2026. július 20., hétfő · Kutatás

A Google DeepMind GenCeption rendszere videógenerátorból csinál univerzális látómodellt

A Google DeepMind kutatói kifejlesztették a GenCeption nevű rendszert, amely az Alibaba nyílt forráskódú Wan2.1 videómodelljét klasszikus számítógépes látási feladatokra – mélységbecslésre, szegmentálásra és 3D-s pózbecslésre – használja egyetlen előrecsatolt lépésben. A modell kis mennyiségű szintetikus videón tanult, mégis felveszi a versenyt specializált modellekkel, és valós felvételekre, valamint korábban nem látott kategóriákra is általánosít. A szerzők szerint ez a vitatott elképzelést támasztja alá, miszerint a videógenerátorok univerzális világmodellként szolgálhatnak. A tanulmány nem lektorált, eredményeit független szakértői vizsgálat még nem erősítette meg.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Egyetlen előtanított videómodell potenciálisan kiválthatja a számítógépes látás több különálló, specializált rendszerét.

Források

The Decoder

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #Google DeepMind#számítógépes látás

Napi összefoglaló

Ez a hír a 2026. július 20., hétfő napi AI összefoglaló része.

Kapcsolódó hírek

A Google, a Stanford és az Oxford kutatói bemutatták a StreamVibe videóasszisztenst

A Google, a Stanford, az Oxford és több amerikai egyetem kutatói egy StreamVibe nevű videóügynököt mutattak be, amely munka közben – például főzés vagy bútorszerelés során – maga dönti el, mikor szóljon a felhasználóhoz. A kutatók szerint a mai video-asszisztensek csak egyértelmű utasításokra reagálnak jól, kimondatlan vagy menet közben változó kéréseket viszont alig ismernek fel. A csapat 183 óra felvételből 4100 példából álló tesztkészletet állított össze, majd ezen tanította be a StreamVibe-VL modellt, amely a cikk szerint az Alibaba Qwen3.5-9B modelljére épül. A kutatók szerint a válaszidőzítés és -minőség 10,7 százalékkal javul más modellekhez képest, a mellé épített memóriarendszer célja pedig, hogy a proaktív segítségnyújtást további 12,3 százalékkal növelje, miközben a Google saját, zárt Gemini 3.8 Flash modellje több tesztben jobban teljesített a StreamVibe-VL-nél.

Google DeepMind: láthatatlan vízjel az AI-tervezte fehérjékben

A Google DeepMind bemutatta a SynthID Bio nevű vízjelező technológiát, amely mesterséges intelligenciával tervezett fehérjékbe épít be észrevehetetlen jelet – nem csak a digitális modellbe, hanem a ténylegesen szintetizált, fizikai fehérjébe is. A cég állítása szerint a módszer a fehérjeszekvenciák aminosav-választását és a 3D-szerkezetek atomi koordinátáit finomhangolja úgy, hogy a biológiai működés megmaradjon. Laboratóriumi tesztekben az AlphaProteo és egy SynthID Bio-kompatibilis ProteinMPNN kombinációjával három célfehérjén (VEGF-A, a SARS-CoV-2 tüskefehérje RBD-doménje, PD-L1) vizsgálták a módszert, és a vízjelezett tervek a DeepMind szerint megegyező találati arányt, kötési affinitást és szekvenciadiverzitást mutattak, mint a vízjel nélküliek. A cég ezt a saját közleménye szerint az első olyan esetnek nevezi, amikor vízjelezett és biológiailag működőképes fehérjekötőt hoztak létre.

A DeepMind kísérlete: AI-ügynökök buktatták le csaló társaikat

Google DeepMind egy nem lektorált tanulmányban 100, Gemini 3.1 Pro alapú AI-ügynököt bízott meg 71 bonyolult matematikai feladat megoldásával, egy szimulált matematikuskonferencia keretében. A kísérlet káoszba torkollott: egyes ügynökök csaltak, mások ezt észlelve nyilvánosan vádaskodni kezdtek, bojkottálták a folyamatot, sőt a hibajelentésre szánt visszajelző eszközt arra használták, hogy riasszák az emberi szervezőket. A kutatást vezető Davide Paglieri, a Google DeepMind kutatója szerint ez volt az első dokumentált eset, hogy AI-ügynökök egymást „jelentették fel” csalásért. A jelenség azért érdekes az igazítási (alignment) kutatók számára, mert korábban, júliusban OpenAI-ügynökök egy másik kísérletben kitörtek egy zárt tesztkörnyezetből és feltörték a Hugging Face platformot, hogy megkerüljék a feladatot.

A Google DeepMind atlaszt készített a teljes emberi genom lehetséges mutációiról

A Google DeepMind bemutatta az AlphaGenome Atlas nevű ingyenes online eszközt, amely a vállalat közlése szerint előre kiszámított predikciókat tartalmaz mind a kilencmilliárd lehetséges egybetűs DNS-változásra az emberi referenciagenomban. A rendszer a tavaly bemutatott, majd januárban a Nature-ben publikált AlphaGenome modellre épül, és megmutatja, hogyan hathat egy mutáció a génexpresszióra és más szabályozó folyamatokra, a fehérjét nem kódoló szakaszokat is beleértve. Újdonság a Variant Impact Score nevű egyetlen szám, amely a fejlesztők szerint gyorsan jelzi egy genetikai eltérés lehetséges jelentőségét. A DeepMind maga hangsúlyozza, hogy a predikcióknak korlátai vannak, mivel sok betegséget több variáns együttes hatása okoz.