Google DeepMind

DeepMind Technologies Limited
  • Google DeepMind
会社形態子会社
業界人工知能
設立2010年9月23日（設立）[ 1 ] 2010年11月15日（正式発足）[ 2 ] （2010年9月23日） （2010年11月15日）
創設者
本社イギリス、ロンドン[ 3 ]
主要人物
製品
収益減少13億3000万ポンド（2024年）[ 4 ]
増加2億1,700万ポンド（2024年）[ 4 ]
増加1億7,400万ポンド（2024年）[ 4 ]
所有者アルファベット社[ 5 ]
従業員数
約 6,000人（2025年）[ 6 ]
親会社ディープマインド・ホールディングス・リミテッド[ 7 ]
子会社Google AI
ウェブサイト deepmind.google

DeepMind Technologies Limited [ 1 ] （ Google DeepMindまたは単にDeepMindとして取引）は、 Alphabet Inc.の子会社として機能する英米の人工知能研究機関です。2010年に英国で設立され、2014年にGoogleに買収され[ 8 ] 、2023年4月にGoogle AIのGoogle Brain部門と合併してGoogle DeepMindになりました。本社はロンドンにあり、米国、カナダ、[ 9 ]フランス、[ 10 ]ドイツ、スイスに研究センターがあります。

2014年、DeepMindはニューラルチューリングマシン（従来のチューリングマシンのように外部メモリにアクセスできるニューラルネットワーク）を発表しました。[ 11 ] [ 12 ]同社はビデオゲームやボードゲームをプレイするために強化学習でトレーニングされた多くのニューラルネットワークモデルを作成しました。 2016年には、AlphaGoプログラムが囲碁の世界チャンピオンであるイ・セドルを5ゲームの試合で破り、後にドキュメンタリーAlphaGoで取り上げられ、注目を集めました。 [ 13 ]より汎用的なプログラムであるAlphaZeroは、強化学習を使用して数日間の自分自身との対戦の後、囲碁、チェス、将棋（日本のチェス）の最強プログラムに勝ちました。 [ 14 ] DeepMindはそれ以来、ゲームプレイ（MuZero、AlphaStar）、幾何学（AlphaGeometry）、アルゴリズム発見（AlphaEvolve、AlphaDev、AlphaTensor）のモデルをトレーニングしてきました。

2020年、DeepMindはAlphaFoldでタンパク質フォールディングの問題に大きな進歩を遂げ、タンパク質フォールディング予測のベンチマークテストで最先端の記録を達成しました。 [ 15 ] 2022年7月には、事実上すべての既知のタンパク質を代表する2億以上の予測タンパク質構造がAlphaFoldデータベースで公開されることが発表されました。[ 16 ] [ 17 ]

Google DeepMind は、Gemini (Google の大規模言語モデルファミリー) や、テキストから画像への変換モデルImagen、テキストから動画への変換モデルVeo、テキストから音楽への変換モデル Lyria などの他の生成 AIツールの開発を担当するようになりました。

歴史

このスタートアップは、デミス・ハサビス、シェーン・レッグ、ムスタファ・スレイマンによって2010年11月に設立されました。 [ 2 ]ハサビスとレッグは、ユニバーシティ・カレッジ・ロンドン（UCL）のギャツビー計算神経科学ユニットで初めて出会いました。[ 18 ]

デミス・ハサビス氏によると、スタートアップ企業は人工知能技術の開発に、70年代や80年代の古いゲームの遊び方をAIに教えることから始めたという。これらのゲームは、現在あるゲームと比べると比較的原始的である。これらのゲームには、ブレイクアウト、ポン、スペースインベーダーなどが含まれる。AIはルールに関する事前知識なしに、一度に1つのゲームを紹介された。しばらくゲームの学習に時間を費やした後、AIは最終的にそのゲームの専門家になる。「AIが行う認知プロセスは、そのゲームを見たことがない人間がゲームを理解し、マスターしようとするのと非常に似ていると言われています。」[ 19 ]創設者の目標は、ほぼすべての用途に役立ち、効果的な汎用AIを作成することである。

同社には大手ベンチャーキャピタルのHorizo​​ns VenturesとFounders Fundが投資しており、 [ 20 ]また起業家のScott Banister、[ 21 ] Peter Thiel、[ 22 ] Elon Muskも投資している。[ 23 ] Jaan Tallinnは初期の投資家であり顧問でもあった。[ 24 ] 2014年1月26日、GoogleはDeepMindを4億ドルから6億5000万ドルの間で買収したと発表した。[ 25 ] [ 26 ] [ 27 ]そしてDeepMind Technologiesを買収することに合意したと発表した。Googleへの売却はFacebookが2013年にDeepMind Technologiesとの交渉を終了したと報じられた後に行われた。 [ 28 ]その後同社はGoogle DeepMindに改名され、約2年間その名前を維持した。[ 29 ]

2014年、ディープマインドはケンブリッジコンピュータ研究所から「カンパニー・オブ・ザ・イヤー」賞を受賞した。[ 30 ]

2015～2016年のロゴ
2016～2019年のロゴ

2015年9月、DeepMindとRoyal Free NHS Trustは、臨床タスク管理アプリ「Streams」を共同開発するための最初の情報共有契約を締結しました。[ 31 ]

Googleによる買収後、同社は人工知能倫理委員会を設立した。[ 32 ] AI研究の倫理委員会は謎に包まれたままであり、GoogleとDeepMindの両社とも委員会のメンバーを明らかにすることを拒否している。[ 33 ] DeepMindは、DeepMind Ethics and Societyと呼ばれる新しいユニットを開設し、著名な哲学者ニック・ボストロムを顧問として迎え、人工知能がもたらす倫理的および社会的問題に焦点を当てている。[ 34 ] 2017年10月、DeepMindはAI倫理を調査するための新しい研究チームを立ち上げた。[ 35 ] [ 36 ]

2019年12月、共同創業者のスレイマンはディープマインドを離れ、グーグルに入社して政策関連の役割を担うことを発表しました。[ 37 ] 2024年3月、マイクロソフトは彼を新設されたコンシューマーAI部門であるマイクロソフトAIのEVP兼CEOに任命しました。[ 38 ]

2023年4月、DeepMindはGoogle AIのGoogle Brain部門と合併し、Google DeepMindを設立しました。これは、OpenAIのChatGPTへの対応としてAIの取り組みを加速させるための継続的な取り組みの一環です。[ 39 ]これは、DeepMind幹部がGoogleからのより大きな自律性を確保するために長年続けてきた闘争の終結を示しました。[ 40 ]

製品とテクノロジー

2020年現在、DeepMindは1000本以上の論文を発表しており、そのうち13本はNatureまたはScienceに受理されています。DeepMindはAlphaGo時代にメディアの注目を集めました。LexisNexisの検索によると、2016年には1842件のニュース記事でDeepMindに言及していましたが、2019年には1363件に減少しました。[ 41 ]

ゲーム

IBMのDeep BlueやWatsonのような、事前に定義された目的のために開発され、その範囲内でのみ機能する初期のAIとは異なり、DeepMindの初期のアルゴリズムは汎用性を目的としていました。彼らは強化学習、つまり生のピクセルのみをデータ入力として使用し、経験から学習するアルゴリズムを使用しました。初期のアプローチでは、畳み込みニューラルネットワークを用いたディープQ学習が使用されました。[ 29 ] [ 42 ]彼らはこのシステムをビデオゲーム、特にスペースインベーダーやブレイクアウトなどの初期のアーケードゲームでテストしました。[ 42 ] [ 43 ]コードを変更することなく、同じAIは特定のゲームを人間よりも効率的にプレイすることができました。[ 43 ]

2018年7月、DeepMindの研究者たちは、同社のシステムの1つにコンピュータゲーム「Quake III Arena」をプレイするように訓練した。[ 44 ]

2013年、DeepMindはPong、Breakout、Enduroなどのゲームで人間の能力を超え、 Seaquest、Beamrider、Q*bertでは最先端のパフォーマンスを超えたAIシステムに関する研究を発表しました。[ 45 ] [ 46 ]この研究はGoogleによる同社の買収につながったと伝えられています。[ 47 ] DeepMindのAIは1970年代と1980年代に作られたビデオゲームに適用されており、1990年代に初めて登場したQuakeなどのより複雑な3Dゲームに向けた研究が進行中でした。[ 43 ]

2020年、DeepMindはAtari 2600スイートの全57のゲームで人間レベルのパフォーマンスを上回るAIエージェントであるAgent57を公開しました[ 48 ] [ 49 ] 。 [ 50 ] 2022年7月、DeepMindは、ボードゲームStrategoを人間の専門家レベルでプレイできるモデルフリーのマルチエージェント強化学習システムであるDeepNashの開発を発表しました[ 51 ] 。

AlphaGoと後継者

2015年10月、 DeepMind社が開発したコンピュータ囲碁プログラム「AlphaGo」が、ヨーロッパ囲碁チャンピオンで2段（9段まで昇段可能）のプロ棋士である樊輝を5対0で破りました。 [ 52 ]これは人工知能（AI）がプロの囲碁プレイヤーに勝利した初めてのケースでした。[ 53 ]以前は、コンピュータが囲碁を「アマチュア」レベルでしかプレイしていないことが知られていました。[ 52 ] [ 54 ]囲碁は、チェスなどの他のゲームと比較して、可能性がはるかに多いため、コンピュータが勝つのがはるかに難しいと考えられており、総当たり攻撃などの従来のAI手法では非常に困難です。[ 52 ] [ 54 ]

2016年3月にはプロ棋士9段のイ・セドルを5局勝負で4対1のスコアで破った。2017年のFuture of Go Summitでは、AlphaGoは2年間世界最高位の棋士であった柯潔との3局勝負に勝利した。 [ 55 ] [ 56 ] 2017年には、改良版のAlphaGo Zeroが100戦全勝でAlphaGoを破った。同年後半には、 AlphaGo Zeroの改良版であるAlphaZeroが、チェスと将棋で超人的な能力を獲得した。2019年、DeepMindは囲碁、チェス、将棋、Atari 2600のゲームドメインを、人間のデータ、ドメイン知識、既知のルールなしでマスターしたMuZeroという新しいモデルをリリースした。[ 57 ] [ 58 ]

AlphaGo技術は深層強化学習に基づいて開発されており、当時市場に出回っていたAI技術とは一線を画していました。AlphaGoアルゴリズムに入力されたデータは、過去のトーナメントデータに基づく様々な手で構成されていました。処理される手数は徐々に増加し、3000万手以上が処理されました。その目的は、入力データによって表される人間の棋士をシステムが模倣し、最終的により優れた棋力になることでした。AlphaGoは自身と対戦し、その結果から学習することで、時間の経過とともに自己改善を学習し、結果として勝率を向上させました。[ 59 ]

AlphaGoは2つのディープニューラルネットワークを用いていた。一つは手の確率を評価するポリシーネットワーク、もう一つは局面を評価するバリューネットワークである。ポリシーネットワークは教師あり学習によって訓練され、その後、ポリシー勾配強化学習によって改良された。バリューネットワークは、ポリシーネットワークが自身と対戦した際の勝者を予測することを学習した。訓練後、これらのネットワークは先読みモンテカルロ木探索を採用し、ポリシーネットワークを用いて高確率の候補手を特定し、バリューネットワークは（高速ロールアウトポリシーを用いたモンテカルロロールアウトと組み合わせて）木の位置を評価した。[ 60 ]

