Umjetna Inteligencija Vijesti - Artificial Intelligence news
U svijetu umjetne inteligencije, grafičko učenje (graph learning) postaje sve važniji alat za rješavanje kompleksnih problema. Ovaj članak prati evoluciju grafičkog učenja od početaka do najnovijih razvoja, ističući ključne studije i istraživanja, s posebnim osvrtom na doprinos Google istraživača.
ECLeKTic je novi benchmark dizajniran za ocjenjivanje sposobnosti velikih jezika modela (LLMs) da prenose znanje između različitih jezika. Koristi zadatak pitanja i odgovora bez knjige, gdje modeli moraju ovisiti o svojoj unutrašnjoj znanju da odgovore na pitanja temeljena na informacijama relevantnim za određeni jezik.
U svijetu umjetne inteligencije, velika jezika modela (LLMs) postaju sve važniji alat u rješavanju kompleksnih znanstvenih problema. Ovi modeli ne samo da su sposobni obraditi ogromne količine podataka, nego i razumjeti i primijeniti te podatke na praktične probleme.
April 8, 2025 David Schottlander i Tomer Shekel, Product Managers, Google Research
Uvodimo nove geoprostorne osnovne modele i spajamo ih s Geoprostornim Razmišljanjem, istraživačkim naporom koji koristi generativnu AI za ubrzavanje rješavanja geoprostornih problema.
David van Dijk, Asistent profesor, Yale University, i Bryan Perozzi, Istraživač, Google Research C2S-Scale duboko se upušta u to kako najbolje predstavljati ćelije i biološke informacije kao tekst, otkrivajući uzbudljive primjene za analizu pojedinačnih ćelija vođenih jezikom s velikim jezikovnim modelima.
April 18, 2025 – Zhongyi Zhou, istraživački znanstvenik, i Ruofei Du, voditelj interaktivnog osjetila i grafike, Google XR
InstructPipe je istraživački prototip koji omogućuje korisnicima vizualnog programiranja da generiraju AI pipeline iz ljudskih uputa, automatizirajući odabir i povezivanje čvorova.
Andersen, Senior Research Scientist, i Nikita Astrakhantsev, Research Scientist, Google Quantum AI
U razvoju smo novu hibridnu metodu kvantne simulacije koja omogućuje znanstvene otkriće i otvara nove mogućnosti za aplikacije koje prelaze klasične granice.
Google Research je nedavno predstavio Mobility AI, inovativni program koji kombinira napredne tehnologije umjetne inteligencije (AI) s ciljem poboljšanja upravljanja prometom u urbanim područjima. Ovaj članak će vas voditi kroz ključne aspekte Mobility AI-a, njegovu važnost za budućnost gradskog prometa i kako se može koristiti za rješavanje trenutnih i budućih izazova.
U suradnji s HHMI Janelia i Harvardom, predstavljamo ZAPBench, skup podataka i benchmark aktivnosti cijelog mozga s razlučivosti pojedinačnih stanica na larvi ribe zebrice, kako bismo omogućili razvoj i usporedbu preciznijih modela aktivnosti mozga.
U svijetu umjetne inteligencije, velika jeznička modela (LLMs) postaju sve važniji alat u zdravstvu, posebno u odgovaranju na pitanja vezana za medicinu i zdravstvo. Ovi modeli pokazuju potencijal u različitim medicinskim testovima i formatima, a njihova primjena se proširuje kroz različite izvore.
Google DeepMindov istraživač Khaled Saab i Google Researchov inženjer softvera Jan Freyberg predstavljaju prvi put u povijesti multimodalni dijagnostički dijalogični AI agent, AMIE. U ovom članku istražujemo kako je AMIE napredovala u integraciju vizualnih podataka u dijagnostičke razgovore, te kako se to odražava na njegovu učinkovitost.
