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，这一机遇远不止于开创性的突破。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，为好奇心和严谨探索的蓬勃发展创造了条件。
今天，在山景城举行的 Research@ 活动上，我们正在展示如何将前所未有的洞察和能力交到医生、科学家、开发者、公共卫生官员及其他人员的手中。
以下是10个亮点：
1. Google Earth AI 为组织和社会带来行星级智能
应对全球挑战需要准确的、真实世界的行星情报。随着 Google Earth AI，就有可能预测 公共卫生威胁, 加速 清洁能源投资，提供 企业 具有前瞻性，以及更多内容。今天，我们正在扩展 抢先体验 并邀请合作伙伴探索访问 Google Earth AI 的三种新方式 全新的、实验性的功能:
- 作为“抢先体验”实验性功能的一部分，进行更深入的地理空间分析，该功能位于 Google Earth.
- 通过我们的系统生成风险评估并预测不同情景 行星预测引擎.
- 集成 我们的地理空间推理（Geospatial Reasoning）智能体通过一个实验性的智能体对智能体（agent-to-agent）API 将技能直接嵌入自定义工作流中，为开发者提供对卫星影像解析、路线规划和人口统计数据嵌入等核心功能的编程访问。
我们同时还宣布整合 Google 数据集搜索 用于从超过100百万个公共数据集中进行查询，以及 TimesFM 用于行星实况与预报迭代。所有这些能力都由70多个地理空间工具驱动，包括诸如 遥感基础模型 (RSFM)和 人口动态基础模型 (PDFM)。它们由今天发布的 Earth AI 技术报告中详述的实证基准进行了验证。这些模型使开发者、公共卫生负责人和企业团队能够自动化复杂的地理空间工作流程。
为进一步支持社会公益工作， Google.org 正在向致力于危机应对能力和公共卫生的组织提供1000万美元资金，其中包括200万美元给 The Milken Institute 以解除保障性住房、清洁能源、宽带、安全供水系统及其他关键基础设施的瓶颈。
Google Earth AI的地理空间基础模型正被用于帮助预测疾病暴发，并使公共卫生团队能够采取主动的预防性行动。
2. 多智能体编排帮助科学家在已有知识的基础上进行构建
现有文献是推动新科学发现的宝贵知识来源。我们构建了一个多智能体编排器，使科学家能够复现以往的方法和分析，并将其应用于新场景以应对重要的研究挑战。例如，这帮助研究人员将一种求解流体力学逆向设计问题的新方法应用于导尿管的设计。他们发现，在模拟中，这些导尿管设计能更好地预防细菌感染。
这与我们现有的工具相辅相成，共同加速科学工作流程。 实证研究辅助 使科学家能够并行生成和测试数千种代码变体，并已帮助研究人员 产出成果 涵盖从生物学到宇宙学再到经济学等领域。 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，如斯坦福大学的研究人员， 发现 可重新用于对抗肝纤维化的药物。
3. Deep Review 帮助作者提升技术文档的清晰度和准确性
严谨的同行评审是科学方法的核心部分。我们创建了 Deep Review，这是一个 智能体系统 ，可对复杂文档进行严格验证。随着 AI 日益被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使用该系统的早期版本，评审了提交给顶级计算机科学会议的超过 16,000 篇研究论文。它通过检查逻辑一致性和核实事实来承担繁重的认知工作，同时科学家保持对创意方向的掌控。今天，我们将把 Deep Review 的使用权限扩大到公众，帮助人们验证从法律协议到财务报告等各类技术文档。
展示四阶段流水线的系统架构。
4. 下一代边缘 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，硬件制造商需要工具来开发高效的边缘应用，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 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，我们将揭示由 Synaptics 使用我们的开源 IP 打造的协同设计、下一代低功耗边缘 AI 芯片。该芯片为设计工程师构建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和语音系统提供更高的效率和性能。
Synaptics 全新低功耗边缘 AI 芯片，旁边放置一枚硬币以展示其相对尺寸。
5. TimesFM 和 TabFM 变革企业处理数字的方式
虽然语言模型擅长处理文本，但业务和运营决策也依赖于数字。 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——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）。两款模型无需训练即可开箱即用，提供准确预测。它们在其领域的领先公开基准测试中名列前茅，并对所有 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数据表和数百万行数据，预测产品销售或医院床位容量等趋势。敏感数据安全地保留在组织边界内，人们可在数秒内获得所需的答案。
