Google Research 发布 10 项进展：Google Earth AI、Deep Review 等

我们正身处一个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而言，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，为全球生态系统赋能。AI 是人类智慧的放大器，为好奇心与严谨探究的蓬勃发展创造条件。

今天，在位于山景城的 Research@ 活动上，我们展示了如何将前所未有的洞察与能力交到医生、科学家、开发者、公共卫生官员等人手中。

以下是 10 个亮点：

1. Google Earth AI 为组织和社会带来行星级智能

应对全球性挑战需要准确、真实的行星级智能。借助 Google Earth AI，人们可以预测 公共卫生威胁、加速清洁能源投资、为 企业 提供前瞻洞察等等。今天，我们正在扩大 早期访问 范围，并邀请合作伙伴探索三种新方式，以使用 Google Earth AI 的 全新实验性能力：

• 在 Google Earth 中作为早期访问实验性功能的一部分，开展更深入的地理空间分析。
• 通过我们的 行星预测引擎 生成风险评估并预测不同情景。
• 通过实验性的 agent-to-agent API，将我们的地理空间推理智能体技能 集成 到自定义工作流中，为开发者提供对卫星影像解析、路径规划和人口统计嵌入等核心功能的编程访问能力。

我们还宣布集成 Google Dataset Search，以便从超过 1 亿个公开数据集中进行查询，并集成 TimesFM 用于行星级临近预报和预报迭代。所有这些能力均由 70 多种地理空间工具提供支持，包括 遥感基础模型（RSFM）和 人口动态基础模型（PDFM）等行星级基础模型。它们已通过今日发布的 Earth AI 技术报告 中详述的实证基准得到验证。它们使开发者、卫生领域领导者和企业团队能够自动化复杂的地理空间工作流。

为进一步支持社会影响工作，Google.org 将提供 1000 万美元资金，用于支持致力于危机韧性和公共卫生的组织。其中包括向 The Milken Institute 提供 200 万美元，以打通经济适用房、清洁能源、宽带、安全供水系统及其他必要基础设施方面的瓶颈。

2. 多智能体编排帮助科学家在现有知识基础上继续构建

现有文献为驱动新的科学发现提供了丰富的知识来源。我们构建了一个多智能体编排器，使科学家能够复现先前的方法和分析，然后将其应用于新的场景，以应对重要的研究挑战。例如，这帮助研究人员将一种用于解决流体力学中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。

这补充了我们现有的工具，以加速科学工作流程。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。与 Google DeepMind 合作构建的联合科学家是一款多智能体工具，能够生成新颖的假设，并已帮助斯坦福大学等合作伙伴发现可用于对抗肝纤维化的老药新用方案。

3. Deep Review 帮助作者提升技术文档的清晰度和准确性

全面的同行评审是科学方法的核心组成部分。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 越来越多地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经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，而科学家则保留对创意方向的掌控权。今天，我们正在向公众扩大 Deep Review 的访问权限，以帮助人们验证从法律协议到财务报告等各种技术文档。

4. 下一代边缘 AI 芯片让制造商能够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，我们推出了首款采用 Google Coral NPU 加速器核心的Synaptics Coralboard。它使 AI 和 ML 工程师能够快速制作原型并构建设备。下周，我们将揭晓我们联合设计的下一代低功耗边缘 AI 芯片，该芯片由 Synaptics 使用我们的开源 IP 打造。这款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。

5. TimesFM 和 TabFM 改变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）。这两个模型无需训练即可开箱即用地提供准确预测。它们在其领域的领先公开基准中名列前茅，并已向所有 Cloud BigQuery 用户开放。今天，我们宣布即将把这些模型集成到面向企业的 Gemini 中。很快，企业主、分析师、运营负责人或协调员就能基于复杂的运营表格和数百万行数据，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，人们可以在几秒钟内获得所需的答案。

6. MedGemma 让创新者能够构建和部署健康 AI 应用

MedGemma, published last week in Nature Medicine, has been downloaded more than 10 million times by more than 65,000 unique innovators. It serves as an open foundation for developers building specialized applications. Developers have adapted it to meet the needs of their local communities, from enabling faster triage in overcrowded clinics to screening for eye disease and cervical cancer.

