home.social

#googledeepmind — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #googledeepmind, aggregated by home.social.

  1. Boundaries Between Autos and Robots Collapse: Tesla’s Optimus vs. Hyundai’s Atlas in Head-to-Head Battle — BigGo Finance

    The U.S. technology containment strategy against China has now extended to humanoid robots, cementing the view of automobiles,…
    #EuropeSays #Korea #KR #HyundaiMotor #Atlas #bostondynamics #ElonMusk #GoogleDeepMind #humanoid-robot #Hyundai #HyundaiMotorGroup #Optimus #physicalai #Tesla #U.S.TradeRepresentative
    europesays.com/korea/128985/

  2. Alex Turner: Why I Left Google DeepMind. “I wanted AI ethics commitments to hold under pressure. In particular, I wanted Google DeepMind (GDM) to maintain its existing commitment against supporting killer robots. Over several months, I asked many people to act. I asked senior people⁠—respected people⁠—people with reputations silvered by their concern about AI ethics and […]

    https://rbfirehose.com/2026/07/17/alex-turner-why-i-left-google-deepmind/
  3. Google Deepmind Proposes Self-Discover Framework For LLMs, Improves GPT-4 Performance

    Venturebeat made with Ideogram In a bid to enhance the reasoning capabilities of large language models (LLMs), researchers from Google Deepmind and University of Southern California have proposed a new ‘self-discover’ prompting framework.  Published on arXiV and Hugging Face this morning, the approach goes beyond existing prompting techniques used by LLMs and has been found capable of improving the performance of known models out there, including OpenAI’s GPT-4 and […]

    onlinemarketingscoops.com/2026

  4. Google DeepMind hat ein zuvor undokumentiertes Tor von Pelé aus dem Jahr 1959 digital rekonstruiert.

    Das Projekt kombinierte 3600 Archivbilder mit 3D-Tracking von Stunt-Spielern. Die Funktion Performance Control in Veo 3 erzwang dabei ein physikalisch korrektes Muster. Modelle wie Gemini Omni ergänzten Umgebungsdetails.

    #GoogleDeepMind #Pele #GenerativeAI #VideoAI #AIGeneratedImage

    all-ai.de/news/news26top/googl

  5. Google I/O 2026: Gemini 3.5 Flash wkracza do akcji. Przełomowy model zrewolucjonizuje pracę agentów AI

    Podczas tegorocznej konferencji Google udowodniło, że era statycznych chatbotów dobiega końca. Inżynierowie z Google DeepMind zaprezentowali światu nową rodzinę modeli – Gemini 3.5.

    Serię otwiera wariant 3.5 Flash, zaprojektowany specjalnie z myślą o realizacji skomplikowanych, wieloetapowych i długoterminowych zadań agentowych przy jednoczesnym zachowaniu ekstremalnej wydajności.

    Inteligencja flagowca, szybkość błyskawicy

    W świecie sztucznej inteligencji zazwyczaj musieliśmy wybierać: głębokie rozumowanie (kosztem czasu oczekiwania) lub błyskawiczna odpowiedź (o niższej jakości merytorycznej). Gemini 3.5 Flash łamie ten schemat. Według zapewnień twórców model ten przewyższa swojego potężnego poprzednika, Gemini 3.1 Pro, w najbardziej wymagających testach kompetencyjnych, takich jak Terminal-Bench 2.1 czy MCP Atlas.

    To, co najbardziej imponuje, to czysta prędkość. Nowy Flash generuje tokeny aż czterokrotnie szybciej niż konkurencyjne rozwiązania w tej samej klasie, zachowując najwyższe miejsce w rankingach mierzących stosunek inteligencji do opóźnień. Został już globalnie wdrożony jako domyślny silnik w konsumenckiej aplikacji Gemini oraz w przebudowanej wyszukiwarce. Zaawansowana wersja, Gemini 3.5 Pro, jest obecnie testowana wewnętrznie i trafi na rynek w przyszłym miesiącu.

    Autonomiczne programowanie i analityka na sterydach

    Prawdziwa siła modelu 3.5 Flash ujawnia się w pracy z platformą Antigravity. Pozwala ona na tworzenie tak zwanych „subagentów”, które aktywnie współpracują ze sobą, aby realizować narzucone cele.

