Google DeepMind

Demis Hassabis 是英国计算机科学家与神经科学家，2010 年联合创立 DeepMind 并任 CEO，领导团队做出 AlphaGo、AlphaFold、Gemini 等成果。剑桥与伦敦大学学院（UCL）背景，曾是国际象棋神童与游戏开发者。2014 年随 DeepMi

Koray Kavukcuoglu 是 DeepMind 研究副总裁，长期参与 DQN、WaveNet、Gemini 等核心项目。纽约大学博士（与 Yann LeCun 合作），2012 年加入 DeepMind，是连接学术深度学习与产业落地的关键研究者之一。

Oriol Vinyals 是 DeepMind 研究副总裁，Gemini 大模型联合负责人。南加州大学（USC）博士（导师 Ron Parr、Yann LeCun 影响），曾参与 Seq2Seq、AlphaStar（星际争霸 AI）。研究方向覆盖序列到序列学习、强化学习智能体与

David Silver 是 DeepMind 首席研究科学家，AlphaGo、AlphaZero、AlphaStar 等强化学习里程碑项目的核心负责人。加拿大蒙特利尔大学博士（在 Doina Precup 指导下），博士期间参与 AlphaGo 前身。曾多次带队在围棋、星际争霸

Nando de Freitas 是机器学习领域资深研究者，牛津博士、不列颠哥伦比亚大学（UBC）教授，曾任 DeepMind 研究副总裁。2022 年加入 Abstract Ventures 转向技术投资方向。曾在 YouTube 上以大规模机器学习公开课闻名。

Google DeepMind 视觉-语言-动作机器人基础模型，基于 Gemini 2.0，支持灵巧操作与少样本适配。

Google DeepMind 视觉-语言-动作模型，将 VLM 与机器人控制统一为 token 预测。

DeepMind 围棋 AI，结合深度神经网络与蒙特卡洛树搜索，首次击败职业人类棋手。

DeepMind 蛋白质结构预测模型，在 CASP14 达原子级精度，破解 50 年蛋白质折叠难题。

DeepMind 70B 参数计算最优语言模型，1.4 万亿 token 训练，超越 Gopher 280B 与 GPT-3。

Google DeepMind 原生多模态大模型，支持文本、图像、音频与视频输入。

原始音频波形生成的因果扩张卷积模型，奠定神经声码器方向。

在星际争霸II击败人类职业选手的多智能体强化学习系统。

通用自博弈强化学习算法，在围棋/国际象棋/将棋超越专用AI。

用序列到序列模型做句法分析，把语法解析当作翻译任务。

深度网络持续学习综述：方法、评估与开放问题。

用神经网络学习可解释程序的递归执行框架。

MapReduce分布式数据处理，大数据系统奠基。

Bigtable分布式存储，NoSQL系统奠基。

Seq2Seq序列到序列学习，NLP里程碑。

NASNet神经架构搜索，用RL搜索网络结构。

知识蒸馏，模型压缩与教师-学生范式奠基。

REALM检索增强语言模型预训练，RAG前身。

重新思考泛化，深度学习理论里程碑。

Google Brain大规模无监督学习发现高层特征（猫脸神经元）。

安全RL综述，Kohli可信AI方向。

RT-2 把视觉语言模型迁移到机器人控制，实现 VLA 统一架构。

DreamerV3 用世界模型在 150+ 任务上单一超参数达到 SOTA，证明世界模型可行性。

AlphaGo 用深度神经网络与蒙特卡洛树搜索击败围棋世界冠军李世石。

AlphaFold 通过深度学习实现高精度蛋白质结构预测，解决生物学五十年难题。

提出 Chinchilla 缩放定律：数据与算力需同步增长，70B 模型可达更优性能。

DQN 用深度网络学习 Q 值，在 Atari 游戏上达到人类水平。