DeepMind เปิดตัวปัญญาประดิษฐ์ AlphaProteo ที่สามารถออกแบบโปรตีนยาเพื่อให้ไปจับ (binding) กับโปรตีนที่ต้องการได้อย่างรวดเร็ว พร้อมกับโชว์ว่าสามารถออกแบบโปรตีนเพื่อจับกับโปรตีนไวรัสหรือโปรตีนก่อโรคต่างๆ ได้อย่างหลากหลาย

นอกจากความเร็วในการออกแบบโปรตีนแล้ว ทีมงานยังพบว่าโปรตีนที่ออกแบบได้มีความสามารถจับโปรตีนเป้าหมายได้ดีกว่าโปรตีนเดิมๆ ที่เคยมีการออกแบบกันมาก เช่น BHRF1 โปรตีนของไวรัสก่อมะเร็งสามารถจับในหลอดทดลองได้ถึง 88% ขณะที่ความแน่นในการจับก็แน่นกว่าโปรตีนที่เคยออกแบบกันมาด้วย

DeepMind นำเสนอโมเดล GameNGen เกมเอนจินที่จำลองเกมได้สมจริงเหมือนการเล่นเกมจริงๆ แต่ภายในเป็นโมเดลสร้างภาพ Stable Diffusion ถูกฝึกด้วยภาพเกมและการคอนโทรลต่างๆ

โมเดลนี้อาศัยการสร้าง Agent ที่เล่นเกมจริงแล้วเก็บภาพที่ได้และการกระทำของผู้เล่นในเกม (เดิน ยิง วิ่ง) ไว้ต่อเนื่อง จากนั้นนำภาพและการกระทำมาฝึก generative model ให้ทำนายเฟรมต่อไปจากเฟรมเริ่มต้น ทำให้สุดท้ายได้โมเดลที่แทนเกมเอนจินได้ สามารถควบคุมและเล่นได้จริง ตัวโมเดลมีความสามารถในการนับพลังหรือจำนวนกระสุน ทีมงานพบว่าระหว่างการฝึก จำเป็นต้องแทรกภาพขยะเข้าไประหว่างทางด้วย เพื่อให้โมเดลทำงานได้นิ่งขึ้น

DeepMind แถลงความสำเร็จในการสร้างโมเดลปัญญาประดิษฐ์สำหรับแข่งคณิตศาสตร์ โดยอาศัยโมเดลสองตัว ได้แก่ AlphaProof โมเดลสำหรับการให้เหตุผลทางคณิตศาสตร์ และ AlphaGeometry 2 โมเดลแก้โจทย์เรขาคณิตที่ DeepMind รายงานประสิทธิภาพมาก่อนหน้านี้ โดยรวมสามารถแก้ปัญหาได้ 4 ข้อจาก 6 ข้อ รวมได้ 28 คะแนน หากเป็นผู้เข้าแข่งปกติก็จะได้เหรียญเงิน

Deepmind โชว์ความสามารถของปัญญาประดิษฐ์ video-to-audio (V2A) ที่สามารถเติมเสียงเข้าไปยังวิดีโอได้ตามคำสั่ง เปิดแนวทางการใช้งานที่หลากหลาย ทั้งการเติมเสียงใส่วิดีโอที่สร้างจากปัญญาประดิษฐ์ หรือจะเป็นการเติมเสียงใส่วิดีโอเก่าที่ไม่มีเสียงแล้ว

เนื่องจาก V2A รองรับพรอมพ์จากผู้ใช้ด้วย ทำให้สามารถปรับแต่งโทนของเสียงได้หลากหลายแม้จะเป็นวิดีโอเดียวกัน เช่น ต้องการใส่เพลงประกับซีนนั้นๆ หรือต้องการเพียงเสียงประกอบเฉยๆ

Google DeepMind เปิดตัวโมเดลปัญญาประดิษฐ์ AlphaFold 3 ที่เป็นปัญญาประดิษฐ์สำหรับการทำนายโครงสร้างของโมเลกุล หลังจากเปิดตัว AlphaFold 2 มาตั้งแต่ปี 2020 และใช้สร้างฐานข้อมูลโครงสร้างโปรตีนเมื่อปี 2022 เปิดให้นักวิจัยเข้าใช้งานได้ฟรี

