Kymmenen vuotta sitten @GoogleDeepMind:n AlphaGo oli ensimmäinen ohjelma, joka voitti maailmanmestarin Go:ssa — pelissä, jossa on enemmän liikkeitä kuin atomeja universumissa. AlphaGo voitti "Move 37" -pelin avulla, joka oli niin epätavanomainen, että asiantuntijat pitivät sitä virheenä. Näin tuo voitto merkitsi tekoälyn modernia aikakautta ja johti vuosikymmenen tieteelliseen löytöihin 🧵 ↓

AlphaGon menestys osoitti tekoälyn potentiaalin auttaa meitä ymmärtämään paremmin fyysisen maailman valtavia monimutkaisuuksia. 🧬 Tämä johti AlphaFoldiin, joka vuonna 2020 ratkaisi "proteiinirakenteen ennustamisen ongelman" — 50 vuotta kestäneen suuren haasteen, joka on elintärkeä sairauksien ymmärtämisessä ja uusien lääkkeiden kehittämisessä. 🔬 Olemme sittemmin tehneet 200M+ proteiinirakenteita vapaasti saataville auttaaksemme 3M+-tutkijoita käsittelemään kaikkea malariarokotteista muovia syöviä entsyymejä. 🏆 Vuonna 2024 tämä työ sai kemian Nobel-palkinnon, joka myönnettiin @demishassabis ja John Jumperille AlphaFold-tiimin puolesta.

AlphaGon teknologia on siirtynyt pelilaudasta maailman vaikeimpaan matematiikkaan. 🥈 Samankaltaiset lähestymistavat auttoivat AlphaProofia, yhdessä AlphaGeometrian kanssa, tulemaan ensimmäiseksi tekoälyjärjestelmäksi, joka voitti hopeaa International Mathematical Olympiadissa (IMO). 🥇 Äskettäin Gemini Deep Thinkin edistynyt versio meni vielä pidemmälle, saavuttaen kultamitalin vuoden 2025 IMO:ssa. Sovellamme tätä päättelyä nyt kaikkein monimutkaisimpiin, avoimiin haasteisiin tieteessä ja tekniikassa.

AlphaEvolve, tekoälyagentti, joka on saanut inspiraationsa AlphaGon hakumenetelmistä, on löytämässä keinoja saada tietokoneet toimimaan tehokkaammin. 💻 Sitä käytettiin äskettäin löytämään uusi tapa moninkertaistaa matriiseja — ydinmatematiikka, joka on lähes kaikkien nykyaikaisten tekoälyjen voima. Optimoimalla koodin perustasolla teemme kokonaisista ekosysteemeistä, datakeskuksista kvanttilaskentaan, nopeampaa ja kestävämpää.