AlphaFold

DeepMind创始人Demis Hassabis在播客中分享了从国际象棋神童到诺奖得主的历程，探讨了通用人工智能（AGI）的关键缺失组件，如持续学习与长期推理，并揭示了AlphaFold、Gemini模型对科学发现的影响及未来AI在材料科学、药物发现等领域的变革潜力。

Google I/O 强调 AI 科学路径正从专用工具转向通用智能体系统，预示科研范式可能发生根本转变。

Jure Leskovec介绍了Kumo的Relational Foundation Model (RFM2)，该模型通过图结构处理多表数据，在企业数据库中实现零样本推理，并在Reddit等公司部署。

AlphaFold凭借突破性的蛋白质结构预测能力赢得广泛赞誉，现有逾三百万科研人员正运用此工具推进前沿研究。节目中专家探讨其荣获诺贝尔奖的可能性，强调这是对人工智能在生命科学领域卓越贡献的认可。

乌干达研究人员利用 AlphaFold 将乳腺癌疫苗候选靶点从 15000 个筛选至 15 个，大幅降低科研门槛并推动本地化精准医疗。

Demis Hassabis 强调 AI 在改善人类健康方面的应用，从 AlphaFold 到 Isomorphic Labs，目标是重新定义药物发现并最终解决所有疾病。

Demis Hassabis of Google DeepMind discusses how AI, particularly AlphaFold, is revolutionizing drug discovery, potentially reducing the process from years to days.

DeepMind CEO 哈萨比斯预测AGI最快2029–2030年（约三年内）实现，研发速度远超预期；他强调AGI是渐进式升级而非奇点突变，并警告社会准备严重不足。

该视频讨论了物理学家费曼与爱因斯坦、牛顿的比较，受访者更倾向于费曼作为个人最爱，同时高度评价了Two Minute Papers关于AlphaFold的系列视频，认为其是解释该技术的最佳资源之一。

该视频片段为一段观众互动问答，讨论物理学家费曼、爱因斯坦与牛顿的“谁更胜一筹”，但未提供任何实质性的科学分析或技术内容；仅提及对Two Minute Papers频道中AlphaFold系列视频的喜爱，信息密度低，缺乏深度机制、数据或工程实践价值。

该页面是 Google DeepMind 官方博客的导航模板，而非一篇完整的技术文章，仅包含网站菜单和模型列表，缺乏实质性内容。