Articles sur Google Research

Google DeepMind a publié WeatherNext 3, qui n'est pas seulement un autre modèle météorologique, mais montre que l'IA passe de la « compréhension du langage » à l'étape pratique de « lecture des systèmes physiques ». Des prévisions plus fréquentes et plus claires signifient que la capacité de l’IA à modéliser des environnements dynamiques à haute fréquence devient un service de base commercialisable, susceptible de remodeler la méthode de fourniture du secteur des prévisions météorologiques à l’avenir.

Google a publié TimesFM-3, avec 330 millions de paramètres, une prise en charge native de la prédiction d'échantillon zéro de séries chronologiques multidimensionnelles et un traitement direct unique de plusieurs séries. Par rapport à la version précédente de TimesFM qui nécessitait un réglage précis des tâches, il s'agit cette fois d'une pré-formation multidimensionnelle native et se classe première en moyenne sur des benchmarks tels que GIFT-Eval. Cependant, le poids adopte une licence non commerciale, ce qui limite la mise en œuvre industrielle.

Google Research et UNSW Sydney ont lancé GlucoFM, un modèle de base auto-supervisé qui divise les données de surveillance continue de la glycémie en flux physiologique et flux d'événements. Le nombre de paramètres n’est que de 0,72 M. Il a surpassé les autres modèles dans 14 évaluations, ce qui indique l'énorme potentiel de l'IA dans le domaine de la surveillance médicale.