対照的に、AlphaGo Zeroは人間がプレイしたゲームのデータを与えずにトレーニングされた。代わりに、自分自身でデータを生成し、何百万ものゲームを自分自身と対戦した。別々のポリシーネットワークと値ネットワークではなく、単一のニューラルネットワークを使用した。簡素化されたツリー探索は、このニューラルネットワークに依存して位置を評価し、動きをサンプルした。新しい強化学習アルゴリズムは、トレーニングループ内に先読み検索を組み込んだ。[ 60 ] AlphaGo Zeroは約15人の人員と数百万の計算リソースを使用した。[ 61 ]最終的に、AlphaGoが48個必要とするのに対し、4個の専用AIプロセッサ（Google TPU ）で実行され、AlphaGoよりもはるかに少ない計算能力しか必要としなかった。 [ 62 ]また、トレーニング時間も短く、最初のAlphaGoで数か月を要したのに対し、わずか3日で前任者に勝つことができた。[ 63 ]同様に、AlphaZeroも自己対戦で学習した。

研究者たちは、 YouTube、Twitch、Google Meetなどのサイトにおけるインターネットトラフィックを考慮し、一定数のビット数で動画を圧縮するという現実的な課題を解決するためにMuZeroを適用しました。MuZeroの目的は、動画の品質を維持しながらデータ量を削減し、動画を最適に圧縮することです。MuZeroを使用した最終結果は、ビットレートが平均6.28%削減されたというものでした。[ 64 ] [ 65 ]

アルファスター

2016年、ハサビスは戦略的思考と不完全な情報の扱いを必要とするゲーム「スタークラフト」を将来の課題として議論しました。[ 66 ]

2019年1月、DeepMindはリアルタイム戦略ゲーム「StarCraft II」をプレイするプログラム「AlphaStar」を発表しました。AlphaStarは人間のプレイヤーのリプレイに基づく強化学習を使用し、その後、自身と対戦することでスキルを向上させました。発表時点で、AlphaStarは200年のプレイ時間に相当する知識を持っていました。AlphaStarは2人のプロプレイヤーに対して10連勝しましたが、カメラを手動で動かさなければならない人間のプレイヤーとは異なり、フィールド全体を見渡せるという不公平なアドバンテージを持っていました。このアドバンテージが固定された初期バージョンは、その後の試合で敗北しました。[ 67 ]

2019年7月、AlphaStarはヨーロッパの公開1対1マルチプレイヤーラダーでランダムに選ばれた人間と対戦を開始しました。プロトス対プロトスのみをプレイしていた最初のバージョンとは異なり、このバージョンではゲームに登場する全ての種族をプレイし、以前の不公平なアドバンテージは修正されました。[ 68 ] 2019年10月までに、AlphaStarはStarCraft IIのラダーで3つの種族全てにおいてグランドマスターレベルに到達し、ゲーム制限なしに人気のeスポーツのトップリーグに到達した最初のAIとなりました。[ 69 ]

データセンター運用

2014年、Googleのデータセンターエンジニアは、教師あり機械学習を用いてGoogleのデータセンターの電力使用効率（PUE）を予測し始めました。このシステムは本番環境に導入され、オペレーターは制御戦略をシミュレートし、最もエネルギーを節約できる戦略を選択できるようになりました。 [ 70 ] [ 71 ] 2016年、AlphaGoに触発された彼は、強化学習（RL）を適用してアクションを推奨できるシステムをトレーニングするためにDeepMindに連絡を取りました。これは実際のデータセンターで試験運用されました。システムはセンサーの読み取り値を読み取り、実行すべきアクションを推奨し、人間のエンジニアがそのアクションを実行しました。人間のエンジニアはその推奨事項が直感的ではないと感じましたが、すべての安全上の制約を満たし、PUEを15%削減しました。[ 72 ]このシステムはGoogle全体に広く導入され、データセンターのコントローラーは15分ごとにシステムからメールで推奨事項を受け取りました。[ 73 ]

最終的には、より成熟した自律的なシステムが導入されました。AIの行動は安全制約に照らしてチェックされ、安全が確認された場合は自律的に実行されます。また、人間のオペレーターがAIを監視し、必要に応じて変更を加えることも可能です。このシステムにより、PUEが30%削減されました。このシステムは、冬の条件を利用して通常よりも冷たい水を生成するなど、長年のオペレーターを驚かせるような冷却戦略を生み出しました。[ 73 ] [ 74 ]その後、GoogleはTrane Technologiesと提携し、Google以外の施設のHVACにも同様のRLベースシステムを導入しました。[ 75 ]

タンパク質の折り畳み

2016年、DeepMindは、分子生物学における長年の課題であるタンパク質フォールディングに人工知能を投入しました。2018年12月、DeepMindのAlphaFoldは、43種類のタンパク質のうち25種類のタンパク質の構造を最も正確に予測することに成功し、第13回タンパク質構造予測技術評価（CASP）で最優秀賞を受賞しました。「これは灯台プロジェクトであり、基礎的で非常に重要な現実世界の科学的問題に対する人材とリソースの面での最初の大規模な投資です」とハサビス氏はガーディアン紙に語っています。[ 76 ] 2020年の第14回CASPでは、AlphaFoldの予測は実験室技術に匹敵する精度スコアを達成しました。科学審査員団の一人であるアンドリー・クリシュタフォヴィチ氏は、この成果を「真に注目すべきもの」と評し、タンパク質のフォールディング予測の問題は「ほぼ解決された」と述べました。[ 77 ] [ 78 ] [ 79 ]

2021年7月、オープンソースのRoseTTAFoldとAlphaFold2がリリースされ、科学者は独自のツールバージョンを実行できるようになりました。1週間後、DeepMindは、AlphaFoldがほぼすべてのヒトタンパク質と、広く研究されている他の20種の生物のプロテオーム全体の予測を完了したと発表しました。 [ 80 ]これらの構造は、AlphaFoldタンパク質構造データベースで公開されました。2022年7月には、事実上すべての既知のタンパク質を代表する2億個以上のタンパク質の予測がAlphaFoldデータベースで公開されることが発表されました。[ 16 ] [ 17 ]

最新アップデートであるAlphaFold3は2024年5月にリリースされ、タンパク質とDNA、RNA、その他様々な分子との相互作用を予測します。DNA相互作用に関するベンチマークテストにおいて、AlphaFold3は65%の精度を達成し、従来の最先端技術である28%を大幅に上回りました。[ 81 ]

2024年10月、ハサビスとジョン・ジャンパーは、 AlphaFold2の功績を称え、タンパク質構造予測の功績により、2024年ノーベル化学賞の半分を共同で受賞した。[ 82 ]

言語モデル

2016年、DeepMindは音声合成システムWaveNetを発表しました。当初は計算負荷が大きすぎたため消費者向け製品には適していませんでしたが、2017年後半にはGoogle Assistantなどの消費者向けアプリケーションで使用できるようになりました。[ 83 ] [ 84 ] 2018年、GoogleはWaveNetをベースにした商用音声合成製品Cloud Text-to-Speechをリリースしました。[ 85 ] [ 86 ] 2018年、DeepMindはGoogle AIと共同開発したWaveRNNと呼ばれるより効率的なモデルを発表しました。[ 87 ] [ 88 ] 2020年には、WaveRNNアーキテクチャに基づくパケット損失隠蔽手法WaveNetEQが発表されました。[ 89 ] 2019年、GoogleはWavenetEQを搭載したWaveRNNをGoogle Duoユーザーに展開し始めました。[ 90 ]

2022年5月にリリースされたGatoは、多価マルチモーダルモデルです。画像キャプション、会話、ブロック積み上げなど、604のタスクで学習されました。DeepMindによると、これらのタスクのうち450のタスクでは、Gatoは少なくとも半分の時間で人間の専門家を上回る成績を達成しました。[ 91 ] MuZeroなどのモデルとは異なり、Gatoはタスクを切り替える際に再学習を必要としません。

SparrowはDeepMindが開発した人工知能を搭載したチャットボットで、人間のフィードバックとGoogleの検索候補を組み合わせて、より安全な機械学習システムを構築します。[ 92 ]

チンチラはDeepMindによって開発された言語モデルである。[ 93 ]

DeepMindは2022年4月28日に、わずか数枚のトレーニング画像で何かの画像を正確に記述できるFlamingoという単一の視覚言語モデル（VLM）に関するブログ記事を掲載しました。[ 94 ] [ 95 ]

アルファコード

2022年、DeepMindは、平均的なプログラマーと同等の速度でコンピュータプログラムを作成するAI搭載コーディングエンジンであるアルファコードを発表しました。同社は、人間の競技プログラミング大会で利用されているCodeforcesが作成したコーディング課題に対してこのシステムをテストしました。 [ 96 ]アルファコードは、 GitHubデータとCodeforceの問題と解答でトレーニングされた後、Codeforcesの中央値スコアの54%に相当する順位を獲得しました。このプログラムは、独自の解答を考え出す必要があり、回答が重複しないようにしました

ジェミニ

Geminiは2023年12月6日にリリースされたマルチモーダル大規模言語モデルです。[ 97 ] GoogleのLaMDAとPaLM 2言語モデルの後継であり、OpenAIのGPT-4に挑戦することを目指しました。[ 98 ] GeminiにはNano、Pro、Ultraの3つのサイズがあります。[ 99 ] Geminiは、Geminiを統合したチャットボットの名前でもあります（以前はBardと呼ばれていました）。[ 100 ]

2024年12月12日、GoogleはGemini 2.0シリーズの最初のモデルとなるGemini 2.0 Flashをリリースしました。これは、画像や音声も生成できるなど、拡張されたマルチモーダル機能を特徴としており[ 101 ] 、高度なAIを自律エージェントに統合するというGoogleのより広範な計画の一環です[ 102 ]。

2025年3月25日、GoogleはGemini 2.5をリリースしました。これは、回答を出す前に「考える」ために一時停止する推論モデルです。Googleは、将来のすべてのモデルにも推論機能を追加すると発表しました。[ 103 ] [ 104 ] 2025年3月30日、Googleはすべての無料ユーザー向けにGemini 2.5をリリースしました。[ 105 ]

2025年11月18日、Googleは完全にマルチモーダルな推論モデルであるGemini 3 Proをリリースしました。[ 106 ]同日、Google検索とAIモードに完全に統合されました。[ 107 ]

ジェマ

ジェマは、オープンウェイトの大規模言語モデルのコレクションです。最初のモデルは2024年2月21日にリリースされ、2つの異なるサイズで提供されています。GPUとTPUの使用向けに最適化された70億パラメータモデルと、CPUとデバイス上のアプリケーション向けに設計された20億パラメータモデルです。ジェマモデルは、ジェミニモデルセットと同様のアーキテクチャ、データセット、およびトレーニング手法を用いて、最大6兆トークンのテキストでトレーニングされました。[ 108 ]

2024年6月、GoogleはGemma 2モデルのリリースを開始しました。[ 109 ] 2024年12月、Googleは視覚言語モデルのアップグレード版であるPaliGemma 2を発表しました。 [ 110 ] 2025年2月、Googleは複数のタスク向けに微調整されたバージョンであるPaliGemma 2 Mixをリリースしました。これは3B、10B、28Bのパラメータで提供され、解像度は224ピクセルと448ピクセルです。[ 111 ]