Google Research je nedavno predstavio Amplify Inicijativu, globalni, otvoreni i zajednički bazirani podatkovni platformu koja će omogućiti skaliranje prikupljanja podataka na različitim jezicima. Ova inicijativa ima za cilj poboljšati dostupnost i kvalitetu podataka koji se koriste za treniranje umjetnih inteligencijskih modela, posebno u kontekstu lokalnih potreba.
Google istraživački tim objavio je studiju koja pokazuje potencijal LLMs-a za pristupačnu diseminaciju informacija, omogućujući stručnom znanju da dosegne širu publiku bez kompromisa u točnosti. Brzi linkovi na članak × U digitalnom dobu, pristup ogromnim količinama znanja postaje sve veći, ali mnogo toga ostaje zaključano iza složenog jezika i stručnog žargona.
Michał Januszewski, istraživački znanstvenik, i Viren Jain, istraživački znanstvenik
U suradnji s Institutom znanosti i tehnologije Austrije (ISTA), objavili smo u časopisu Nature prvi metodu za korištenje svjetlosne mikroskopije za potpuno kartiranje svih neurona i njihovih veza u bloku mozga.
Svakodnevno milijarde ljudi kupuju online, nastojeći pronaći najbolje dijelove iskustva kupovine u trgovini. Vidjeti nešto što vas privlači, uzeti ga u ruke i ispitati ga osobno može biti ključni dio toga kako se povezujemo s proizvodima.
Diferencijalna privatnost (DP) je matematički stroga i široko istražena okvir za privatnost koji osigurava da izlaz nasumičnog algoritma ostaje statistički neistraživ čak i ako se podaci jednog korisnika promijene.
– Cyrus Rashtchian, voditelj istraživanja, i Da-Cheng Juan, voditelj softverskog inženjerstva, Google Istraživanje
Uvodimo novi pojam dovoljnog konteksta kako bismo istražili sustave s dopunskim dohvaćanjem generacije (RAG), razvijajući metodu za klasifikaciju instanci, analizirajući neuspjehe RAG sustava i predlažući način smanjenja halucinacija.
Google I/O 2025 je bio izvanredan događaj koji je pružio uvide u najnovije dostignuća Google Istraživanja. Ovaj događaj je bio prilika za proslavu najnovijih istraživačkih prekretnica i naših doprinosa Googleovim modelima Gemini i generativnoj umjetnoj inteligenciji.
U svijetu umjetne inteligencije, fine-tuning velikih modela s korisničkom razinom diferencijalne privatnosti postaje sve važniji problem. Arun Ganesh i Zachary Charles, istraživači iz Google Researcha, istražuju i poboljšavaju algoritme za fine-tuning velikih modela s korisničkom razinom diferencijalne privatnosti.
U svijetu umjetne inteligencije, razumijevanje i generiranje prirodnih jezika postaju sve važniji. Veliki modeli jezika (LLM) optimizirani ljudskom povratnom informacijom brzo su postali vodeći paradigma za razvoj pametnih razgovaračkih agenata.
– Ignacio Lopez-Gomez, istraživač nauke, i Tyler Russell, voditelj tehničkog programa, Google Istraživanje
Predstavljamo novi metod koji kombinira fizičko modeliranje klime s umjetnom inteligencijom kako bi stvorio detaljne procjene regionalnog okolišnog rizika.
– Alex Zhai, Software Engineer, i Pranjal Awasthi, Research Scientist, Google Research
U ovom članku predstavit ćemo metodu za rješavanje planiranja putovanja koristeći velika jezika modela (LLM) za interpretaciju kvalitativnih ciljeva i optimizacijske algoritme za rukovanje kvantitativnim ograničenjima.
Googleov tim za kvantnu umjetnu inteligenciju, predvođen Alexandre Bourassom i Kevinom Satzingerom, objavio je rezultate koji pokazuju implementaciju “bojašnih kodova” za kvantnu korekciju pogrešaka na platformi superprovodnih kvbita.
godine, Yuchen Zhou, Software Engineer, i Farhad Hormozdiari, Staff Research Scientist iz Google Researcha, objavili su novu metodu umjetne inteligencije pod nazivom M-REGLE (Multimodal REpresentation learning for Genetic discovery on Low-dimensional Embeddings).
