Google DeepMind: storia, programmi e software

Nell’aprile 2023 Google ha unito DeepMind e Google Brain creando Google DeepMind, guidata da Demis Hassabis. L’obiettivo è stato accelerare la corsa contro OpenAI.

Dall’inizio del 2022 Google DeepMind (e, dal 2023, Google DeepMind dopo la fusione con il team Brain di Google) è stata protagonista di una trasformazione radicale: da laboratorio di ricerca focalizzato su AlphaGo e AlphaFold è diventata il motore di tutta la strategia AI di Google. Ecco le principali novità, ordinate cronologicamente.

2022: AlphaFold cambia la biologia

AlphaFold 2 diventa uno standard scientifico

Nel luglio 2022 DeepMind e l’EMBL pubblicano oltre 200 milioni di strutture proteiche, coprendo praticamente tutte le proteine conosciute dalla scienza. La banca dati viene resa disponibile gratuitamente ai ricercatori e accelera la ricerca in biologia, medicina e sviluppo di farmaci.

Gato

DeepMind presenta anche Gato, uno dei primi modelli generalisti in grado di svolgere centinaia di compiti differenti (robotica, videogiochi, linguaggio naturale) con un’unica rete neurale, anticipando il concetto di foundation model multimodale.

Gemini

Nel dicembre 2023 arriva Gemini, la nuova famiglia di modelli AI (Nano, Pro e Ultra), progettata fin dall’origine per essere multimodale.

Gemini Ultra è il primo modello dichiarato capace di superare le prestazioni umane sul benchmark MMLU e ottiene risultati di vertice nella maggior parte dei benchmark multimodali.

2024: l’anno della multimodalità

Gemini 1.5

Google introduce:

• contesto fino a 1 milione di token
• successivamente 2 milioni di token
• comprensione congiunta di testo, immagini, audio e video

Si tratta di uno dei maggiori salti nella gestione del contesto.

Project Astra

Alla conferenza Google I/O viene mostrato Project Astra, un assistente AI capace di:

• vedere il mondo tramite la fotocamera;
• ricordare ciò che osserva;
• dialogare in tempo reale;
• comprendere l’ambiente circostante.

È il primo esempio concreto della visione di Google per un assistente universale.

AlphaFold 3

Nel maggio 2024 DeepMind presenta AlphaFold 3, che non si limita più alle proteine ma modella anche:

• DNA
• RNA
• piccole molecole
• ligandi
• interazioni molecolari

Il salto qualitativo è enorme per la progettazione di farmaci.

Nobel per la Chimica

Nell’ottobre 2024 Demis Hassabis e John Jumper ricevono il Premio Nobel per la Chimica per AlphaFold, riconoscimento che consacra l’impatto dell’AI nella ricerca biologica.

2025: dagli LLM agli agenti

Il focus si sposta dall’intelligenza conversazionale agli agenti AI.

Gemini 2.x

Arrivano:

• Gemini 2.0
• Gemini 2.5
• versioni Flash
• modelli “Thinking”

con miglioramenti in:

• ragionamento;
• coding;
• agentic AI;
• utilizzo di strumenti esterni.

Project Mariner

Google presenta un agente che può utilizzare il browser come farebbe un utente umano.

Jules

Viene mostrato Jules, agente dedicato allo sviluppo software capace di lavorare direttamente sui repository GitHub.

Gemini Robotics

DeepMind porta Gemini nella robotica, consentendo ai robot di:

• comprendere istruzioni naturali;
• pianificare;
• manipolare oggetti;
• adattarsi a nuovi ambienti.

2026: l’AI entra nella ricerca scientifica

Nel 2026 Google DeepMind amplia il proprio raggio d’azione ben oltre i chatbot.

Gemini 3.5 e Gemini Omni

A Google I/O vengono annunciati:

• Gemini 3.5 Flash
• Gemini Omni

con una forte enfasi sulle capacità di azione, oltre che di ragionamento.

Gemini for Science

Nasce una piattaforma dedicata alla ricerca scientifica che comprende strumenti per:

• generare ipotesi;
• analizzare letteratura scientifica;
• scrivere codice sperimentale;
• assistere ricercatori.

Co-Scientist

DeepMind presenta Co-Scientist, un sistema multi-agente che aiuta gli scienziati nella formulazione e valutazione delle ipotesi di ricerca.

