Sujet
Tous les articles d’Actu.ai sur le sujet « Google DeepMind », du plus récent au plus ancien. 43 articles
Planifier ne consiste pas seulement à produire une réponse plausible : il faut ordonner des actions, respecter des contraintes et s’adapter aux imprévus. Des travaux de recherche, dont l’approche Coconut et le benchmark NATURAL PLAN, cherchent à rendre les grands modèles de langage plus capables face à ces problèmes.
Isomorphic Labs, société du groupe Alphabet issue des travaux de Google DeepMind, annonce une levée de 600 millions de dollars. L’entreprise veut perfectionner son moteur d’intelligence artificielle pour concevoir de futurs médicaments et faire progresser ses programmes thérapeutiques vers la clinique.
Google présente Gemini 2.5 Pro, un modèle expérimental qui prend le temps de raisonner avant de répondre. En tête de LMArena lors de son lancement, il promet des progrès en code, en mathématiques et dans le traitement de contenus variés. Ses résultats doivent toutefois être lus à l’aune des conditions de test.
Les modèles d’intelligence artificielle entrent dans la météo opérationnelle. GenCast et GraphCast de Google DeepMind, comme AIFS de l’ECMWF, promettent des prévisions mondiales plus rapides et mieux calibrées. Mais ces outils ne font pas disparaître l’incertitude, ni le rôle crucial des observations et des météorologues.
Google DeepMind présente Gemini Robotics et Gemini Robotics-ER, deux modèles conçus pour relier compréhension du langage, vision et actions physiques. Adossés à Gemini 2.0, ils doivent aider les robots à manipuler des objets et à évoluer dans des environnements variés. Une avancée prometteuse, encore réservée à des partenaires de confiance.
La course à l’intelligence artificielle oppose deux paris : bâtir une AGI généraliste ou résoudre dès maintenant des problèmes précis. Alors que les grands groupes technologiques annoncent plus de 320 milliards de dollars de dépenses, DeepSeek-R1 et les succès de DeepMind rappellent que l’utilité ne dépend pas seulement de la taille des infrastructures.
AlphaGeometry2, le système de Google DeepMind dédié à la géométrie, a résolu 42 problèmes sur 50 issus d’Olympiades internationales de mathématiques passées. Ce résultat dépasse le niveau moyen observé chez les médaillés d’or sur ce corpus précis. Il illustre les progrès du raisonnement neuro-symbolique, sans pour autant faire de l’IA un mathématicien universel.
Microsoft AI, l’organisation dirigée par Mustafa Suleyman, accueille trois anciens chercheurs de Google DeepMind : Marco Tagliasacchi, Zalán Borsos et Matthias Minderer. Leurs expertises en audio et en vision doivent contribuer à bâtir le nouveau pôle suisse du groupe, dans une compétition mondiale pour les talents de l’IA.
Une lettre ouverte réunissant plus de 100 spécialistes alerte sur un risque encore hypothétique : créer des systèmes d’IA capables de vivre des expériences négatives. Les chercheurs demandent d’étudier sérieusement la conscience artificielle, sans confondre les comportements convaincants des machines avec une véritable vie intérieure.
Le gouvernement britannique présente l’intelligence artificielle comme un outil central pour relancer une croissance en difficulté. Le plan soutenu par Keir Starmer et Rachel Reeves mise sur les infrastructures, les compétences et la productivité, tout en exposant les tensions sur l’emploi, l’énergie, les données et le droit d’auteur.
Google DeepMind présente GenCast, un modèle d’IA capable de produire des prévisions météorologiques jusqu’à 15 jours. Testé sur les données de 2019, il dépasse le système ENS dans 97,2 % des cas évalués, tout en calculant un scénario en moins de huit minutes. Ses promesses sont fortes, mais la comparaison appelle aussi à la prudence.
Développé par Google DeepMind, GenCast produit des ensembles de prévisions météorologiques mondiales jusqu’à 15 jours. Environ huit minutes sur une seule puce TPU lui suffisent pour générer 50 scénarios possibles. Selon ses concepteurs, il dépasse le système de référence de l’ECMWF sur la grande majorité des critères évalués.
Réunis à Londres à l’initiative de Google DeepMind et de la Royal Society, des chercheurs ont souligné le potentiel scientifique de l’IA, de la biologie aux soins prénataux. Ils alertent aussi sur les risques de mauvais usages, d’inégalités et de coûts énergétiques, qui appellent des règles de sécurité solides.
Google.org annonce 20 millions de dollars de subventions, complétés par 2 millions de dollars de crédits cloud, pour des recherches scientifiques utilisant l’IA. Des projets sur les cancers féminins, la résistance aux antibiotiques et de nouveaux plastiques figurent parmi les premiers bénéficiaires cités.
Le prix Nobel de chimie 2024 récompense David Baker, Demis Hassabis et John M. Jumper pour deux avancées complémentaires sur les protéines. L’un a appris aux ordinateurs à en concevoir de nouvelles, les deux autres ont franchi un cap décisif dans la prédiction de leur structure grâce à l’intelligence artificielle.
Google DeepMind présente ALOHA Unleashed et DemoStart, deux systèmes conçus pour améliorer la manipulation d’objets par les robots. Le premier cible la coordination de deux bras, le second le contrôle de mains à plusieurs doigts. Leur ambition : apprendre des gestes humains pour exécuter des tâches physiques plus fines.
YouTube expérimente Dream Track, un outil qui génère de courts morceaux pour Shorts à partir d’une consigne écrite et de voix d’artistes partenaires. Derrière cette démonstration de création assistée par IA, la plateforme veut aussi renforcer les moyens de signaler les imitations non autorisées de voix ou de visages.
Google DeepMind présente GraphCast, une intelligence artificielle capable de prévoir l’évolution du temps à l’échelle mondiale jusqu’à dix jours. En s’appuyant sur quatre décennies de données météorologiques, le modèle dépasse souvent une référence opérationnelle, tout en soulevant une question centrale : comment conjuguer vitesse, précision et confiance ?
La singularité technologique décrit un basculement hypothétique où l’IA transformerait la civilisation à un rythme difficile à anticiper. En novembre 2023, les progrès de GPT-4 et Llama 2 relancent le débat sur l’AGI, mais ni son calendrier ni ses effets économiques, sociaux et éthiques ne font consensus.