2025年3月、GoogleはGemma 3をリリースし、単一のGPUで実行できる最も高性能なモデルとしました。[ 112 ]利用可能なサイズは1B、4B、12B、27Bの4つです。[ 113 ] 2025年3月、Googleは治療薬開発の効率を向上させるために設計されたオープンソースモデルであるTxGemmaを導入しました。[ 114 ]

2025年4月、Googleはイルカのコミュニケーションを解読することを目的とした研究用人工知能モデル「DolphinGemma」を発表しました。同社は、イルカの発声構造を学習し、イルカに似た新しい音声シーケンスを生成できる基礎モデルの訓練を目指しています。[ 115 ] [ 116 ]

SIMA

2024年3月、DeepMindはScalable Instructable Multiword Agent（SIMA）を発表しました。これは、自然言語の指示を理解し、それに従って様々な3D仮想環境でタスクを完了できるAIエージェントです。8つのスタジオと4つの研究環境から9つのビデオゲームでトレーニングされたSIMAは、ゲームのソースコードやAPIにアクセスすることなく、新しいタスクや設定への適応性を実証しました。このエージェントは、ゲームデータに基づいて微調整された、事前トレーニング済みのコンピュータービジョンと言語モデルで構成されており、言語は指示通りに与えられたタスクを理解し完了するために不可欠です。DeepMindの研究は、高度なAI機能を言語インターフェースを介して現実世界の行動に変換することで、より役立つAIエージェントの開発を目的としていました。[ 117 ] [ 118 ]

ハーバーマス・マシン

2024年、Google Deepmindは、抽選などの手法を用いてオンラインで募集した数千人のグループメンバー間で重複する領域を特定し、提示する2つの大規模言語モデルを訓練した実験の結果を発表しました。このプロジェクトは、参加者の代表的なサンプルを得るために、抽選などの手法を用いていました。[ 119 ] [ 120 ]ある実験では、参加者はAIによる要約を人間のモデレーターよりも56%の割合で高く評価しました。[ 120 ]

生成AI

ビデオ生成

2024年5月、Google I/O 2024で、マルチモーダル動画生成モデル「Veo」が発表されました。[ 121 ] Googleは、 1分を超える1080p動画を生成できると主張しました。 [ 121 ] 2024年12月、GoogleはVideoFX経由で利用可能なVeo 2をリリースしました。Veo 2は4K解像度の動画生成をサポートし、物理学の理解が向上しています。[ 122 ] 2025年4月、GoogleはVeo 2がGeminiアプリで上級ユーザー向けに利用可能になったことを発表しました。[ 123 ]

2025年5月、GoogleはVeo 3をリリースしました。これは動画を生成するだけでなく、映像に合わせて会話、効果音、周囲の音などの同期した音声も作成します。[ 124 ] [ 125 ]

Googleはまた、VeoとImagenを搭載したビデオ作成ツールであるFlowも発表した。[ 126 ]

音楽生成

Google DeepMindは、テキストから音楽を生成するモデルであるLyriaを開発しました。2025年8月現在、Vertex AIとGemini APIで利用可能です。[ 127 ] [ 128 ] [ 129 ]

環境生成

2024年3月、DeepMindは、テキストによる説明、画像、スケッチに基づいて、ゲームのようなアクション制御可能な仮想世界を生成できるAIモデル「Genie」（Generative Interactive Environments）を発表しました。自己回帰潜在拡散モデルとして構築されたGenieは、学習にラベル付けされたアクションデータを必要とせずに、フレームごとのインタラクションを可能にします。2024年12月にリリースされた後継機種であるGenie 2は、これらの機能を拡張し、多様でインタラクティブな3D環境を生成しました。[ 130 ] Genie 3は2025年8月にリリースされ、より高解像度の世界生成と数分間の視覚的な一貫性を実現しました。[ 131 ]

ロボティクス

2023年6月にリリースされたRoboCatは、ロボットアームを制御できるAIモデルです。このモデルは、新しいロボットアームのモデルや新しいタイプのタスクに適応できます。[ 132 ] [ 133 ] 2025年3月、DeepMindはロボットと現実世界との相互作用を改善することを目指した2つのAIモデル、Gemini RoboticsとGemini Robotics-ERをリリースし[ 134 ]、2025年9月にGemini Robotics 1.5をリリースしました。[ 135 ]

その他

サッカー

DeepMindの研究者たちは、北米ではサッカーと呼ばれることが多いサッカーに機械学習モデルを適用し、ゴールキーパー、ディフェンダー、ストライカーを含むサッカー選手の行動を、PK戦などの様々なシナリオにおいてモデル化しました。研究者たちはヒートマップとクラスター分析を用いて、試合中に得点を決めるか、相手チームの得点を阻止するかという判断に直面した際に、選手が特定の行動をとる傾向に基づいて選手を分類しました。

研究者たちは、機械学習モデルを用いて、試合のハイライトとなる興味深いビデオクリップを自動的に選択することで、サッカー業界を民主化できる可能性があると述べています。これは、特定のイベントのビデオを検索することで実現できます。これは、ビデオ分析が機械学習の確立された分野であるため可能です。また、パスやシュートの注釈、試合中に何度も選手の動きに関するデータを取得するセンサー、そしてゲーム理論モデルなどのデータに基づく広範なスポーツ分析によっても可能になっています。[ 136 ] [ 137 ]

考古学

Googleは、ホメロスの『オデュッセイア』に登場するギリシャの島にちなんで「イサカ」と名付けられた新しい考古学文書プログラムを発表しました。[ 138 ]このディープニューラルネットワークは、研究者が損傷したギリシャ文書の空白テキストを復元し、その年代と地理的起源を特定するのに役立ちます。[ 139 ]この研究は、DeepMindが2019年にリリースした「ピュティア」という別のテキスト分析ネットワークに基づいています。[ 139 ]イサカは、損傷した文書の復元で62%の精度、位置の精度で71%を達成し、年代測定の精度は30年です。[ 139 ]著者らは、「専門の歴史家」によるイサカの使用により、研究の精度が25%から72%に向上したと主張しました。[ 138 ]しかし、エレノア・ディッキーは、このテストは実際には学生のみを対象としており、「真に資格のある編集者」にとってイサカがどれほど役立つかは明らかではないと述べています[ 139 ]

研究チームは、このモデルをデモティック語、アッカド語、ヘブライ語、マヤ語などの他の古代言語に拡張する取り組みを進めている。[ 138 ]

材料科学

2023年11月、Google DeepMindはOpen Source Graph Network for Materials Exploration（GNoME）を発表しました。このツールは、これまで化学において未知の数百万種の物質を提案しており、その中には数十万種の安定した結晶構造も含まれています。リリース時点で、そのうち736種はマサチューセッツ工科大学によって実験的に生成されていました。[ 140 ] [ 141 ]しかし、アンソニー・チーサムによると、GNoMEは「実験材料科学者にとって有用で実用的な貢献」をしていないとのことです。[ 142 ]チーサムとラム・セシャドリによるレビュー記事では、GNoMEによって発見された「著しく新しい」物質は特定できず、そのほとんどは既知の物質のマイナーバリアントでした。[ 142 ] [ 143 ]

数学

AlphaTensor

2022年10月、DeepMindはAlphaTensorをリリースしました。これは、AlphaGoと同様の強化学習技術を用いて、行列乗算のための新しいアルゴリズムを見つけるものです。[ 144 ] [ 145 ]整数要素を持つ2つの4×4行列を乗算するという特殊なケース（要素の偶数または奇数のみを記録する）において、AlphaTensorは47回の異なる乗算のみを必要とするアルゴリズムを発見しました。1969年から知られている以前の最適解は、49回の乗算を使用する、より一般的なStrassenアルゴリズムでした。[ 146 ]コンピューター科学者のJosh AlmanはAlphaTensorを「画期的な成果となる可能性のある概念実証」と表現しましたが、Vassilevska Williamsは強化学習の基盤が従来のアプローチとは「全く異なるもの」であると認めながらも、「少し誇張されている」と評しました。 [ 146 ]

アルファジオメトリー

アルファジオメトリーは、国際数学オリンピックの幾何学問題30問中25問を解くことができたニューロシンボリックAIであり、金メダリストに匹敵する成績です。[ 147 ]

従来の幾何学プログラムは、厳密な証明を生成するために人間がコード化した規則のみに依存する記号エンジンであり、特殊な状況では柔軟性に欠ける。AlphaGeometryは、このような記号エンジンと、幾何学的証明の合成データで訓練された特殊な大規模言語モデルを組み合わせる。記号エンジンが単独で形式的かつ厳密な証明を見つけられない場合、大規模言語モデルを参照し、そこから幾何学的構成を提案して、次のステップに進む。しかし、記号エンジンはドメイン固有の規則に依存し、合成データが必要であるため、この手法が数学や推論の他の分野にどの程度適用できるかは不明である。[ 147 ]

AlphaProof

AlphaProofは、事前学習済みの言語モデルとAlphaZero強化学習アルゴリズムを組み合わせたAIモデルです。AlphaZeroは以前、ゲームの攻略法を自己学習しました。この組み合わせで使用される事前学習済みの言語モデルは、自然言語の問題文を形式文に自動的に翻訳するGeminiモデルを微調整したもので、さまざまな難易度の形式問題の大規模なライブラリを作成します。この目的のために、数学的な文は形式言語Leanで定義されています。2024年の国際数学オリンピックでは、AlphaProofとAlphaGeometryの適応版が、複合カテゴリーで初めて銀メダリストと同じレベルの問題を解く能力に到達しました。[ 148 ] [ 149 ]

AlphaDev

2023年6月、Deepmindは、強化学習を用いて改良されたコンピュータサイエンスアルゴリズムを研究するAlphaDevが、ソートアルゴリズムとハッシュアルゴリズムをより効率的にコーディングする方法を発見したと発表しました。新しいソートアルゴリズムは、短いシーケンスでは70%、25万要素を超えるシーケンスでは1.7%高速化され、新しいハッシュアルゴリズムは場合によっては30%高速化されました。このソートアルゴリズムはC++標準ライブラリのソートアルゴリズムに採用され、10年以上ぶりのアルゴリズムの変更であり、AIを用いて発見されたアルゴリズムを含む最初のアップデートとなりました。[ 150 ]ハッシュアルゴリズムはオープンソースライブラリに公開されました。[ 151 ] Googleは、これら2つのアルゴリズムが毎日数兆回使用されていると推定しています。[ 152 ]

アルファエボルブ

2025年5月、Google DeepMindは、GeminiなどのLLMを用いて最適化されたアルゴリズムを設計する進化型コーディングエージェント、AlphaEvolveを発表しました。AlphaEvolveは、初期アルゴリズムと解の品質を評価する指標を用いて、各最適化プロセスを開始します。各ステップにおいて、LLMを用いてアルゴリズムのバリエーションを生成したり、組み合わせたりし、最適な候補を選択してさらなる反復処理を行います。[ 153 ]

AlphaEvolveは、行列乗算を含むいくつかのアルゴリズムの発見を成し遂げました。Googleによると、50の未解決数学問題でテストしたところ、AlphaEvolveは75%のケースで最先端のアルゴリズムの効率に匹敵し、 11次元のキッシング数問題などでは20%のケースで改善された解を発見しました。また、データセンターのスケジューリングに関する新たなヒューリスティックも開発し、Googleの全世界の計算リソースの平均0.7%を回復しました。[ 153 ]