U svijetu umjetne inteligencije, istraživanje je ključni pokretač inovacija koje mogu promijeniti način na koji svijet upravlja i reagira na klimatske izazove. Google Research, pod vodstvom Yossi Matiasa, Vice Predsjednika i Glavnog istraživača, vodi napredak u AI tehnologijama kako bi zajednicama pomogao da se bolje pripreme na klimatske prijetnje.
Google istraživači Rajesh Jayaram i Laxman Dhulipala predstavljaju MUVERA, najnoviji algoritam za pretraživanje koji pretvara složeno viševektorsko pretraživanje u jednostavno jednovektorsko pretraživanje.
Krishna Sayana, inženjer softvera, i Hubert Pham, znanstvenik istraživač, Google Research
27. Velike jezničke modele (LLMs) preobražavaju način na koji sustavi preporuke komuniciraju s korisnicima. Tradicionalni preporučni sustavi se fokusiraju na predviđanje sljedećeg predmeta koji bi korisniku mogao biti draž.
Google Maps nedavno je predstavio funkciju koja omogućuje vozačima odabir ruta koje uključuju HOV trake i pregled ETI tih ruta. U ovom blogu objasnimo kako smo razvili ovu funkciju i kako smo stvorili klasifikacijski sustav za određivanje HOV putovanja od putovanja bez HOV-a, što je rezultiralo lansiranjem HOV-specifičnih ETI u Google Maps.
, Samuel Yang, istraživač u Googleu, i Sagar Savla, menadžer proizvoda u Google DeepMindu, istražuju pristup koji koristi lokalizaciju s više mikrofonima kako bi poboljšao mobilno prevođenje govora s dijarezom govornika i smjernicama za smjer.
Uvod
Umjetna inteligencija u zdravstvu već niz godina mijenja način na koji liječnici, znanstvenici i pacijenti pristupaju dijagnostici, liječenju i upravljanju podacima. U današnje vrijeme, razvoj prilagođenih AI rješenja nije rezerviran samo za velike korporacije—vrlo je dostupno i manjim timovima ili istraživačkim institucijama zahvaljujući open-source modelima.
godine, Michael Galkin, istraživač u Google istraživanjima, i Pramod Doguparty, inženjer softvera u Google Adsima, objavili su članak o osnovnim modelima grafova (GFM) za relacijske podatke. Ovaj članak bavi se kako se relacijske tablice mogu tretirati kao interkonektirani grafovi, omogućujući treniranje osnovnih modela koji se mogu generalizirati na proizvoljne tablice, značajke i zadatke.
– Marc Stogaitis, Glavni inženjer softvera, Android
Korištenjem agregiranih mjerenja iz globalne mreže Android telefona, razvili smo sustav koji otkriva potrese, dostavlja rana upozorenja korisnicima i gradi povjerenje korisnika s svakim uspješnim upozorenjem.
Google istraživači su uspjeli omogućiti kontaktni mjerenje srca koristeći ultraširoki radarski signal, što otvara put za integraciju ove tehnologije u svakodnevne mobilne elektroničke uređaje. Potrošački uređaji sve više postaju sposobni, opremljeni raznim senzorima koji su korisni za praćenje fitnessa i općeg zdravlja.
Xu, studentski istraživači, Google Research
Predstavljamo LSM-2 s Adaptivnim i Naslijeđenim Maskiranjem (AIM), novu samonadzornu metodu učenja koja uči iz nepotpunih podataka nosivih senzora, postižući izvanredne rezultate u klasifikaciji, regresiji i generativnim zadacima bez eksplicitne imputacije.
U svijetu umjetne inteligencije, posebno u kontekstu mobilnih aplikacija, zaštita privatnosti korisnika postaje sve važnija. Novi pristupi, kao što su sintetičke i federirane metode, pružaju rješenja koja poboljšavaju performanse modela jezika (LLMs) bez ugrožavanja podataka korisnika.
