Google Cloud venderà modelli di intelligenza artificiale specializzati costruiti per la scienza

      Google sta aggiungendo i "grandi modelli quantitativi" di SandboxAQ al suo marketplace cloud, abbinando Gemini con AI addestrata su equazioni scientifiche e dati di laboratorio.

      I grandi modelli di linguaggio che alimentano la maggior parte dell'industria dell'AI sono molto bravi con le parole e sorprendentemente inaffidabili con i numeri. L'ultima mossa di Google è un'ammissione che, per la scienza, è necessario un tipo diverso di modello.

      L'azienda ha dichiarato che inizierà a offrire modelli AI specialistici di SandboxAQ attraverso Google Cloud, aggiungendo ciò che SandboxAQ chiama grandi modelli quantitativi al marketplace cloud. L'obiettivo è ampliare l'accesso delle imprese e della ricerca all'AI costruita per la scoperta di farmaci, la scienza dei materiali e la produzione di semiconduttori, ha affermato l'annuncio.

      La distinzione è il punto centrale. I grandi modelli di linguaggio sono addestrati su testo e sono eccellenti nella generazione di esso. I grandi modelli quantitativi, secondo la descrizione di SandboxAQ, sono addestrati su dati numerici ed equazioni scientifiche piuttosto che su prosa, il che dovrebbe renderli più adatti a problemi di chimica, biologia e fisica, campi in cui la risposta giusta è un numero o una struttura, non un paragrafo fluente.

      Il 💜 della tecnologia UE Le ultime novità dalla scena tecnologica dell'UE, una storia del nostro saggio fondatore Boris e alcune opere d'arte AI discutibili. È gratuito, ogni settimana, nella tua casella di posta. Iscriviti ora! Su Google Cloud, i ricercatori potranno combinare questi con Gemini, utilizzando il modello di linguaggio per il ragionamento e l'interfaccia e il modello quantitativo per la scienza sottostante.

      Google ha abbinato la mossa del marketplace con Gemini for Science, un pacchetto di strumenti e esperimenti mirati al flusso di lavoro della ricerca stessa. Si basa su progetti che l'azienda ha costruito per un po', incluso il suo co-scienziato AI, l'agente di codifica AlphaEvolve, un assistente di ricerca empirica e NotebookLM, ed è presentato come un modo per accelerare i passaggi di routine e laboriosi del metodo scientifico piuttosto che sostituire lo scienziato.

      Quella cornice è coerente con dove Google ha messo il suo peso scientifico. Il lavoro di DeepMind sulla struttura delle proteine ha già rimodellato parti dello sviluppo di farmaci, e uno sforzo separato ha prodotto un'AI che ha trovato più nuovi materiali in un anno di quanto la scienza avesse catalogato nella sua intera storia. Il filo comune è che l'AI di maggior valore nelle scienze tende a essere ristretta e addestrata su misurazioni reali, non generale e addestrata su internet.

      La logica commerciale è semplice. Google sta competendo con gli altri hyperscalers per essere il luogo predefinito in cui le imprese eseguono AI, e la R&D scientifica e industriale è un segmento di alto valore che i chatbot generali non servono bene.

      Vendere modelli specialistici attraverso il marketplace, lo stesso canale attraverso il quale offre già un ampio catalogo di sistemi di terze parti, consente a Google di catturare quella domanda senza dover costruire ogni modello di dominio da solo.

      Si inserisce anche in una corsa più ampia per trasformare l'AI in risultati di laboratorio reali. La propria spin-off per la scoperta di farmaci di DeepMind, Isomorphic Labs, si sta avvicinando ai trial, e i rivali dell'industria stanno correndo per convertire la promessa algoritmica in trattamenti e materiali che funzionano al di fuori di un benchmark. Mettere modelli quantitativi davanti ai ricercatori aziendali è l'offerta di Google per essere l'infrastruttura sottostante a quella corsa.

      Google ha dichiarato che le capacità sono già in uso da parte di partner in anteprima privata per R&D nel mondo reale, anche se è stata parsimoniosa con i dettagli su quali organizzazioni e quali risultati.

      L'elenco del marketplace è il cambiamento sostanziale: una categoria di AI che era in gran parte confinata a laboratori specialistici diventa qualcosa che un team di ricerca può noleggiare. Se produce scoperte o semplicemente fogli di calcolo più veloci è la domanda a cui le anteprime private sono destinate a rispondere.