チップ設計

AlphaChipは、チップ配置タスクをガイドする強化学習ベースのニューラルアーキテクチャです。DeepMindは、この技術により、チップレイアウトの作成に必要な時間が数週間から数時間に短縮されたと主張しました。同社によると、同社のチップ設計は2020年以降のすべてのTensor Processing Unit（TPU）イテレーションで使用されています。 [ 154 ] [ 155 ]複数の独立した研究者は、直接公開されているベンチマークと、既存の商用チップ設計ツールに対する優位性を証明する独立した証拠がないことを理由に、納得していません。[ 156 ] TPUチップはBroadcomと共同設計されました。[ 157 ] [ 158 ] Communications of the ACMは、かなりの宣伝にもかかわらず、DeepMindが専門家から長い間求められていた比較ベンチマークを提供しておらず、この分野に懐疑的な見方を残していると指摘しました[ 159 ]同様に、ニューサイエンティスト誌は、グーグルがアルファチップが現在生産に使用されている「超人的な」チップレイアウトを生み出したと主張している一方で、外部の専門家はこれらの主張を裏付け、現在の最先端の方法との公平な比較を可能にするために、透明性のあるパフォーマンスデータを要求したと報じている。[ 160 ]

安全性

Google Researchは2016年にAIの安全性とAI学習プロセス中の望ましくない動作の回避に関する論文を発表しました。 [ 161 ] 2017年にDeepMindは、アルゴリズムがキルスイッチを無効にすることを学習するか、または特定の望ましくない動作を示すかどうかを評価するためのオープンソースのテストベッドであるGridWorldをリリースしました。[ 162 ] [ 163 ]

天気予報

Google DeepMindは、AIベースの天気予報システム「Weather Lab」を開発し、熱帯低気圧の予報を大幅に改善しました。2025年半ばにリリースされたこのモデルは、45年間の世界の気象と低気圧のデータでトレーニングされた確率的ニューラルネットワークを活用し、最大15日先までの複数の確率予報を用いて、低気圧の形成、進路、強度、構造を予測することを可能にしました。2025年の大西洋ハリケーンシーズン中、DeepMindのWeather Labは、進路と強度の両方の予測において、米国立気象局のグローバル予報システムを含む従来の物理学ベースのモデルを上回り、気象学者から高い評価を受け、米国立ハリケーンセンターのハリケーン予報の取り組みを支援しました。これは気象モ​​デリングにおける大きな進歩であり、AIが悪天候予報の速度と精度を向上させる可能性を示しています。[ 164 ]

Googleへのその他の貢献

DeepMindは（他のAlphabet AI研究者とともに）Google Playのパーソナライズされたアプリの推奨を支援している。[ 85 ] DeepMindはまた、 GoogleのAndroidチームと協力して、Googleのモバイルオペレーティングシステムの第9弾であるAndroid Pieを搭載したデバイスで利用できる2つの新機能を開発した。これらの機能、Adaptive BatteryとAdaptive Brightnessは、機械学習を使用して電力を節約し、オペレーティングシステムを搭載したデバイスの使いやすさを向上させる。通常の機械学習アプリケーションでは桁違いに多くの計算能力が必要になるため、DeepMindがこれらの技術をこれほど小規模に使用するのは初めてである。[ 165 ]

ディープマインド・ヘルス

2016年7月、ディープマインドとムーアフィールズ眼科病院は、ヘルスケア向けAIアプリケーションの開発に向けて提携すると発表しました。[ 166 ]ディープマインドは匿名化された眼科スキャンの分析に適用され、失明につながる病気の早期兆候を探します

2016年8月には、ユニバーシティ・カレッジ・ロンドン病院と共同で、頭頸部領域の健康な組織と癌組織を自動的に区別できるアルゴリズムの開発を目指す研究プログラムが発表された。 [ 167 ]

ロイヤル・フリー・ロンドンNHS財団トラストおよびインペリアル・カレッジ・ヘルスケアNHSトラストと共同で、電子患者記録にリンクした新しい臨床モバイルアプリを開発するプロジェクトもあります。[ 168 ]ロイヤル・フリー病院のスタッフは2017年12月に、アプリを通じて患者データにアクセスすることで「膨大な時間」が節約され、急性腎不全患者の管理に「驚異的な」変化がもたらされたと述べたと報じられています。検査結果データはスタッフの携帯電話に送信され、患者の状態の変化を知らせます。また、スタッフは他の誰かが反応したかどうかを確認したり、患者に結果を視覚的に示したりすることもできます。[ 169 ] [ 170 ]

2017年11月、ディープマインドは、マンモグラフィーに機械学習を適用することで乳がんの検出率を向上させることを目指し、インペリアル・カレッジ・ロンドンのCancer Research UK Centreとの研究提携を発表しました。 [ 171 ]さらに、2018年2月には、ディープマインドは米国退役軍人省と協力し、機械学習を使用して患者の急性腎不全の発症を予測し、さらに広くは入院中の患者の全体的な病状の悪化を予測し、医師や看護師が必要な患者をより迅速に治療できるようにする取り組みを行っていると発表しました。[ 172 ]

DeepMindは、急性腎障害のリスクがある患者について医師に警告を送信するStreamsというアプリを開発した。[ 173 ] 2018年11月13日、DeepMindは、ヘルスケア部門とStreamsアプリがGoogle Healthに吸収されると発表した。[ 174 ]プライバシー擁護派は、この発表は患者の信頼を裏切るものであり、患者データはGoogleアカウントやサービスに接続されないというDeepMindの以前の声明と矛盾しているようだと述べた。[ 175 ] [ 176 ] DeepMindの広報担当者は、患者データは引き続きGoogleのサービスやプロジェクトとは分離されていると述べた。[ 177 ]

NHSデータ共有論争

2016年4月、ニューサイエンティスト誌はディープマインドとロイヤル・フリー・ロンドンNHS財団トラストとの間のデータ共有契約書のコピーを入手した。後者はロンドンで3つの病院を運営しており、年間推定160万人の患者が治療を受けている。契約書によると、ディープマインド・ヘルスはこれらの病院の入院、退院、転院データ、救急医療、病理学、放射線学、集中治療のデータにアクセスしていた。これには、患者がHIVと診断されたか、うつ病を患っていたか、中絶を受けたことがあるかといった個人情報も含まれており、様々な健康状態におけるより良い転帰を求める研究に利用されていた。[ 178 ] [ 179 ]

情報コミッショナー事務局（ICO）に苦情が申し立てられ、データは仮名化され暗号化されるべきだと主張した。[ 180 ] 2016年5月、ニューサイエンティスト誌は、このプロジェクトが医薬品・医療製品規制庁の機密性諮問グループから承認を得られなかったと主張するさらなる記事を掲載した。[ 181 ]

2017年、ICOは、ロイヤルフリーNHS財団トラストが2015年後半と2016年にアプリ「Streams」をどのようにテストしたかに焦点を当てた1年間の調査を終了しました。[ 182 ] ICOは、ロイヤルフリーがディープマインドに患者の詳細情報を提供した際にデータ保護法を遵守していなかったことを発見し、患者のデータがテストの一部として使用されることを適切に通知していなかったなど、データの取り扱い方法にいくつかの欠陥を発見しました。ディープマインドは2017年7月に調査に関する考えを公表し[ 183 ] ​​、「私たちはもっと良くする必要がある」と述べ、透明性、監督、関与のために開始したいくつかの活動とイニシアチブを強調しました。これには、患者と一般市民の関与戦略の策定[ 184 ]とパートナーシップの透明性が含まれます。

2017年5月、スカイニュースは、国家データ保護官であるフィオナ・カルディコット女史からの漏洩した書簡を公開し、カルディコット女史の「熟慮した見解」によれば、ディープマインドとロイヤル・フリー病院間のデータ共有契約は「不適切な法的根拠」に基づいて行われたと明らかにした。[ 185 ]情報コミッショナー事務局は2017年7月、ロイヤル・フリー病院が160万人の患者の個人データをディープマインドに引き渡した際に、データ保護法に違反したと判断した。[ 186 ]

ディープマインド倫理と社会

2017年10月、ディープマインドは新たな研究ユニット「ディープマインド倫理と社会」の設立を発表しました。[ 187 ]彼らの目標は、プライバシー、透明性、公平性、経済的影響、ガバナンスと説明責任、AIリスク管理、AIの道徳性と価値観、そしてAIが世界の課題にどのように対処できるかといったテーマに関する外部研究への資金提供です。その結果、チームはAIの倫理的影響をさらに理解し、AIが社会に有益であると認識してもらうことを目指しています。[ 188 ]

DeepMindのこの新しい部門は、DeepMindも参加している「人々と社会に利益をもたらす人工知能に関するパートナーシップ」という名の、AIを使用する大手企業、学界、市民社会組織、非営利団体のパートナーシップとはまったく別の部門です。 [ 189 ] DeepMindの倫理と社会委員会は、 GoogleがDeepMindを買収した際に設立することに合意した、議論されていたAI倫理委員会とも異なります。[ 190 ]

DeepMindの機械学習教授

DeepMind は、機械学習の 3 つの講座を後援しています。

  1. ケンブリッジ大学では、ニール・ローレンス[ 191 ]がコンピュータサイエンスとテクノロジーの学部で、
  2. オックスフォード大学では、マイケル・ブロンスタイン[ 192 ]がコンピュータサイエンス学部で、
  3. ユニバーシティ・カレッジ・ロンドンでは、コンピュータサイエンス学科のマーク・デイゼンロス氏[ 193 ]が担当しました。

