Google's AI Infrastructure Chief, Amin Vahdat, on the Physics & Economics of Frontier AI
Google AI 基礎設施主管 Amin Vahdat 探討資料中心如何為 AI 量身打造,強調「有效產出」比理論運算量更重要。他解釋了 TPU 架構的演進、與 DeepMind 協同設計硬體,以及未來光學交換與軌道資料中心的潛力。
23 筆內容提到
最近 7 天 1 筆新上榜(前一期沒有,這一期新出現)(再前 7 天 0 筆)
也寫作:Deepmind
這一頁列的是「提到 DeepMind」的內容(名稱由語言模型從內容裡整理),不一定整筆都在講它。只想追它的新內容:訂閱 RSS;想找標題裡就有它的:搜尋「DeepMind」。
依發布時間
Google AI 基礎設施主管 Amin Vahdat 探討資料中心如何為 AI 量身打造,強調「有效產出」比理論運算量更重要。他解釋了 TPU 架構的演進、與 DeepMind 協同設計硬體,以及未來光學交換與軌道資料中心的潛力。
Dream-RSI 論文提出讓 AI 透過「做夢」實現遞迴自我改進,將真實探索過程存為發現樹作為回放模擬器,無需重跑程式碼即可快速評估新策略。
Edward Hughes 與 Tim Scarfe 探討 AI 如何從單純回答問題轉向主動提出開放性科學問題。他們討論了「複製」任務如何訓練 AI 判斷實驗的真實性,並提出未來是集體智慧而非個人智慧的時代。
物理學家亞當·布朗以極簡方式闡述廣義相對論核心洞見,從慣性與引力品質相等推匯出時空彎曲與黑洞物理,並探討 AI 能否協助人類重新發現物理定律。
OpenAI Codex 產品負責人 Tibo Sottiaux 接受訪談,揭露內部「重置按鈕」文化與產品決策邏輯。內容涵蓋從 DeepMind 到 OpenAI 的文化差異、Codex 與 ChatGPT 合併的必要性…
討論 DeepMind 執行長 Demis Hassabis 辭職原因,指出其重視世界模型與大型語言模型(LLM)的戰略分歧。
DeepMind 提出新的視覺模型,改變了 AI 對世界的理解方式。影片簡述該技術原理與應用,讓讀者快速掌握最新發展。
※ 摘要僅根據標題與說明
專訪蘇度科技 CEO 韓徵,探討具身智慧的 3D 資料來源、Sim to Real 路徑可行性及全球競爭格局。內容涵蓋從 ImageNet 到 3D 資料集的演進、雙足與輪足機體的技術路線,以及公司提供底層模型與 API 讓開發者構建應用…
ThursdAI 直播串聯 OpenAI、DeepMind 等頂尖 AI 團隊,分享前沿技術與動態。
※ 摘要僅根據標題與說明
訪談探討 Midjourney 推出全身體掃描器與水療結合的商業計畫,分析其技術整合與市場潛力。同時深入討論 DeepMind 與《Eve Online》的太空遊戲合作,以及 Transformer 發明者轉投 OpenAI 的動向。
Lukas Petersson 與 Axel Backlund 分享 Andon Labs 如何透過模擬與實體商店測試 AI 代理在真實商業環境中的表現。
訪談深入探討靈初智慧如何以「通用靈巧操作」為核心,挑戰人形機器人行業的皇冠級難題。創始人王啟斌分享公司從研發到產品的 RDP 全流程,強調人類操作資料是訓練大腦的關鍵富礦,並分析中美在具身智慧硬體與軟體上的競爭格局。
介紹 Google I/O 上 Gemini 3.5 Flash 的亮點,並探討 Google 與 OpenAI、Anthropic 在 AGI 路線上的不同選擇。觀眾可從中了解最新 AI 模型動態與產業趨勢。
※ 摘要僅根據標題與說明
Demis Hassabis 與 Sequoia 合夥人進行訪談,回顧 DeepMind 建立歷程與 AlphaFold 突破,探討 AGI 可能在 2030 年實現的觀點,並分析 AI 如何重塑藥物研發與模擬科學。
Reflection AI 由前 DeepMind 創業者創立,在 Meta 失去模型榜首後迅速崛起,一年估值翻 37 倍。該公司採取「開放權重、閉源訓練」策略,推出企業級程式碼理解 Agent Asimov,旨在成為美國版的開源模型標竿。
