体，已帮助研究人员在从生物学到宇宙学再到经济学的领域产出成果。Co-Scientist 是与 Google DeepMind 合作构建的多智能体工具，能够生成新颖的假设，并已帮助合作伙伴——例如斯坦福大学的研究人员——发现可用于治疗肝纤维化的重定位药物。

3. Deep Review 帮助作者提升技术文档的清晰度与准确性

严格的同行评审是科学方法的核心组成部分。我们创建了 Deep Review，一个能够对复杂文档进行严格验证的智能体系统。随着 AI 被越来越多地用于帮助专家起草技术文档，这一点尤为重要。许多 Google 研究人员和外部作者已经使用该系统的早期版本评审了超过 16,000 篇提交给顶级计算机科学会议的研究论文。它通过检查逻辑一致性和事实依据来承担繁重的认知工作，同时科学家仍对创意方向保持主导权。今天，我们将向公众开放 Deep Review，帮助人们验证从法律协议到财务报告等各类技术文档。

4. 下一代 Edge AI 芯片助力制造商打造未来的可穿戴设备

随着可穿戴设备的兴起，硬件制造商需要能够开发高效边缘应用的工具，以满足客户对全天候性能的高期望。今年早些时候，我们发布了首款来自 Synaptics 的 Coralboard，采用 Google 的 Coral NPU 加速器核心。它使 AI 和 ML 工程师能够快速进行原型设计和设备构建。下周，我们将揭晓由 Synaptics 使用我们的开源 IP 打造的联合设计的、下一代低功耗 Edge AI 芯片。该芯片为设计工程师带来更高的效率与性能，助力他们打造下一代智能眼镜和手表、联网摄像头、流媒体设备，以及工业视觉与语音系统。

5. TimesFM 和 TabFM 变革企业处理数字数据的方式

虽然语言模型擅长处理文本，但业务和运营决策同样依赖于数字。TimesFM 和 TabFM 是专为对原始数值分布进行推理而设计的基础模型——分别面向时间序列流（随时间变化的数据）和结构化表格数据（如电子表格）。两款模型均可在零训练的情况下开箱即用，提供准确的预测。它们在各自领域的领先公开基准测试中名列前茅，并已向所有 Cloud BigQuery 用户开放。今天，我们宣布即将把这些模型集成到 Gemini for business 中。很快，企业主、分析师、运营负责人或协调员就可以基于复杂的运营表格和数百万行数据，预测产品销售或医院床位容量等趋势。敏感数据将安全地保留在组织边界内，而人们可以在几秒钟内获得所需的答案。

6. MedGemma 使创新者能够构建和部署健康 AI 应用

MedGemma 于上周在 《自然·医学》（发表），目前下载量已超过 1000 万次，来自超过 65,000 名独立创新者。它是开发者构建专业化应用的开放基础。开发者们已将其适配以满足各自社区的需求，从在拥挤不堪的诊所中实现更快的分诊，到筛查眼部疾病和宫颈癌。

随着开发者针对更多专科和医疗场景对 MedGemma 进行微调，我们也在不断推动开放健康 AI 的前沿。我们最新的研究通过工具使用能力推进了 MedGemma，使其能够调用现有的健康记录以及临床医生依赖的其他应用。我们正在探索乳腺X光摄影、超声和心电图等新模态。早期迹象表明其能力有显著提升，例如回答临床问题以及解读放射影像、皮肤图像和病理切片。凭借这些进展，我们希望能拓展创新者所能构建的应用范围，为全世界更多社区带来有效的医疗保健。

7. AMIE 研究推进了对话式 AI 如何支持患者和临床医生的前沿

通过我们对 AMIE 的研究，我们正在探索 AI 在临床推理和对话中的应用，以了解它如何赋能临床医生并加强患者与临床医生之间的关系。我们今年发表在 《自然》上的研究，将 AMIE 的能力从初步诊断推进到长期疾病管理，而在 《自然·医学》上，我们展示了它如何能够对医学影像和化验结果等多模态数据进行推理。

我们发表在 《柳叶刀》上的新研究令人期待地展示了它的能力如何在真实临床环境中落地。在 贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center），98 名患者在紧急就诊前安全地咨询了 AMIE，临床医生报告称，在 75% 的病例中，AI 摘要帮助他们做好了准备。我们还在推进 AMIE 的多模态能力，使其迈向实时视频问诊，并与 Included Health 合作，启动了一项针对 AI 在真实虚拟医疗场景中应用的全国性随机研究。

AMIE 是一项严谨研究历程的一部分，可以追溯到我们具有里程碑意义的 MedPalm 论文，而这一切仍处于早期阶段。

8. Groundsource 让研究人员能够预测自然灾害

AI 可以帮助我们以更高的准确性和更长的提前期预测灾害，让社区有更好的机会做好准备、挽救生命。我们一直在朝着危机抵御力的北极星目标前进：一个没有人会被自然灾害打个措手不及的世界。

以洪水预测为例。我们的全球水文模型发表于 《自然》，使我们能够提前多达 7 天提供可靠的河流预报，覆盖 150 多个国家的超过 20 亿人口，针对最重大、影响最大的河流洪水。然而就在一年前，预测山洪似乎还遥不可及。Groundsource 是我们近期推出的一种AI 驱动的方法，可将公开可用的危机信息转化为高质量的历史数据集，让研究人员能够构建更准确的预测模型。

我们首先将 Groundsource 与 Gemini 结合应用于分析洪水相关新闻报道，构建了一个包含超过 260 万次洪水事件的结构化数据集。该数据集帮助我们克服了山洪真实标注数据的缺乏，并训练出一个新模型，可以提前最多 24 小时预测城市地区发生山洪的可能性。该数据集现在是 Google Earth AI 系列的一部分，我们已将其公开提供，以帮助科学家进行进一步的分析和研究。

9. 交互式学习工具让教师能够创建自定义的引导式模拟

借助生成式 UI，我们可以超越静态输出，动态生成功能性的交互式软件。我们的研究实验在教育领域探索了这一方向。我们对 生成式 UI 进行了微调并加入教学护栏，使教师能够创建符合其课程的定制化引导式 STEM 模拟。示例库包含 30 多个由 AI 生成的交互式学习工具，全部经过教师审核，涵盖初中和高中物理、化学、生物和数学。学校可以注册加入 Google for Education 试点计划以分享反馈。这将帮助我们改进模拟并为公众开发更多内容，让练习变得更加互动和引人入胜。

10. Play with Putty 支持团队协作式实时原型开发

Play with Putty 让团队能够在共享环境中共同构建和制作原型，而不会中断他们的创作流程。它展示了随着 AI 模型变得更高效、能够根据自然语言提示生成完整界面，一切皆有可能。人们可以直接与界面的任何部分交互，而多人编辑功能则支持无缝的实时协作。我们最初设计 Play with Putty 是为了帮助 Google 内部的研究人员和团队共同制作原型——例如，借助 Google Earth AI 探索新的解决方案和可视化。此后我们已在 Google Labs 上开放候补名单，将人类协作的乐趣带给各地使用 AI 的团队。

这 10 项更新展示了我们在众多领域广泛研究组合的最新进展。当我们放大人类的智慧时，技术才会成功。在这个研究与科学发现的黄金时代，机遇比以往任何时候都更加巨大——与众多伙伴携手，开创突破并分享赋能他人的工具。我们对未来的旅程充满期待。