こちらもご覧ください

参考文献

  1. ^ a b「DeepMind Technologies Limited 概要 - 企業情報の検索と更新 - Gov.uk」 . Companies House . 2010年9月23日. 2023年7月22日時点のオリジナルよりアーカイブ。2024年12月14日閲覧。
  2. ^ a b Hodson, Hal (2019年3月1日). 「DeepMindとGoogle：人工知能を巡る戦い」 .エコノミスト. 2020年7月7日時点のオリジナルよりアーカイブ。2024年9月22日閲覧。
  3. ^ “King's Cross – S2 Building – SES Engineering Services” . ses-ltd.co.uk . 2021年6月20日時点のオリジナルよりアーカイブ。 2022年7月14日閲覧。
  4. ^ a b c「2024年12月31日までの会計報告書」 Companies House、2025年10月2日、11ページ。
  5. ^ 「Deepmind Holdings Limitedの重要な支配権を持つ人物 – 企業情報の検索と更新 – GOV.UK」Companies House . 2019年8月30日. 2024年5月7日時点のオリジナルよりアーカイブ。 2024年5月7日閲覧。
  6. ^ Herrera、Blunt、Sebastian、Katherine (2025年8月7日). 「マイクロソフト、GoogleのDeepMind AI部門を買収、官僚機構の縮小を約束」ウォール・ストリート・ジャーナル. 2025年11月19日閲覧。
  7. ^ 「Deepmind Technologies Limitedの重要な支配権を持つ人物 – 企業情報の検索と更新 – Gov.uk」Companies House 2019年11月4日。2024年12月27日時点のオリジナルよりアーカイブ。 2024年12月14日閲覧。
  8. ^ Bray, Chad (2014年1月27日). 「Google、英国の人工知能開発企業を買収」DealBook . 2014年1月27日時点のオリジナルよりアーカイブ。2019年11月4日閲覧。
  9. ^ 「About Us」DeepMind、2024年5月14日。2016年12月23日時点のオリジナルよりアーカイブ。 2018年7月7日閲覧。
  10. ^ “A return to Paris” . DeepMind . 2024年5月14日. 2018年3月29日時点のオリジナルよりアーカイブ。 2018年11月17日閲覧。
  11. ^アレックス・グレイブス;ウェイン、グレッグ。ダニヘルカ、イヴォ (2014)。 「ニューラルチューリングマシン」。arXiv : 1410.5401 [ cs.NE ]。
  12. ^ 2014年のベスト：Googleの秘密主義スタートアップDeepMindが「ニューラル・チューリング・マシン」を発表、 2015年12月4日Wayback Machineにアーカイブ、 MIT Technology Review
  13. ^ Kohs, Greg (2017年9月29日), AlphaGo , Ioannis Antonoglou, Lucas Baker, Nick Bostrom, 2017年4月6日時点のオリジナルよりアーカイブ。 2018年1月9日閲覧。
  14. ^ Silver, David ; Hubert, Thomas; Schrittwieser, Julian; Antonoglou, Ioannis; Lai, Matthew; Guez, Arthur; Lanctot, Marc; Sifre, Laurent; Kumaran, Dharshan; Graepel, Thore; Lillicrap, Timothy; Simonyan, Karen; Hassabis, Demis (2017年12月5日). 「汎用強化学習アルゴリズムを用いたセルフプレイによるチェスと将棋のマスター」. arXiv : 1712.01815 [ cs.AI ].
  15. ^ Callaway, Ewen (2020年11月30日). "「『すべてを変えるだろう』：DeepMindのAIがタンパク質構造の解明で大きな飛躍を遂げる」。ネイチャー誌。2021年8月28日時点のオリジナルよりアーカイブ。 2021年8月31日閲覧。
  16. ^ a b Geddes, Linda (2022年7月28日). 「DeepMind、2億種のタンパク質の構造を解明、科学的飛躍の一歩」 . The Guardian . 2022年10月2日時点のオリジナルよりアーカイブ。 2022年7月28日閲覧。
  17. ^ a b「AlphaFoldがタンパク質宇宙の構造を明らかにする」 DeepMind 、 2022年7月28日。2022年7月28日時点のオリジナルよりアーカイブ。2022年7月28日閲覧。
  18. ^ 「デミス・ハサビス：ディープマインド・テクノロジーズの創業者に関する15の事実」ガーディアン紙。2015年8月16日時点のオリジナルよりアーカイブ。2014年10月12日閲覧。
  19. ^マール、バーナード。「Googleの驚異的なAIスタートアップ『DeepMind』が世界をよりスマートにする方法」 Forbes 。 2024年11月19日時点のオリジナルよりアーカイブ。 2018年6月30日閲覧。
  20. ^ Cookson, Robert (2014年1月27日). 「DeepMindの買収は機械の台頭を予感させる」 . Financial Times . 2016年3月12日時点のオリジナルよりアーカイブ。 2014年10月14日閲覧。
  21. ^ 「DeepMind Technologies Investors」。2015年3月17日時点のオリジナルよりアーカイブ。2014年10月12日閲覧。
  22. ^サム・シェード「ディープマインドはいかにして億万長者のピーター・ティールをシリコンバレーに移転させずに投資を促したのか」 Business Insider。2020年3月1日時点のオリジナルよりアーカイブ。 2020年3月1日閲覧。
  23. ^ Rowan, David (2015年6月22日). 「DeepMind: Googleのスーパー脳の内側」 . Wired UK . 2023年9月3日時点のオリジナルよりアーカイブ。
  24. ^ 「Recode.net – DeepMind Technologies Acquisition」 . 2014年1月26日. 2016年1月27日時点のオリジナルよりアーカイブ。 2014年1月27日閲覧。
  25. ^ 「Google、人工知能企業DeepMindを買収へ」ロイター2014年1月26日. 2016年3月11日時点のオリジナルよりアーカイブ。 2014年10月12日閲覧。
  26. ^ 「Google、英国のAIスタートアップDeepmindを買収」。ガーディアン。2014年2月3日時点のオリジナルよりアーカイブ。2014年1月27日閲覧。
  27. ^ 「買収報告書、TechCrunch」TechCrunch。 2014年1月28日時点のオリジナルよりアーカイブ。 2014年1月27日閲覧。
  28. ^ 「Google、DeepMind Technologiesの買収でFacebookに勝利」。2014年1月31日時点のオリジナルよりアーカイブ。2014年1月27日閲覧。
  29. ^ a b Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David (2015年2月26日). 「深層強化学習による人間レベルの制御」. Nature . 518 ( 7540): 529–33 . Bibcode : 2015Natur.518..529M . doi : 10.1038/nature14236 . PMID 25719670. S2CID 205242740 .  
  30. ^ 「殿堂賞：コンピュータラボ卒業生が設立した企業の成功を祝う」ケンブリッジ大学。2016年2月3日時点のオリジナルよりアーカイブ。 2014年10月12日閲覧。
  31. ^ロマス、ナターシャ。「DeepMindが2015年にNHSデータにAIを適用する計画の詳細文書」TechCrunch。2017年9月26日閲覧。
  32. ^ 「Googleの謎めいた倫理委員会の内幕」 Forbes 、 2014年2月3日。2016年3月4日時点のオリジナルよりアーカイブ。 2014年10月12日閲覧。
  33. ^ Ramesh, Randeep (2016年5月4日). 「GoogleのDeepMindはNHSの記録を秘密裏に収集すべきではない」 . The Guardian . 2016年10月13日時点のオリジナルよりアーカイブ。 2016年10月19日閲覧。
  34. ^ Hern, Alex (2017年10月4日). 「DeepMind、AIの問題に焦点を当てる倫理委員会を発表」 The Guardian – www.theguardian.comより。
  35. ^ 「DeepMindが新たな『倫理と社会』研究チームを立ち上げた」 Business Insider。2024年12月12日時点のオリジナルよりアーカイブ。 2017年10月25日閲覧。
  36. ^ 「DeepMind、AI倫理を調査する新たな研究チームを立ち上げ」 The Verge。2024年12月8日時点のオリジナルよりアーカイブ。2017年10月25日閲覧。
  37. ^ Madhumita Murgia、「DeepMindの共同創業者がGoogleの政策担当に就任」、2022年8月3日アーカイブ、 Financial Times、2019年12月5日
  38. ^ Blogs, Microsoft Corporate (2024年3月19日). 「DeepMindとInflectionの共同創業者であるMustafa SuleymanがMicrosoftに入社し、Copilotを率いる」 . The Official Microsoft Blog . 2024年12月11日時点のオリジナルよりアーカイブ。 2024年3月20日閲覧。
  39. ^ Roth, Emma; Peters, Jay (2023年4月20日). 「Googleの大規模なAI推進により、BrainとDeepMindが一つのチームに統合される」 The Verge . 2023年4月20日時点のオリジナルよりアーカイブ。 2023年4月21日閲覧。
  40. ^ Olson, Parmy (2023年5月21日). 「Google傘下のDeepMind、親会社からAIの自律性を獲得しようと試みたが失敗」 .ウォール・ストリート・ジャーナル. 2021年5月21日時点のオリジナルよりアーカイブ。 2023年9月12日閲覧。
  41. ^ Shead, Sam (2020年6月5日). 「ゲームから科学への移行に伴い、DeepMindをめぐる話題が薄れている理由」 CNBC . 2020年6月12日時点のオリジナルよりアーカイブ。 2020年6月12日閲覧。
  42. ^ a b Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David; Graves, Alex; Antonoglou, Ioannis; Wierstra, Daan; Riedmiller, Martin (2013年12月12日). 「深層強化学習を用いたAtariのプレイ」. arXiv : 1312.5602 [ cs.LG ].
  43. ^ a b c Deepmind artificial intelligence @ FDOT14 . 2014年4月19日.オリジナルより2016年3月8日時点のアーカイブ。 2014年10月19日閲覧– YouTube経由。
  44. ^「DeepMind AIの新たな技術は『Quake III Arena』を人間のようにプレイすること」Wayback Machineに2018年7月5日アーカイブ。Engadget。 2018年7月3日。
  45. ^ 「2018年のAIによるビデオゲームでの最大の勝利を振り返る」VentureBeat、2018年12月29日。2019年4月19日時点のオリジナルよりアーカイブ。 2019年4月19日閲覧。
  46. ^ Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David; Graves, Alex; Antonoglou, Ioannis; Wierstra, Daan; Riedmiller, Martin (2013年12月19日). 「深層強化学習でAtariをプレイする」. arXiv : 1312.5602 [ cs.LG ].
  47. ^ 「Google買収前にDeepMindが成し遂げた最後のAIブレークスルー」 The Physics arXiv Blog、2014年1月29日。2014年8月26日時点のオリジナルよりアーカイブ。 2014年10月12日閲覧。
  48. ^アドリア・プッチドメネク・バディア;ピオット、ビラル。カプトゥロフスキー、スティーブン。シュプレヒマン、パブロ。ヴィトヴィツキー、アレックス。郭、ダニエル。チャールズ・ブランデル（2020年3月30日）。 「Agent57: Atari Human ベンチマークを上回るパフォーマンス」。arXiv : 2003.13350 [ cs.LG ]。
  49. ^ 「Agent57：Atari Human Benchmarkを上回る」DeepMind、2020年3月31日。2020年5月26日時点のオリジナルよりアーカイブ。2020年5月25日閲覧。
  50. ^ Linder, Courtney (2020年4月2日). 「このAIは57種類のAtariゲームすべてで人間に勝てる」 . Popular Mechanics . 2020年6月11日時点のオリジナルよりアーカイブ。 2020年6月9日閲覧。