回顧 AlphaGo 與李世石對決如何成為 AI 革命轉折點,探討強化學習與深度學習如何讓機器超越人類直覺。內容涵蓋從早期測試到 AlphaZero 的演進,以及 AI 在科學發現上的潛力。
專訪 Google Chrome 開發經驗負責人 Addy Osmani,探討「Vibe Coding」與 AI 輔助工程的差異,強調工程師需掌握系統原理以確保產出品質。
探討基因編輯技術的起源、專利爭議及其在醫療與生物設計上的應用前景。主持人與斯坦福教授叢樂深入討論了 CRISPR-Cas9 如何將生命編輯從理論推向實踐,並介紹了結合機器學習的 CRISPR-GPT 如何輔助實驗設計。
介紹 DeepMind 開發的 AlphaGeometry 如何解決國際數學奧林匹克幾何題,結合邏輯與直覺。觀眾可了解 AI 在數學推理中的實際應用與運作原理。
※ 摘要僅根據標題與說明
記錄 Google DeepMind 與皇家學會合辦的 AI for Science 論壇,由主持人 Hannah Fry 與 CEO Demis Hassabis 對談,並邀請三位諾貝爾獎得主參與。
Jeff Dean 與 Hannah Fry 訪談 Google Gemini 的多模態能力與演算法發展。內容涵蓋從早期搜尋引擎到神經網路、Transformer 架構的演進,以及 Gemini 如何整合文字、影像與聲音。
深入解析大型語言模型如何透過多層感知器儲存事實,以「喬丹打籃球」為例,說明向量空間中方向如何編碼資訊。觀眾能理解機器學習中線性變換與非線性函式(如 ReLU)如何協作,以及超位置理論如何讓模型在有限維度內儲存更多特徵。
Andrej Karpathy 將兩層 MLP 擴展為樹狀結構,實作類似 DeepMind WaveNet 的卷積神經網路架構。影片深入探討 PyTorch 內部運作與深度學習開發流程,包含資料集處理與程式碼實作細節。
※ 摘要僅根據標題與說明
依人氣
深入解析大型語言模型如何透過多層感知器儲存事實,以「喬丹打籃球」為例,說明向量空間中方向如何編碼資訊。觀眾能理解機器學習中線性變換與非線性函式(如 ReLU)如何協作,以及超位置理論如何讓模型在有限維度內儲存更多特徵。
Jeff Dean 與 Hannah Fry 訪談 Google Gemini 的多模態能力與演算法發展。內容涵蓋從早期搜尋引擎到神經網路、Transformer 架構的演進,以及 Gemini 如何整合文字、影像與聲音。
記錄 Google DeepMind 與皇家學會合辦的 AI for Science 論壇,由主持人 Hannah Fry 與 CEO Demis Hassabis 對談,並邀請三位諾貝爾獎得主參與。
DeepMind 提出新的視覺模型,改變了 AI 對世界的理解方式。影片簡述該技術原理與應用,讓讀者快速掌握最新發展。
※ 摘要僅根據標題與說明
回顧 AlphaGo 與李世石對決如何成為 AI 革命轉折點,探討強化學習與深度學習如何讓機器超越人類直覺。內容涵蓋從早期測試到 AlphaZero 的演進,以及 AI 在科學發現上的潛力。
介紹 DeepMind 開發的 AlphaGeometry 如何解決國際數學奧林匹克幾何題,結合邏輯與直覺。觀眾可了解 AI 在數學推理中的實際應用與運作原理。
※ 摘要僅根據標題與說明
Dream-RSI 論文提出讓 AI 透過「做夢」實現遞迴自我改進,將真實探索過程存為發現樹作為回放模擬器,無需重跑程式碼即可快速評估新策略。
物理學家亞當·布朗以極簡方式闡述廣義相對論核心洞見,從慣性與引力品質相等推匯出時空彎曲與黑洞物理,並探討 AI 能否協助人類重新發現物理定律。
Demis Hassabis 與 Sequoia 合夥人進行訪談,回顧 DeepMind 建立歷程與 AlphaFold 突破,探討 AGI 可能在 2030 年實現的觀點,並分析 AI 如何重塑藥物研發與模擬科學。
Google AI 基礎設施主管 Amin Vahdat 探討資料中心如何為 AI 量身打造,強調「有效產出」比理論運算量更重要。他解釋了 TPU 架構的演進、與 DeepMind 協同設計硬體,以及未來光學交換與軌道資料中心的潛力。