Google Research 2026：十大創新如何拓展人類智慧潛能

我們正處於研究與科學發現的黃金時代。對於 Google Research 的科學家和研究人員而言，機會不僅止於開創性的突破，我們也致力於建立並分享強大的工具，以賦能全球生態系。人工智慧作為人類智慧的放大器，為好奇心和嚴謹的探究創造了蓬勃發展的條件。

今天，在山景城舉行的 Research@ 活動中，我們展示了如何將前所未有的洞察與能力，交到醫生、科學家、開發者、公衛官員及其他專業人士手中。以下是其中十項重點：

1. Google Earth AI 賦能組織與社會的地球級智慧

應對全球挑戰需要精確、真實的地球級智慧。透過 Google Earth AI，現在可以預測公共衛生威脅、加速潔淨能源投資，並為企業提供前瞻性洞察等。今天，我們正在擴大早期使用權限，並邀請合作夥伴探索三種新的方式來存取 Google Earth AI 的實驗性功能。

這些方式包括在 Google Earth 中作為早期實驗功能進行更深入的地理空間分析；透過我們的行星預測引擎生成風險評估並預測不同情境；以及透過實驗性的代理對代理 API，將我們的地理空間推理代理技能直接整合到客製化工作流程中。這為開發者提供了對衛星影像解析、路徑規劃和人口統計嵌入等核心功能的程式化存取。

我們也宣布整合 Google Dataset Search，可查詢超過一億個公開資料集，以及用於行星即時預測和迭代預測的 TimesFM。所有這些功能都由 70 多種地理空間工具提供支援，包括 Remote Sensing Foundation Model (RSFM) 和 Population Dynamics Foundation Model (PDFM) 等行星基礎模型。

它們已透過今天發布的 Earth AI 技術報告中詳述的實證基準進行驗證，使開發者、健康領域領導者和企業團隊能夠自動化複雜的地理空間工作流程。

為進一步支持社會影響力工作，Google.org 正在提供 1000 萬美元的資金，給予致力於危機應變和公共衛生的組織。其中 200 萬美元將提供給 The Milken Institute，以解決經濟適用房、潔淨能源、寬頻、安全供水系統及其他基本基礎設施的瓶頸問題。

2. 多代理協調幫助科學家建立在現有知識之上

現有文獻為推動新科學發現提供了豐富的知識來源。我們建立了一個多代理協調器，使科學家能夠重現先前的研究方法和分析，然後將其應用於新的環境中，以解決重要的研究挑戰。例如，這幫助研究人員將一種解決流體力學中逆向設計問題的新方法，應用於導尿管的設計，他們在模擬中發現了能更有效預防細菌感染的導尿管設計。

這補充了我們現有加速科學工作流程的工具。Empirical Research Assistance 使科學家能夠平行生成和測試數千種程式碼變體，並已幫助研究人員在從生物學到宇宙學再到經濟學等領域產生了成果。與 Google DeepMind 合作開發的 Co-Scientist 是一個多代理工具，可以生成新穎的假設，並已幫助史丹佛大學等合作夥伴，發現了可重新用於治療肝纖維化的藥物。

3. Deep Review 幫助作者提高技術文件的清晰度和準確性

嚴謹的同儕審查是科學方法的核心部分。我們創建了 Deep Review，這是一個代理系統，可對複雜文件進行嚴格驗證。這在人工智慧越來越多地被用於協助專家起草技術文件時尤為重要。

許多 Google 研究人員和外部作者已使用該系統的早期版本，審查了提交給頂級電腦科學會議的 16,000 多篇研究論文。它透過檢查邏輯一致性和事實依據來減輕繁重的認知負擔，同時科學家仍保有對創意方向的權威。今天，我們正在向大眾擴大 Deep Review 的使用權限，以幫助人們驗證從法律協議到財務報告等各種技術文件。

4. 下一代邊緣 AI 晶片讓製造商打造未來的穿戴裝置

隨著穿戴裝置的興起，硬體製造商需要工具來開發高效的邊緣應用程式，以滿足客戶對全天候高效能的期望。今年稍早，我們推出了 Synaptics 的第一款 Coralboard，它使用了 Google 的 Coral NPU 加速器核心，使 AI 和機器學習工程師能夠快速原型設計和製造裝置。

下週，我們將揭示我們與 Synaptics 共同設計的下一代低功耗邊緣 AI 晶片，該晶片採用我們的開源 IP。它為設計工程師在打造下一代智慧眼鏡和手錶、連網攝影機、串流裝置以及工業視覺和語音系統時，提供更高的效率和效能。