  51. ^ 「DeepmindのAI研究者が『DeepNash』を発表。モデルフリーのマルチエージェント強化学習で訓練された自律エージェントは、ストラテゴのゲームをエキスパートレベルでプレイすることを学習する」 MarkTechPost 、 2022年7月9日。2022年7月9日時点のオリジナルよりアーカイブ。 2022年7月16日閲覧。
  52. ^ a b c「Google、囲碁チャンピオンに勝利しAIで『ブレークスルー』を達成」 BBCニュース、2016年1月27日。2021年12月2日時点のオリジナルよりアーカイブ。 2018年6月21日閲覧。
  53. ^ “Première défaite d'un professional du go contre une Intelligence artificielle” .ルモンド（フランス語）。 2016 年 1 月 27 日。2016年 1 月 29 日のオリジナルからアーカイブ。2016 年1 月 27 日に取得。
  54. ^ a b「リサーチブログ：AlphaGo：機械学習で古代囲碁をマスターする」。Googleリサーチブログ。2016年1月27日。2016年1月30日時点のオリジナルよりアーカイブ。 2016年1月27日閲覧。
  55. ^ “World's Go Player Ratings” . 2017年5月. 2017年4月1日時点のオリジナルよりアーカイブ。 2017年5月28日閲覧。
  56. ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (中国語). 2017年5月。2017年8月11日のオリジナルからアーカイブ。2017 年5 月 28 日に取得。
  57. ^ “MuZero: ルールなしで囲碁、チェス、将棋、アタリをマスターする” . www.deepmind.com . 2020年12月23日. 2022年4月29日時点のオリジナルよりアーカイブ。 2022年4月29日閲覧。
  58. ^シュリットヴィーザー、ジュリアン;アントノグルー、イオアニス。ヒューバート、トーマス。シモニャン、カレン。シフレ、ローラン。シュミット、サイモン。グエズ、アーサー。ロックハート、エドワード。ハサビス、デミス。グライペル、トール。リリックラップ、ティモシー（2020年12月23日）。「学習されたモデルを使用して計画を立てて、アタリ、囲碁、チェス、将棋をマスターする」 .自然。588 (7839 ) : 604–609.arXiv : 1911.08265 。Bibcode : 2020Natur.588..604S。土井: 10.1038/s41586-020-03051-4。ISSN 0028-0836。PMID 33361790。S2CID 208158225 . 2022年4月29日時点のオリジナルよりアーカイブ。2022年4月29日閲覧。   
  59. ^ 「最新のAIは教えなくても物事を解決できる」エコノミスト誌。2017年10月19日時点のオリジナルよりアーカイブ。 2017年10月19日閲覧。
  60. ^ a bデイビッド・シルバー、ジュリアン・シュリットヴィーザー、カレン・シモニャン、イオアニス・アントノグル、アジャ・ファン、アーサー・ゲズ、トーマス・ヒューバート、ルーカス・ベイカー、マシュー・ライ、エイドリアン・ボルトン、ユーティアン・チェン、ティモシー・リリクラップ、ホイ・ファン、ローレント・シフレ、ジョージ・ヴァン・デン・ドリエスシェ、トーレ・グレーペル、デミス・ハサビス(2017年10月19日). 「人間の知識なしに囲碁をマスターする」(PDF) . Nature . 550 (7676): 354– 359. Bibcode : 2017Natur.550..354S . doi : 10.1038/nature24270 . ISSN 0028-0836 . PMID 29052630 . S2CID 205261034 . 2018年7月18日時点のオリジナルよりアーカイブ（PDF） . 2019年8月29日閲覧。   アクセス不可アイコン
  61. ^ウィル・ナイト「世界で最も賢いゲームAI、DeepMindのAlphaGoがさらに賢くなった」 MITテクノロジーレビュー。2018年5月4日時点のオリジナルよりアーカイブ。 2017年10月19日閲覧。
  62. ^ヴィンセント、ジェームズ (2017年10月18日). 「DeepMindの囲碁AIは、もはや人間の助けを借りずに私たちに勝てる」 The Verge . 2017年10月18日時点のオリジナルよりアーカイブ。 2017年10月19日閲覧。
  63. ^ Cellan-Jones, Rory (2017年10月18日). 「Google DeepMind: AIはより異質になる」 . BBCニュース. 2017年12月6日時点のオリジナルよりアーカイブ。 2017年12月3日閲覧。
  64. ^ 「MuZeroの研究から現実世界への第一歩」 www.deepmind.com 2022年2月11日. 2022年4月29日時点のオリジナルよりアーカイブ。 2022年4月29日閲覧。
  65. ^マンダン、アモル;ゼルノフ、アントン。ラウ、マリベス。グー、チェンジエ。王、苗仙。シュエ、フローラ。シャン、ウェンディ。パン、デレク。クラウス、ルネ。チェン、チンハン。チェン、チェン（2022年2月14日） 「VP9 ビデオ圧縮におけるレート制御のための自己競合機能を備えた MuZero」。arXiv : 2202.06626 [ eess.IV ]。
  66. ^ 「DeepMind創業者デミス・ハサビス氏、AIが未来を形作る方法について語る」 The Verge、2016年3月10日。2016年7月11日時点のオリジナルよりアーカイブ。 2017年5月12日閲覧。
  67. ^ 「DeepMind AIがプロStarCraft IIプレイヤーに挑戦、ほぼすべての試合で勝利」 Extreme Tech、2019年1月24日。2019年2月5日時点のオリジナルよりアーカイブ。 2019年1月24日閲覧。
  68. ^ Amadeo, Ron (2019年7月11日). 「DeepMindのAIはStarCraft IIの1v1ラダーの公開場所にひそかに潜んでいる」 . Ars Technica . 2019年12月3日時点のオリジナルよりアーカイブ。 2019年9月18日閲覧。
  69. ^ 「AlphaStar: マルチエージェント強化学習を用いたStarCraft IIのグランドマスターレベル」DeepMindブログ。2019年10月31日。 2019年10月31日閲覧。
  70. ^ Gao, Jim (2014). 「データセンター最適化のための機械学習アプリケーション」(PDF) . Google ホワイトペーパー. 2025年7月18日時点のオリジナルよりアーカイブ(PDF) . 2025年7月30日閲覧.
  71. ^ Kava, Joe (2014年5月28日). 「機械学習によるデータセンターの改善」 . The Keyword . Google.
  72. ^ Evans, Rich; Gao, Jim (2016年7月20日). 「DeepMindのAIがGoogleデータセンターの冷却エネルギーを40%削減」 . The Keyword . Google. 2025年8月3日時点のオリジナルよりアーカイブ。 2025年7月30日閲覧。
  73. ^ a b「Phaidraのジム・ガオ氏が語る第四次産業革命に向けた構築」 Sequoia Capital 2024年8月20日。
  74. ^ Gamble, Chris; Gao, Jim (2018年8月17日). 「Safety-first AI for autonomous data center cooling and industrial control」 DeepMind . 2023年10月10日時点のオリジナルよりアーカイブ。 2025年7月30日閲覧。
  75. ^ルオ、ジェリー;パドゥラル、コズミン。ヴォイキュ、オクタヴィアン。チェルヴォニー、ユーリ。マンズ、スコット。リー、ジェリー。銭、クリスタル。ダッタ、プラニート。 Davis、Jared Quincy (2022 年 12 月 14 日)、強化学習を使用した商用冷却システムの制御、arXiv : 2211.07357
  76. ^ Sample, Ian (2018年12月2日). 「GoogleのDeepMindがタンパク質の3D形状を予測」 . The Guardian . 2019年7月18日時点のオリジナルよりアーカイブ。2018年12月3日閲覧。
  77. ^ Briggs, Helen (2020年11月30日). 「生物学最大の謎の一つ、AIによって『大部分が解決』」 BBCニュース. 2020年11月30日時点のオリジナルよりアーカイブ。 2020年11月30日閲覧。
  78. ^ 「AlphaFold：生物学における50年来の大きな課題への解決策」DeepMind、2020年11月30日。2020年11月30日時点のオリジナルよりアーカイブ。 2020年11月30日閲覧。
  79. ^ Shead, Sam (2020年11月30日). 「DeepMind、タンパク質フォールディングAIで50年来の『壮大な課題』を解決」 cnbc.com. 2021年1月28日時点のオリジナルよりアーカイブ。 2020年11月30日閲覧。
  80. ^ Callaway, Ewen (2022). 「AlphaFoldとAIタンパク質フォールディング革命の今後」 . Nature . 604 (7905): 234– 238. Bibcode : 2022Natur.604..234C . doi : 10.1038/d41586-022-00997-5 . PMID 35418629. S2CID 248156195 .  
  81. ^ Sullivan, Mark (2024年5月8日). 「DeepMindの新型AlphaFold 3、DNA・RNAモデリングに拡張」Fast Company . 2024年5月8日時点のオリジナルよりアーカイブ。2024年5月8日閲覧。
  82. ^ “2024年ノーベル化学賞” . NobelPrize.org . 2024年10月9日時点のオリジナルよりアーカイブ。2024年10月18日閲覧。
  83. ^ 「Googleアシスタントの音声がこれまで以上にリアルな理由」Fortune誌、2017年10月5日。2018年1月21日時点のオリジナルよりアーカイブ。 2018年1月20日閲覧。
  84. ^ガーシュゴーン、デイブ。「Googleの音声生成AIは今や人間と区別がつかない」Quartz。2018年1月21日時点のオリジナルよりアーカイブ。2018年1月20日閲覧。
  85. ^ a b Novet, Jordan (2018年3月31日). 「GoogleはAlphabetのDeepMind AI技術で収益を上げる方法を見つけている」 . CNBC . 2018年4月4日時点のオリジナルよりアーカイブ。 2018年4月3日閲覧。
  86. ^ 「DeepMind WaveNetテクノロジーを搭載したクラウドテキスト読み上げ機能のご紹介」 Google Cloud Platformブログ。2018年4月5日時点のオリジナルよりアーカイブ。 2018年4月5日閲覧。
  87. ^ 「効率的なニューラルオーディオ合成」 Deepmind . 2018年12月31日時点のオリジナルよりアーカイブ。2020年4月1日閲覧。
  88. ^ 「WaveNet技術を用いて、発話障害のあるユーザーを本来の声と再び繋げる」 Deepmind 、 2019年12月18日。2020年4月12日時点のオリジナルよりアーカイブ。 2020年4月1日閲覧。
  89. ^ Stimberg, Florian; Narest, Alex; Bazzica, Alessio; Kolmodin, Lennart; Barrera Gonzalez, Pablo; Sharonova, Olga; Lundin, Henrik; Walters, Thomas C. (2020年11月1日). 「WaveNetEQ — WaveRNNによるパケットロス隠蔽」. 2020 第54回アシロマ信号・システム・コンピュータ会議. IEEE. pp.  672– 676. doi : 10.1109/ieeeconf51394.2020.9443419 . ISBN 978-0-7381-3126-9。
  90. ^ 「WaveNetEQによるDuoの音質向上」。Google AIブログ。2020年4月。2020年4月1日時点のオリジナルよりアーカイブ。2020年4月1日閲覧
  91. ^ Wiggers, Kyle (2022年5月13日). 「DeepMindの新しいAIシステムは600以上のタスクを実行可能」 TechCrunch . 2022年6月16日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  92. ^ Gupta, Khushboo (2022年9月28日). 「Deepmind、より安全な機械学習システム構築を目指して開発された人工知能搭載チャットボット『Sparrow』を発表」 2023年3月21日時点のオリジナルよりアーカイブ。 2023年5月8日閲覧。
  93. ^ Eliaçık, Eray (2023年1月12日). 「チンチラAIとは何か：DeepmindによるGPT-3に匹敵するチャットボット言語モデル」 . Dataconomy . 2023年5月8日時点のオリジナルよりアーカイブ。 2023年5月8日閲覧。
  94. ^ 「単一の視覚言語モデルで複数のタスクに取り組む」 www.deepmind.com 2022年4月28日. 2022年4月28日時点のオリジナルよりアーカイブ。2022年4月29日閲覧。
  95. ^ Alayrac, Jean-Baptiste (2022). 「Flamingo: 少量学習のための視覚言語モデル」(PDF) . arXiv : 2204.14198 . 2022年4月28日時点のオリジナルよりアーカイブ(PDF) . 2022年4月29日閲覧。
