DeepMind推地球加速器，科学AI门槛降低

在新加坡举办的SuperAI大会上，Google DeepMind高管Ramine Tinati正式对外公布了名为“AI for the Planet”的加速器项目。该项目面向亚太地区的初创企业、科研人员以及投资方征集方案，旨在探索科学人工智能技术在生态环境保护、城市防灾减灾以及保障粮食安全等可持续发展领域的应用潜力。

关于科学人工智能产品矩阵，Tinati强调DeepMind的相关产品定位与Gemini大语言模型存在显著差异。据悉，DeepMind新加坡分支机构已正式投入运营，并且计划进一步扩充本地团队规模。

以AlphaFold蛋白质结构预测系统为例，该工具目前向非商业性质的科研活动免费开放，累计服务了超过300万名科研工作者。其应用场景广泛涉及疫苗研发、疾病机理探索以及农作物抗逆性培育等领域。凭借在该领域的突出贡献，DeepMind联合创始人Demis Hassabis与研究员John Jumper共同荣获了2024年诺贝尔化学奖。

在气象预报方面，Weather Next 2模型已经通过Google Cloud平台以API接口的形式对外提供服务，能够生成更为精确的气象灾害轨迹预测。Tinati援引具体案例说明，在应对美国飓风灾害时，该系统提供的基准路径与时间节点预测，有效帮助应急救援部门争取了宝贵的响应时间。此外，GNoME材料探索系统主要致力于识别可持续基础设施建设所需的新型材料；而Genie模拟工具则能够构建虚拟世界模型，方便科研人员在实际行动前开展场景模拟测试，并且该工具已与DeepMind的RT2机器人系统实现了深度整合。

针对专业工具的使用门槛问题，Tinati坦言，以往操作AlphaFold等科学人工智能系统需要使用者具备深厚的专业领域知识。例如在进行蛋白质折叠分析时，研究人员必须拥有分子生物学背景，才能准确解析系统输出的数据结果。为了打破这一壁垒，DeepMind在智能体开发平台Antigravity上发布了Gemini for Science工具包，使得缺乏深厚专业背景的研究人员也能够直接调用底层的科学大模型。

据Tinati在现场的调研数据显示，大约有45%的与会科研人员已经开始利用人工智能工具来处理文献总结、文档归类等日常工作。DeepMind的长远规划是让人工智能技术全面融入科研的整个生命周期，覆盖从早期构思、实验规划，直到最终论文发表及科技成果转化的各个环节。