ทาง DeepMind ระบุว่าจนถึงตอนนี้งานวิจัยที่อ้างอิงกลับมายัง AlphaFold มีจำนวนมากกว่า 20,000 รายงานวิจัย และถูกใช้ในการออกแบบวัคซีนมาลาเรีย, มะเร็ง, ตลอดจนการออกแบบเอนไซม์

Google Deepmind ปล่อยไลบรารี Penzai (คำจีนโบราณสำหรับการตัดแต่งต้นไม้ เป็นที่มาของ "บอนไซ") ที่ใช้สำหรับการแสดงผลโมเดลปัญญาประดิษฐ์ และตัดแต่งโมเดล

ส่วนสำคัญของ Penzai คือการแสดงภาพของโมเดลปัญญาประดิษฐ์ในรูปแบบที่เรียกว่า Treescope เพื่อให้เห็นว่าแต่ละชั้นของโมเดลมีหน้าตาเป็นอย่างไร จากนั้นสามารถตัดแต่งโมเดลได้ตามใจชอบ

โมเดลปัญญาประดิษฐ์ขนาดใหญ่นั้นมักทำความเข้าใจกระบวนการทำงานได้ยาก แต่ก็มีความพยายามทำให้เราสามารถอธิบายได้ว่าทำไมโมเดลจึงตอบคำตอบออกมาแบบนั้น การที่มีเครื่องมือช่วยสำรวจการทำงานภายใน และปรับแต่งการทำงานให้เป็นไปตามต้องการจึงเป็นฟีเจอร์สำคัญตัวหนึ่ง

DeepMind โชว์ปัญญาประดิษฐ์ใหม่ที่ชื่อว่า Scalable Instructable Multiworld Agent หรือ SIMA ปัญญาประดิษฐ์ที่สามารถเล่นเกมสามมิติใดๆ ก็ได้คล้ายมนุษย์

เป้าหมายของการสร้าง SIMA ไม่ได้มีไว้เพื่อให้เล่นเกมเก่งเป็นพิเศษ แต่ต้องการโชว์ว่าปัญญาประดิษฐ์สามารถรับคำสั่งแล้วทำตามในโลกที่ไม่เคยเจอไปเรื่อยๆ ได้ โดย SIMA ถูกฝึกในเกมที่หลากหลายมาก มีการร่วมมือกับสตูดิโอเกมถึง 8 ค่าย และสร้างสภาพแวดล้อมทดสอบจาก Unity เองอีก 4 แบบ ชุดข้อมูลเริ่มแรกของ SIMA นั้นอาศัยคนเล่นเกมตามคำสั่ง อีกชุดหนึ่งอาศัยคนดูวิดีโอการเล่นเกมและบอกว่าควรใช้คำสั่งอะไรจึงเล่นแบบนั้น

DeepMind รายงานถึงโมเดลปัญญาประดิษฐ์ AlphaGeometry สามารถแก้ปัญหาคณิตศาสตร์ในหมวดเรขาคณิตได้ระดับเดียวกับผู้เข้าแข่งคณิตศาสตร์โอลิมปิกระดับเหรียญทอง

การทดสอบนี้อาศัยชุดทดสอบ IMO-AG-30 ที่เป็นโจทย์คณิตศาสตร์โอลิมปิกด้านเรขาคณิต 30 ข้อ และสามารถแก้โจทย์ได้ 25 ข้อขณะที่โมเดลที่ดีที่สุดก่อนหน้านี้ทำได้เพียง 10 ข้อเท่านั้น ภายในโมเดลเป็นโมเดลแบบภาษาธรรมชาติร่วมกับ symbolic deduction engine แบ่งหน้าที่กันโดยโมเดลภาษาธรรมชาติจะนำเสนอแนวทางแก้ปัญหาแบบภาพกว้างๆ ขณะที่ symbolic deduction engine จะมาแสดงวิธีทำว่าสามารถไปถึงคำตอบที่ต้องการได้จริงๆ