  96. ^ Vincent, James (2022年2月2日). 「DeepMind、新しいAIコーディングエンジンは平均的な人間のプログラマーと同等の性能だと語る」 The Verge . 2022年2月2日時点のオリジナルよりアーカイブ。 2022年2月3日閲覧。
  97. ^ Kruppa, Miles (2023年12月6日). 「Google、ライバルOpenAIとの争いの後、AIシステムGeminiを発表」 .ウォール・ストリート・ジャーナル. ISSN 0099-9660 . 2023年12月6日時点のオリジナルよりアーカイブ。 2023年12月6日閲覧。 
  98. ^ Knight, Will (2023年6月26日). 「Google DeepMindのCEO、次世代アルゴリズムはChatGPTを上回ると語る」 . Wired . 2023年6月26日時点のオリジナルよりアーカイブ。 2023年8月21日閲覧。
  99. ^ピアース、デイビッド (2023年12月6日). 「Google、GPT-4を打ち負かすAIモデル「Gemini」を発表」 The Verge . 2023年12月6日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  100. ^ 「GoogleがBard AIサービスをGeminiとしてリブランド。その意味とは？」 CBSニュース。2024年2月8日。2024年4月16日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  101. ^ Haddad, CJ (2024年12月11日). 「Google、Gemini 2.0 AIモデル第1弾をリリース」 . CNBC . 2024年12月11日時点のオリジナルよりアーカイブ。 2024年12月11日閲覧。
  102. ^ 「Gemini 2.0の紹介：エージェント時代の新しいAIモデル」 Google 、 2024年12月11日。2024年12月13日時点のオリジナルよりアーカイブ。2024年12月11日閲覧。
  103. ^ Zeff, Maxwell (2025年3月25日). 「Google、次世代AI推論モデルファミリーを発表」 . TechCrunch . 2025年3月25日時点のオリジナルよりアーカイブ。2025年3月25日閲覧。
  104. ^ 「Gemini 2.5: 最もインテリジェントなAIモデル」Google、2025年3月25日。2025年7月26日時点のオリジナルよりアーカイブ。 2025年3月25日閲覧。
  105. ^ 「Google、無料版Geminiユーザー向けにカスタムチャットボット『Gems』を展開：詳細」 Business Standard、2025年3月26日。2025年3月26日時点のオリジナルよりアーカイブ。 2025年3月30日閲覧。
  106. ^ 「ジェミニ3号による知能の新時代」 Google 、 2025年11月18日。 2025年11月18日閲覧。
  107. ^ウィル・ナイト「ジェミニ3号が到着。Googleは検索をよりスマートにすると発表した」 Wired誌。ISSN 1059-1028 。2025年11月19日閲覧。 
  108. ^ 「Google Gemma LLMはコンピュータ上で実行できるほど小型」 The Register、2024年2月22日。2025年1月26日時点のオリジナルよりアーカイブ。
  109. ^ Yeung, Ken (2024年6月27日). 「GoogleのGemma 2シリーズ、9Bと27Bという2種類の軽量モデルで発売」 . VentureBeat . 2025年1月1日時点のオリジナルよりアーカイブ。 2025年2月22日閲覧。
  110. ^ 「Googleは新しいAIモデルが感情を識別できると発表、専門家は懸念」 TechCrunch 、 2024年12月5日。2024年12月5日時点のオリジナルよりアーカイブ。 2024年12月5日閲覧。
  111. ^ Barron, Jenna (2025年2月21日). 「2025年2月21日：最近AI機能を新たに搭載した開発ツール」 . SD Times . 2025年2月22日時点のオリジナルよりアーカイブ。 2025年2月22日閲覧。
  112. ^ Lawler, Richard (2025年3月12日). 「GoogleはGemma 3を、1つのGPUで実行できる最も強力なAIモデルと呼んでいる」 The Verge . 2025年3月17日時点のオリジナルよりアーカイブ。 2025年3月16日閲覧。
  113. ^ David, Emilia (2025年3月12日). 「Google、128kコンテキストウィンドウを備えたオープンソースのGemma 3モデルを発表」 . VentureBeat . 2025年3月17日時点のオリジナルよりアーカイブ。 2025年3月16日閲覧。
  114. ^ 「TxGemmaのご紹介：治療薬開発を改善するためのオープンモデル」 Google Developers Blog . 2025年3月28日時点のオリジナルよりアーカイブ。 2025年3月28日閲覧。
  115. ^ 「DolphinGemma: Google AIがイルカのコミュニケーション解読を支援する方法」Google 2025年4月14日。2025年4月15日時点のオリジナルよりアーカイブ。 2025年4月15日閲覧。
  116. ^ 「DolphinGemma：GoogleがAIとPixel 9スマートフォンを使ってイルカの声を理解」 News18 。2025年4月15日閲覧。
  117. ^ 「3D仮想環境向けのジェネラリストAIエージェント」Google DeepMind、2024年3月13日。2024年3月26日時点のオリジナルよりアーカイブ。2024年3月27日閲覧。
  118. ^ David, Emilia (2024年3月13日). 「Googleの新しいAIはあなたとビデオゲームをプレイする — しかし勝つためではない」 . The Verge . 2024年3月27日時点のオリジナルよりアーカイブ。 2024年3月27日閲覧。
  119. ^ Williams, Rhiannon (2024年10月17日). 「AIは議論中に人々が共通の基盤を見つけるのを助ける可能性がある」 . MIT Technology Review . 2024年10月23日時点のオリジナルよりアーカイブ。 2024年10月23日閲覧。
  120. ^ a bデイビス、ニコラ（2024年10月17日）「AI仲介ツールは文化戦争の亀裂を軽減するのに役立つかもしれないと研究者は言う」ガーディアン紙。ISSN 0261-3077 。2024年10月23日閲覧。 
  121. ^ a b Wiggers, Kyle (2024年5月14日). 「AI生成ビデオへの本格的な挑戦、Google VeoがGoogle I/O 2024でデビュー」 . TechCrunch .
  122. ^ 「Google 、OpenAIのSoraに匹敵する改良型AIビデオジェネレーターVeo 2を発表」 The Hindu、2024年12月17日。ISSN 0971-751X 。 2024年12月20日閲覧。 
  123. ^ Wiggers, Kyle (2025年4月15日). 「GoogleのVeo 2動画生成モデルがGeminiに登場」 TechCrunch . 2025年4月16日時点のオリジナルよりアーカイブ。 2025年4月16日閲覧。
  124. ^ 「Google、音声機能を搭載したAI動画ジェネレーター「Veo 3」をリリース」 CNBC 2025年5月20日2025年5月20日閲覧。
  125. ^ Wiggers, Kyle (2025年5月20日). 「Veo 3は動画とそれに合わせたサウンドトラックを生成できる」 TechCrunch . 2025年5月20日閲覧。
  126. ^ Peters, Jay (2025年5月20日). 「Google、AI動画作成専用の新ツールを公開」 The Verge . 2025年5月20日時点のオリジナルよりアーカイブ。 2025年5月20日閲覧。
  127. ^ 「Vertex AI | Lyria」 . Google Cloud . 2025年8月16日閲覧。
  128. ^ “Music generation using Lyria RealTime” . 2025年8月11日時点のオリジナルよりアーカイブ。2025年8月16日閲覧。
  129. ^ Wiggers, Kyle (2025年4月9日). 「Googleのエンタープライズクラウドに音楽生成AIモデルが搭載」 TechCrunch . 2025年4月10日時点のオリジナルよりアーカイブ。
  130. ^ Orland, Kyle (2024年12月6日). 「GoogleのGenie 2「世界モデル」の公開は、答えよりも多くの疑問を残す」 Ars Technica . 2024年12月13日時点のオリジナルよりアーカイブ。 2024年12月21日閲覧。
  131. ^ Whitwam, Ryan (2025年8月5日). 「DeepMind、リアルタイムインタラクティブシミュレーションを実現するGenie 3の『世界モデル』を公開」 Ars Technica . 2025年11月26日閲覧。
  132. ^ Wiggers, Kyle (2023年6月21日). 「DeepMindのRoboCatがロボット工学のさまざまなタスクを学習」 TechCrunch . 2024年4月16日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  133. ^ 「GoogleのDeepMind、教師なしで自己学習できるAIロボットを発表」 The Independent、2023年6月23日。2024年4月16日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  134. ^ Wiggers, Kyle (2025年3月12日). 「Google DeepMind、ロボット制御用の新しいAIモデルを発表」 TechCrunch . 2025年3月13日時点のオリジナルよりアーカイブ。 2025年3月13日閲覧。
  135. ^シュライナー、マクシミリアン（2025年11月20日）「Google Deepmind、ボストン・ダイナミクスの元CTOを起用しロボットの『アンドロイド』を開発」。デコーダー。 2025年11月26日閲覧。
  136. ^ 「AI研究によるスポーツ分析の推進」DeepMind、2021年5月7日。2022年4月29日時点のオリジナルよりアーカイブ。 2022年4月29日閲覧。
  137. ^ Tuyls, Karl; Omidshafiei, Shayegan; Muller, Paul; Wang, Zhe; Connor, Jerome; Hennes, Daniel; Graham, Ian; Spearman, William; Waskett, Tim; Steel, Dafydd; Luc, Pauline (2021年5月6日). 「ゲームプラン：AIはサッカーに何をもたらすのか、そしてサッカーはAIに何をもたらすのか」 . Journal of Artificial Intelligence Research . 71 : 41–88 . arXiv : 2011.09192 . doi : 10.1613/jair.1.12505 . ISSN 1076-9757 . S2CID 227013043 .  
  138. ^ a b c「Ithacaで過去を予測する」。Google DeepMind。2022年3月9日。2024年4月16日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  139. ^ a b c d Vincent, James (2022年3月9日). 「DeepMindの新しいAIモデルは古代の碑文の解読、年代測定、位置特定を支援」 The Verge . 2024年2月23日時点のオリジナルよりアーカイブ。 2024年4月16日閲覧。
  140. ^ Merchant, Amil; Batzner, Simon; Schoenholz, Samuel S.; Aykol, Muratahan; Cheon, Gowoon; Cubuk, Ekin Dogus (2023年12月). 「材料発見のためのディープラーニングのスケーリング」 . Nature . 624 (7990 ) : 80– 85. Bibcode : 2023Natur.624...80M . doi : 10.1038/s41586-023-06735-9 . ISSN 1476-4687 . PMC 10700131. PMID 38030720 .   
  141. ^ 「Google DeepMindの新しいAIツールは700以上の新素材の作成に貢献」 MITテクノロジーレビュー。2024年1月1日時点のオリジナルよりアーカイブ。 2024年1月2日閲覧。
  142. ^ a bケブラー、ジェイソン（2024年4月11日）「GoogleのAIは本当に『何百万もの新素材』を発見しているのか？」. 404メディア。 2024年5月8日時点のオリジナルよりアーカイブ。2024年5月8日閲覧。
  143. ^ Cheetham, Anthony K. ; Seshadri, Ram (2024). 「人工知能は材料発見を推進するのか？論文『材料発見のためのディープラーニングのスケーリング』の展望」 . Chemistry of Materials . 36 (8): 3490– 3495. doi : 10.1021/acs.chemmater.4c00643 . PMC 11044265. PMID 38681084 .  
  144. ^ Hutson, Matthew (2022年10月5日). 「DeepMindのAIが難解な数学パズルを解くための高速アルゴリズムを開発」 . Nature . doi : 10.1038/d41586-022-03166-w . PMID 36198824. S2CID 252737506. 2022年10月6日時点のオリジナルよりアーカイブ。2022年10月7日閲覧。  