随着开发者针对更多专科和诊疗场景微调MedGemma，我们正在推动开放健康AI的前沿。我们最新的研究让MedGemma具备工具使用能力，使其能够调用可用的健康记录以及临床医生依赖的其他应用。我们正在探索乳腺X线摄影、超声和心电图等新模态。早期迹象表明，其在回答临床问题和解读放射影像、皮肤图像及病理切片等能力上取得了实质性提升。借助这些进展，我们希望拓展创新者能够构建的范围，将有效的医疗保健带给全球更多社区。

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医患关系。我们今年发表于Nature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，我们展示了它如何跨医学图像和化验结果等多模态数据进行推理。

我们发表于The Lancet的新研究为其能力如何在真实临床环境中落地提供了令人鼓舞的展望。在Beth Israel Deaconess Medical Center，98名患者在紧急护理就诊前安全地咨询了AMIE，临床医生报告称，在75%的病例中，AI生成的摘要帮助他们做好了准备。我们还在推进AMIE的多模态能力，朝着实时视频问诊方向发展，并与Included Health合作，启动了一项在真实虚拟护理环境中应用AI的全国性随机研究。

AMIE是我们可追溯至里程碑式MedPalm论文的严谨研究历程的一部分，而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可以帮助我们以更高的准确性和更长的提前量预测灾害，让社区有更好的机会做好准备并挽救生命。我们一直在朝着危机韧性的北极星目标取得进展：一个没有人会对自然灾害感到意外的世界。

以洪水预报为例。我们发表于Nature的全球水文模型，使我们能够针对最具规模和影响的河流洪水，提前最多7天提供可靠的河流预报，覆盖150多个国家的20多亿人。然而就在一年前，预测山洪似乎仍遥不可及。Groundsource是我们近期推出的AI驱动方法，它将关于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，用于分析洪水相关新闻报道，并创建了一个包含超过 260 万次洪水事件的结构化数据集。该数据集帮助我们克服了山洪缺乏真实基准数据的问题，并训练出一个新模型，能够提前最多 24 小时预测城市地区发生山洪的可能性。该数据集现已纳入 Google Earth AI 集合，我们已将其公开提供，以帮助科学家开展进一步的分析与研究。

9. 学习互动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，动态生成功能性的交互式软件。我们的研究实验在教育领域对此进行了探索。我们使用教学防护措施对生成式 UI 进行微调，使教师能够创建符合其课程需求的自定义引导式 STEM 模拟。示例库包含 30 多个由 AI 生成的学习互动工具，全部经过教师审核，涵盖初中和高中物理、化学、生物和数学。学校可以注册Google for Education 试点计划来分享反馈。这将帮助我们改进这些模拟，并开发更多供公众使用的模拟，使练习更具互动性和吸引力。

10. Play with Putty 促进团队协作式实时原型设计

Play with Putty 让团队能够在共享环境中共同构建和制作原型，而不会打断创作流程。它展示了随着 AI 模型变得更高效、并能根据自然语言提示生成完整界面后所能实现的可能性。人们可以直接与界面的任何部分交互，而多人编辑支持无缝的实时协作。我们最初设计 Play with Putty 是为了让 Google 的研究人员和团队能够共同制作原型——例如，利用 Google Earth AI 探索新的解决方案和可视化方式。此后，我们在 Google Labs 上开放了等候名单，将人类协作的乐趣带给各地使用 AI 的团队。

这 10 项更新展示了我们广泛研究组合在多个领域的最新进展。当我们放大人类的创造力时，技术才能取得成功。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，开创突破性成果并分享赋能他人的工具。我们对未来的旅程感到兴奋。