Advancing conservation with AI-based facial recognition of turtles
我们遇到了 Zindi——一个目标互补的专注合作伙伴——他们是非洲最大的数据科学家社区，举办的竞赛专注于解决非洲最紧迫的问题。我们的科学团队的多样性、公平性和包容性 (DE&I) 团队与 Zindi 合作，确定了一项科学挑战，该挑战可以帮助推进保护工作并增加对人工智能的参与。受到 Zindi 的边界箱龟挑战的启发，我们开始了一个具有真正影响潜力的项目：乌龟面部识别。
Discovering when an agent is present in a system
我们希望构建安全、一致的通用人工智能 (AGI) 系统，以实现其设计者的预期目标。因果影响图 (CID) 是一种模拟决策情况的方法，使我们能够推理代理激励。通过将训练设置与塑造代理行为的激励联系起来，CID 有助于在训练代理之前阐明潜在风险，并可以启发更好的代理设计。但我们如何知道 CID 何时是训练设置的准确模型？
Realising scientists are the real superheroes
认识 Edgar Duéñez-Guzmán，他是我们多智能体研究团队的研究工程师，他利用博弈论、计算机科学和社会进化的知识让人工智能智能体更好地协同工作。
AlphaFold reveals the structure of the protein universe
今天，我们与 EMBL 的欧洲生物信息学研究所 (EMBL-EBI) 合作，现在发布了几乎所有科学已知的已编目蛋白质的预测结构，这将使 AlphaFold DB 扩大 200 多倍——从近 100 万个结构扩大到 2 亿多个结构——有可能大大提高我们对生物学的理解。
Putting the power of AlphaFold into the world’s hands
去年 12 月，我们宣布推出 AlphaFold 2，它被誉为解决 50 年历史的蛋白质折叠问题的解决方案。上周，我们发表了科学论文和源代码，解释了我们如何创建这个高度创新的系统，今天，我们分享了对人体中每种蛋白质形状的高质量预测，以及科学家在研究中依赖的另外 20 种生物体的蛋白质形状的高质量预测。
The virtuous cycle of AI research
我们最近采访了 DeepMind 的研究科学家 Petar Veličković。 Petar 与他的合著者一起在美国马里兰州巴尔的摩举行的 ICML 2022 上发表了他的论文《CLRS 算法推理基准》。
Perceiver AR: general-purpose, long-context autoregressive generation
我们开发了 Perceiver AR，这是一种自回归、模态无关的架构，它使用交叉注意将长距离输入映射到少量潜在输入，同时保持端到端因果掩蔽。Perceiver AR 可以直接处理十万多个标记，无需手工制作的稀疏模式或记忆机制即可实现实用的长上下文密度估计。
DeepMind’s latest research at ICML 2022
从本周末开始，第三十九届国际机器学习会议 (ICML 2022) 将于 2022 年 7 月 17 日至 23 日在美国马里兰州巴尔的摩会议中心举行，并将作为混合活动举行。从事人工智能、数据科学、机器视觉、计算生物学、语音识别等领域的研究人员正在展示和发表他们在机器学习方面的前沿工作。
Intuitive physics learning in a deep-learning model inspired by developmental psychology
尽管付出了巨大的努力，但目前的人工智能系统对直觉物理学的理解仍然相形见绌，甚至与非常年幼的孩子相比也是如此。在目前的工作中，我们解决了这个人工智能问题，特别是借鉴了发展心理学领域。