  145. ^ a b Heaven, Will Douglas (2022年10月5日). 「DeepMindのゲームプレイAIがコンピュータサイエンスにおける50年前の記録を破る」 . MIT Technology Review . 2022年10月7日時点のオリジナルよりアーカイブ。 2022年10月7日閲覧。
  146. ^ a b「AIが行列乗算の新たな可能性を明らかにする」 Quanta Magazine、2022年11月。2022年11月25日時点のオリジナルよりアーカイブ。 2022年11月26日閲覧。
  147. ^ a b Zia, Tehseen (2024年1月24日). 「AlphaGeometry: DeepMindのAIがオリンピックレベルの幾何学問題をマスター」 . Unite.ai . 2024年5月3日時点のオリジナルよりアーカイブ。 2024年5月3日閲覧。
  148. ^ロバーツ、シボーン (2024年7月25日). 「AI、国際数学オリンピックの問題解決で銀メダルレベルを達成」 .ニューヨーク・タイムズ. 2024年8月3日時点のオリジナルよりアーカイブ。 2024年8月3日閲覧。
  149. ^ AlphaProofとAlphaGeometryチーム (2024年7月25日). 「AIが国際数学オリンピックの問題解決で銀メダルレベルを達成」 deepmind.google . 2024年8月6日時点のオリジナルよりアーカイブ。 2024年8月3日閲覧。
  150. ^ Heaven, Will Douglas (2023年6月7日). 「Google DeepMindのゲームプレイAIがコードを高速化する新たな方法を発見」 . MIT Technology Review . 2023年6月14日時点のオリジナルよりアーカイブ。 2023年6月20日閲覧。
  151. ^ 「AlphaDev、より高速なソートアルゴリズムを発見」 DeepMindブログ、2024年5月14日。2024年6月18日。
  152. ^ Sparkes, Matthew (2023年6月7日). 「DeepMind AIの新たなオブジェクトソート手法は、グローバルコンピューティングの高速化につながる可能性がある」 . New Scientist . 2024年6月20日時点のオリジナルよりアーカイブ。 2024年6月20日閲覧。
  153. ^ a b Tardif, Antoine (2025年5月17日). 「AlphaEvolve: Google DeepMindのAGIに向けた画期的な一歩」 . Unite.AI . 2025年5月20日閲覧。
  154. ^ Ghoshal, Abhimanyu (2024年11月30日). 「シンギュラリティ警報：AIはすでに独自のチップを設計している」 . New Atlas . 2024年12月3日時点のオリジナルよりアーカイブ。 2024年12月2日閲覧。
  155. ^ Shilov, Anton (2024年9月28日). 「Google、AI支援チップ設計技術「AlphaChip」を発表 ― コンピューターのためのゲームのようなチップレイアウト」 Tom 's Hardware . 2024年12月4日時点のオリジナルよりアーカイブ。 2024年12月2日閲覧。
  156. ^ Markov, Igor L. (2024年9月1日). 「ICマクロ配置におけるGoogleの強化学習の再評価」 . Communications of the ACM . Association for Computing Machinery. 2025年7月16日時点のオリジナルよりアーカイブ。 2025年9月1日閲覧。Mirhoseini 、Goldieらによる2021年のNature誌掲載論文は、シリコンチップの物理設計における強化学習（RL）の利用に関するもので、その主張の裏付けが不十分であったため、物議を醸し、批判的なメディア報道を招いた。…このメタ分析では、Mirhoseini、GoldieらによるNature誌掲載論文の結果の再現と評価、そして方法、結果、主張の妥当性について議論する。
  157. ^ Mann, Tobias (2023年9月22日). 「ご参考までに、BroadcomはGoogleのTPUチップ製造を支援しました」 The Register . 2025年8月13日時点のオリジナルよりアーカイブ。2025年9月1日閲覧。
  158. ^ 「Google、AIチップサプライヤーBroadcomとの関係に変化はないと予想」ロイター2023年9月21日2025年9月4日閲覧。
  159. ^ Halper, Mark (2024年11月4日). 「Updates Spark Uproar」 . Communications of the ACM . 2025年8月7日時点のオリジナルよりアーカイブ。 2025年7月27日閲覧。
  160. ^ Hsu, Jeremy (2024年10月14日). 「Googleは自社のAIが人間よりも優れたチップ設計を実現していると主張 - 専門家は異論」 . New Scientist . 2025年3月5日時点のオリジナルよりアーカイブ。 2025年7月27日閲覧。
  161. ^アモデイ、ダリオ;ああ、クリス。スタインハート、ジェイコブ。クリスティアーノ、ポール。ジョン・シュルマン。ダン・マネ（2016年6月21日）。 「AIの安全性における具体的な問題点」。arXiv : 1606.06565 [ cs.AI ]。
  162. ^ 「ディープマインドはイーロン・マスクのAI終末を阻止できるかもしれないシンプルなテストを持っている」 Bloomberg.com 、 2017年12月11日。2018年1月8日時点のオリジナルよりアーカイブ。 2018年1月8日閲覧。
  163. ^ 「AlphabetのDeepMindはゲームを使って、人工知能が自由になり私たち全員を殺すことができるかどうかを発見する」 Fortune 。 2017年12月31日時点のオリジナルよりアーカイブ。 2018年1月8日閲覧。
  164. ^ Berger, Eric (2025年11月4日). 「Googleの新しい気象モデルは、最初のハリケーンシーズンで大きな反響を呼んだ」Ars Technica . 2025年11月9日閲覧。
  165. ^ 「DeepMind、Androidと出会う」 DeepMind Blog 2024年5月14日。2018年7月10日時点のオリジナルよりアーカイブ。 2018年7月10日閲覧。2018年5月8日。
  166. ^ Baraniuk, Chris (2016年7月6日). 「GoogleのDeepMind、NHSの眼科スキャンデータを盗み見て病気の分析へ」 BBC . 2016年7月6日閲覧。
  167. ^ Baraniuk, Chris (2016年8月31日). 「Google DeepMind、NHSの頭頸部がん治療をターゲットに」 BBC. 2016年9月4日時点のオリジナルよりアーカイブ。 2016年9月5日閲覧。
  168. ^ 「DeepMind、NHSとの2度目の提携を発表」 IT Pro、2016年12月23日。2016年12月23日時点のオリジナルよりアーカイブ。 2016年12月23日閲覧。
  169. ^ 「Google DeepMindのStreams技術は『驚異的』と評される」「 . Digital Health. 2017年12月4日. 2018年2月16日時点のオリジナルよりアーカイブ。 2017年12月23日閲覧。
  170. ^ 「臨床医向けの専用WhatsApp」(PDF) . the bmj . 2018年2月17日. 2024年6月16日時点のオリジナルよりアーカイブ(PDF) . 2025年4月1日閲覧。
  171. ^ 「Google DeepMind、AIで乳がんと闘うための新たな研究パートナーシップを発表」 Silicon Angle、2017年11月24日。2017年12月8日時点のオリジナルよりアーカイブ。 2018年7月11日閲覧。
  172. ^ 「GoogleのDeepMindは腎臓損傷の検出にAIを導入したい」 Venture Beat、2018年2月22日。
  173. ^ Evenstad, Lis (2018年6月15日). 「DeepMind Healthは国民の信頼を得るために透明性を確保する必要がある、とレビューで判明」 ComputerWeekly.com . 2018年11月14日閲覧。
  174. ^ヴィンセント・ジェームズ（2018年11月13日）「GoogleはDeepMindのヘルスケア部門を吸収し、『看護師と医師のためのAIアシスタント』を開発する」「」。The Verge。2018年11月13日時点のオリジナルよりアーカイブ。2018年11月14日閲覧。
  175. ^ Hern, Alex (2018年11月14日). 「Google、DeepMind Healthとの提携で患者の信頼を裏切る」 . The Guardian . 2018年11月14日閲覧。
  176. ^ Stokel-Walker, Chris (2018年11月14日). 「GoogleによるDeepMind Healthの利用がプライバシー専門家を脅かす理由」 Wired . 2018年11月15日時点のオリジナルよりアーカイブ。 2018年11月15日閲覧。
  177. ^ Murphy, Margi (2018年11月14日). 「DeepMindのボス、物議を醸すGoogleのヘルス契約を擁護」 The Telegraph . 2022年1月12日時点のオリジナルよりアーカイブ。 2018年11月14日閲覧。
  178. ^ Hodson, Hal (2016年4月29日). 「明らかに：Google AIはNHSの膨大な患者データにアクセスできる」 . New Scientist . 2016年5月5日時点のオリジナルよりアーカイブ。2016年5月8日閲覧。
  179. ^ 「リーダー：GoogleはNHSデータについて何も隠すことがないのなら、なぜそんなに秘密主義なのか？」ニューサイエンティスト誌、2016年5月4日。 2016年5月6日時点のオリジナルよりアーカイブ。 2016年5月8日閲覧。
  180. ^ Donnelly, Caroline (2016年5月12日). 「ICO、Google DeepMindのNHS Hospital Trustとの患者データ共有契約を調査」 Computer Weekly . 2016年5月18日時点のオリジナルよりアーカイブ。2016年5月23日閲覧。
  181. ^ Hodson, Hal (2016年5月25日). 「GoogleのNHS患者データ取引は倫理的承認が必要だったのか？」 New Scientist . 2016年5月18日時点のオリジナルよりアーカイブ。 2016年5月28日閲覧。
  182. ^ 「Royal Free - Google DeepMindの裁判はデータ保護法を遵守できなかった」 ico.org.uk 2017年8月17日。 2018年6月16日時点のオリジナルよりアーカイブ。2018年2月15日閲覧。
  183. ^ 「情報コミッショナー、ロイヤル・フリー、そして私たちが学んだこと」 DeepMind 、 2017年7月3日。2018年2月16日時点のオリジナルよりアーカイブ。 2018年2月15日閲覧。
  184. ^ 「患者の皆様へ」DeepMind . 2018年2月16日時点のオリジナルよりアーカイブ。2018年2月15日閲覧。
  185. ^ Martin, Alexander J (2017年5月15日). 「Googleは『不適切な法的根拠』に基づいて160万人のNHS患者のデータを受け取った」スカイニュース。2017年5月15日時点のオリジナルよりアーカイブ。2017年5月16日閲覧。
  186. ^ Hern, Alex (2017年7月3日). 「Royal Free、Google傘下のDeepMindとの160万人患者契約で英国データ保護法に違反」 . The Guardian .
  187. ^ 「なぜDeepMind Ethics & Societyを立ち上げたのか」DeepMindブログ。2018年3月25日時点のオリジナルよりアーカイブ。2018年3月25日閲覧。
  188. ^テンパートン、ジェームズ. 「ディープマインドが新たに設立したAI倫理部門は、同社の次なる大きな動きだ」 . Wired (英国) . 2018年2月10日時点のオリジナルよりアーカイブ。 2017年12月3日閲覧。
  189. ^ Hern, Alex (2017年10月4日). 「DeepMind、AIの問題に焦点を当てる倫理委員会を設立」 . The Guardian . 2017年12月8日閲覧。
  190. ^ Hern, Alex (2017年10月4日). 「DeepMind、AIの問題に焦点を当てる倫理グループを発表」 . The Guardian . 2020年6月12日閲覧。
  191. ^ 「ケンブリッジ大学、ディープマインド初の機械学習教授を任命」ケンブリッジ大学。2019年9月18日。2020年10月29日時点のオリジナルよりアーカイブ。 2020年11月26日閲覧。
  192. ^ 「DeepMind、オックスフォード大学に新たなポスト、DeepMind人工知能教授職を創設」コンピュータサイエンス学部. 2020年12月3日時点のオリジナルよりアーカイブ。 2020年11月26日閲覧。
  193. ^ 「DeepMind、UCLへのコミットメントを新たに」ユニバーシティ・カレッジ・ロンドン。2021年3月29日。2021年3月6日時点のオリジナルよりアーカイブ。2021年3月29日閲覧。
「 https://en.wikipedia.org/w/index.php?title=Google_DeepMind&oldid=1334300242」より取得