    Możliwości te zostały zobrazowane imponującymi przykładami. Wykorzystując współpracę zaledwie dwóch wirtualnych agentów, model 3.5 Flash był w stanie samodzielnie przeanalizować dokumentację techniczną AlphaZero, a następnie napisać od zera kod w pełni grywalnej gry w zaledwie sześć godzin. To zadanie, które człowiekowi zajęłoby wiele dni. W środowisku biznesowym technologię tę wykorzystuje już platforma Shopify, której instancje nieustannie analizują gigantyczne zbiory danych, generując precyzyjne prognozy rynkowe.

    Osobisty asystent Spark i nowe standardy bezpieczeństwa

    Model 3.5 Flash jest również „mózgiem” najnowszego, osobistego agenta AI – Gemini Spark. Działa on przez całą dobę w chmurze, zarządzając cyfrowym życiem użytkownika i proaktywnie wykonując powierzone mu zadania w tle.

    Tak potężne możliwości wymagają równie skutecznych zabezpieczeń. Google DeepMind wdrożyło w serii 3.5 zaawansowane ramy bezpieczeństwa o nazwie Frontier Safety Framework. Znacząco wzmocniono ochronę przed zagrożeniami z zakresu cyberbezpieczeństwa oraz zablokowano możliwości wykorzystania AI do tworzenia zagrożeń biologicznych i chemicznych (CBRN). Co równie ważne dla codziennych użytkowników, dzięki nowym metodom treningu, system znacznie rzadziej będzie błędnie odmawiał odpowiedzi na całkowicie bezpieczne zapytania, co do tej pory bywało niezwykle frustrującą cechą wielu modeli AI.

    #agentyAI #AI #Antigravity #Gemini35Flash #Google #GoogleDeepMind #GoogleIO2026 #iMagazine #nowości #programowanie #sztucznaInteligencja #technologia
  6. Google DeepMind odpala WeatherNext 2. To najdokładniejszy model pogodowy, który już zasila Pixele

    Google DeepMind i Google Research ogłosiły start WeatherNext 2 – swojego „najbardziej zaawansowanego i wydajnego modelu prognozowania pogody”.

    Nowy model AI jest 8 razy szybszy od poprzednika, a co najważniejsze – już teraz zasila prognozy w aplikacjach Google, w tym w Google Search i pogodzie na smartfonach Pixel. Nowy system potrafi w ciągu poniżej jednej minuty na jednym chipie TPU wygenerować prognozę, która wcześniej wymagała godzin obliczeń na superkomputerze.

    Przewidywanie katastrof i prognozy godzinowe

    Głównym przełomem WeatherNext 2 jest zdolność do generowania „setek możliwych scenariuszy pogody z jednego punktu wyjścia”. Pozwala to na przewidywanie zdarzeń o niskim prawdopodobieństwie, ale katastrofalnych skutkach.

    Jak donosi Engadget, model potrafi teraz przewidzieć trasę huraganu z trzydniowym wyprzedzeniem, podczas gdy poprzednia wersja dawała tylko dwa dni. Nowością są także prognozy generowane w odstępach 1-godzinnych.

    Model przewyższa swojego poprzednika w 99,9% zmiennych (jak temperatura, wiatr czy ciśnienie) w prognozach od 0 do 15 dni.

    Nowe podejście do prognozowania

    Ulepszenia wynikają z nowej techniki (Functional Generative Network; FGN). Zamiast przetwarzać dane wielokrotnie, jak modele do generowania obrazów, WeatherNext 2 potrzebuje tylko jednego kroku.

    Co ciekawe, model jest trenowany tylko na pojedynczych, „marginalnych” danych (jak temperatura w jednym punkcie), ale na tej podstawie sam uczy się prognozować „połączenia” (joints) – czyli całe, złożone systemy pogodowe, jak regiony dotknięte upałem czy oczekiwana wydajność farmy wiatrowej.

    Gdzie jest haczyk?

    Sami naukowcy DeepMind przyznają, że model wciąż ma ograniczenia. Jak donosi Bloomberg, WeatherNext 2 prawdopodobnie będzie miał problemy z przewidywaniem nietypowych, ekstremalnych opadów deszczu i śniegu. Wynika to po prostu z luk w danych treningowych, na których uczyła się sztuczna inteligencja.

    WeatherNext 2 jest już wdrażany w Google Search, Gemini i Pixel Weather, a wkrótce trafi także do Map Google.

    NotebookLM zyskuje nową supermoc. Funkcja „Deep Research” napisze wielostronicowy raport

    #googleDeepmind #googleSearch #news #pixelWeather #pogoda #prognozaPogodyAi #sztucznaInteligencja #weathernext2