TimesFM-3 的多变量预测可帮助企业预判未来计划促销日的销售提升。
6. MedGemma 使创新者能够构建和部署健康 AI 应用
MedGemma, 已发布 上周在 《自然·医学》, 已被超过 65,000 位独立创新者下载超过 10 million 次。它作为开放基础，供开发者构建 专业化应用。开发者已将其调整以满足当地社区的需求，从在拥挤的诊所中实现更快速的分诊，到筛查 眼病 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，我们也在推动开放医疗 AI 的前沿。我们的最新研究通过工具使用增强了 MedGemma，使其能够利用可用的健康记录以及临床医生所依赖的其他应用。我们正在探索诸如乳腺X线摄影、超声和心电图等新模态。早期迹象表明，在回答临床问题以及解读放射影像、皮肤图像和病理切片等能力方面取得了显著进展。凭借这些进展，我们希望拓展创新者能够构建的内容，为世界各地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。我们今年在 《Nature》 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 《Nature Medicine》, 上，我们 展示了 它如何在医学影像和化验结果等多模态数据之间进行推理。
我们在 《The Lancet》 上发表的 新研究 则令人期待地展示了其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，98 位患者在进行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。我们还在将 AMIE 的多模态能力推进到 实时视频问诊 ，并与合作方共同启动了一项针对 AI 在真实虚拟医疗场景中应用的 全国性随机研究 。 Included Health.
AMIE 是一段严谨研究旅程的一部分，该旅程可追溯至我们具有里程碑意义的 MedPalm 论文，而且现在仍处于早期阶段。
8. Groundsource 让研究人员能够预测自然灾害
AI 可以帮助我们 预测灾害 ，提高准确性并延长预警时间，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韧性 北极星目标迈进：一个没有人会被自然灾害打个措手不及的世界。
采取 洪水预报。我们的 global hydrologic model 的翻译是"全球水文模型"。,发表于 《自然》, 使我们能够提前最多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、影响最深远的河流洪水。然而就在一年前，预测山洪似乎仍然遥不可及。 Groundsource 是我们最近的 AI驱动的方法 该项目将有关危机的公开信息转化为高质量的历史数据集，使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2.6百万次洪水事件的结构化数据集。该数据集帮助我们克服了以下方面缺乏基准真实数据的困难： 山洪 并训练一个能够提前最多24小时预测城市地区暴洪可能性的新模型。该数据集现已成为 Google Earth AI 系列的一部分，我们已将其 公开可获取 以帮助科学家进行进一步的分析和研究。
一张显示 Groundsource 中洪水事件密度的全球地图。红点表示来自 GDACS 的洪水。
9. 互动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，动态生成功能完备的交互式软件。我们的 研究实验 在教育领域对此进行了探索。我们对 生成式 UI 附带教学防护机制，使教师能够根据其课程量身创建自定义的引导式 STEM 模拟。 采样库 包含30多个由AI生成的学习互动内容，均经过教师审核，适用于初高中物理、化学、生物和数学。学校可以注册该 Google for Education 试点计划 以分享反馈。这将帮助我们改进模拟并进一步开发供公众使用的版本，使练习更具互动性和吸引力。
10. Play with Putty 支持团队进行协作式实时原型设计
玩转 PuTTY 让团队能够在一个共享环境中共同构建和原型设计，而不打断他们的创作流程。它展示了当 AI 模型变得更高效、能够根据自然语言提示生成完整界面时，一切皆有可能。人们可以直接与界面的任何部分交互，同时多人编辑功能支持无缝的实时协作。我们最初设计 Play with Putty 是为了让 Google 各处的研究人员和团队能够共同进行原型设计——例如，与 Google Earth AI 一起探索新的解决方案和可视化。此后，我们已在 Google Labs 开放了等候名单，让人机协作的乐趣带给各地使用 AI 的团队。
这10项更新展示了我们庞大研究组合近期在以下领域取得的进展 许多领域。当技术放大人类的聪明才智时,它才能取得成功。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大——与众多伙伴合作,开创突破并分享能够赋能他人的工具。我们对前方的旅程充满期待。