5. TimesFM 和 TabFM 改變企業處理數字的方式

雖然語言模型在處理文字方面表現出色，但商業和營運決策也依賴數字。TimesFM 和 TabFM 是專為處理原始數字分佈而設計的基礎模型，包括時間序列流（隨時間變化的資料）和結構化表格資料（如試算表）。這兩個模型無需訓練即可提供準確的開箱即用預測。

它們在各自領域的領先公開基準測試中名列前茅，並向所有 Cloud BigQuery 用戶開放。今天，我們宣布這些模型即將整合到 Gemini for business 中。很快，企業主、分析師、營運主管或協調員就可以根據複雜的營運表格和數百萬行的資料，預測產品銷售或醫院病床容量等趨勢。敏感資料安全地保留在組織的範圍內，人們可以在幾秒鐘內獲得所需的答案。

6. MedGemma 賦能創新者建立和部署健康 AI 應用程式

MedGemma 上週在 Nature Medicine 上發表，已被超過 65,000 名獨特創新者下載超過 1000 萬次。它為開發者建立專用應用程式提供了開放基礎。開發者已將其調整以滿足當地社區的需求，從在擁擠的診所中實現更快的分類，到篩查眼疾和子宮頸癌。

隨著開發者針對更多專業和護理環境微調 MedGemma，我們正在推動開放健康 AI 的前沿。我們最新的研究透過工具使用進一步提升了 MedGemma 的能力，使其可以利用可用的健康記錄和臨床醫生所依賴的其他應用程式。我們正在探索新的模態，如乳房攝影、超音波和心電圖。

早期跡象表明，在回答臨床問題和解釋放射影像、皮膚影像和病理切片等能力方面有顯著提升。透過這些進展，我們希望擴大創新者可以建立的範圍，為全球更多社區帶來有效的醫療保健。

7. AMIE 研究推進了對話式 AI 如何支援患者和臨床醫生的前沿

透過我們對 AMIE 的研究，我們正在探索 AI 在臨床推理和對話中的應用，以了解它如何賦能臨床醫生並加強醫患關係。我們今年在 Nature 上的研究將 AMIE 的能力從初步診斷推進到長期疾病管理，而在 Nature Medicine 中，我們展示了它如何跨多模態資料（如醫學影像和實驗室結果）進行推理。

我們在 The Lancet 上的新研究提供了一個有前景的視角，說明其能力如何在真實世界的臨床環境中實現。在 Beth Israel Deaconess Medical Center，98 名患者在緊急護理就診前安全地諮詢了 AMIE，臨床醫生報告說 AI 摘要在 75% 的情況下幫助他們做好了準備。

我們還在推進 AMIE 的多模態能力，使其適用於即時視訊諮詢，並已與 Included Health 合作，啟動了一項全國性的隨機研究，探討 AI 在真實世界虛擬護理環境中的應用。AMIE 是我們從里程碑式的 MedPalm 論文開始的嚴謹研究之旅的一部分，目前仍處於早期階段。

8. Groundsource 使研究人員能夠預測自然災害

AI 可以幫助我們更準確、更提前地預測災害，讓社區有更好的機會準備和挽救生命。我們一直在朝著我們的危機應變北極星目標邁進：一個沒有人會被自然災害驚訝的世界。以洪水預測為例，我們在 Nature 上發表的全球水文模型，使我們能夠提前 7 天提供可靠的河流預測，覆蓋 150 多個國家中超過 20 億人口，針對最重大和影響最大的河流洪水。

然而，就在一年前，預測山洪暴發似乎仍遙不可及。Groundsource 是我們最近推出的 AI 驅動方法，它將公開可用的危機資訊轉化為高品質的歷史資料集，讓研究人員能夠建立更準確的預測模型。我們首先將 Groundsource 與 Gemini 結合使用，分析與洪水相關的新聞報導，並創建了一個包含超過 260 萬個洪水事件的結構化資料集。

這個資料集幫助我們克服了山洪暴發地面實況資料的缺乏，並訓練了一個新模型，可以在城市地區提前 24 小時預測山洪暴發的可能性。該資料集現已成為 Google Earth AI 集合的一部分，我們已將其公開，以幫助科學家進行進一步的分析和研究。

9. 互動式學習讓教師能夠創建客製化的引導式模擬

透過生成式 UI，我們可以超越靜態輸出，動態生成功能性、互動式軟體。我們的研究實驗在教育領域探索了這一點。我們透過教學護欄微調生成式 UI，使教師能夠創建客製化的引導式 STEM 模擬，以適應他們的課程。

範例庫包含 30 多個經教師審核的 AI 生成互動式學習內容，適用於國中和高中物理、化學、生物和數學。學校可以註冊 Google fo