AlphaEvolve

Viene introdotto AlphaEvolve, un sistema che utilizza modelli linguistici ed evoluzione algoritmica per progettare automaticamente nuovi algoritmi e ottimizzare problemi matematici e ingegneristici.

Robotica avanzata

Google continua a investire in:

• Gemini Robotics;
• modelli embodied;
• Project Genie per la simulazione di ambienti;
• AI applicata alla pianificazione urbana e alla robotica europea.

Ricerca farmaceutica

La controllata Isomorphic Labs si prepara ad avviare i primi trial clinici su farmaci progettati con l’AI, sfruttando l’evoluzione di AlphaFold e strumenti proprietari.

DeepMind, cosa è cambiato negli ultimi anni

Nel complesso, dall’inizio del 2022 DeepMind è passata dall’essere un laboratorio noto soprattutto per AlphaFold e AlphaGo al diventare il centro nevralgico dell’intera strategia AI di Google. La sua attività oggi si articola su quattro pilastri: modelli multimodali della famiglia Gemini, agenti intelligenti, robotica e applicazioni scientifiche, con un’integrazione sempre più stretta tra ricerca fondamentale e prodotti commerciali.

Come nasce DeepMind

DeepMind, già salita agli onori della cronaca per i suoi contributi al progresso e alla ricerca scientifici, nasce come un’azienda britannica del gruppo Alphabet, casa madre di Google, che svolge attività nel campo dell’intelligenza artificiale. La sede principale è a Londra ma i suoi centri sono stabiliti anche a Montreal e Alberta, in Canada, a Parigi, in Francia e nella città di Mountain View, negli Stati Uniti.

I programmi e le ricerche di DeepMind sono a largo spettro estendendosi su un’ampia gamma di discipline, dalle neuroscienze, alla robotica, dalla visione artificiale al machine learning. I team di lavoro dell’azienda sono impegnati ad affrontare le sfide della computer science e, in particolar modo, nell’ambito dello sviluppo dell’intelligenza artificiale generale; che, al suo interno, viene definita (video) come un sistema capace di raggiungere un livello umano o superiore di performance in quasi tutti gli ambiti relativi ai processi cognitivi.

Storia di DeepMind

Nata nel 2010 come start-up, DeepMind è stata fondata da Demis Hassabis, Shane Legg e Mustafa Suleyman.

L’azienda si è inizialmente concentrata sul training e lo sviluppo di algoritmi AI applicati ai giochi e nel 2013 è stato elaborato un modello di algoritmo, chiamato Deep Q-Networks, combinazione tra una rete neurale convoluzionale e una variante di Q-learning (algoritmo di apprendimento per rinforzo), addestrato e testato con successo sui giochi della console Atari 2600, essendo in grado di padroneggiarli.

Nel 2014 DeepMind è stata acquisita da Google, che ha sborsato circa 600 milioni di dollari per venirne in possesso. Sotto la guida di Big G, l’azienda è cresciuta notevolmente, passando da 75 addetti a un migliaio di persone impiegate in tutte le sue sedi, assumendo personale di varia formazione tra le fila di sviluppatori e ricercatori AI, provenienti dalle università più prestigiose di Oxford, Cambridge, Stanford e MIT.

DeepMind è diventata un veicolo della ricerca e sviluppo e, nonostante le perdite, Google continua a finanziare le sue attività.

Software e programmi targati DeepMind

La società diretta da Demis Hassabis, amministratore delegato di DeepMind, ha intensificato e rafforzato il suo lavoro su più fronti anche costituendo un gruppo ad hoc per migliorare i prodotti e le infrastrutture di Big G, usate da milioni di persone. Nel 2016 è stato sviluppato un sistema AI per aumentare l’efficienza e gestire in modo autonomo l’attività di raffreddamento dei data center di Google e sempre nello stesso anno è stato creato WaveNet, un modello di rete neurale profonda applicato alla sintesi vocale per rendere la voce artificiale più simile a quella umana facilitando con una tecnica più evoluta l’interazione uomo-macchina.

Nel 2018, invece, è stato elaborato un algoritmo di machine learning per consentire all’energia eolica di aumentare il valore integrandosi in modo ottimale alla rete elettrica. Inoltre, l’apprendimento automatico è servito per creare due nuove funzionalità Android, che adattano il sistema operativo mobile al comportamento del singolo utente relativamente all’impiego delle app in modo da garantire un minor consumo energetico della batteria di uno smartphone.

Ma è grazie a software e programmi come Alphago, AlphaFold, e Alphacode, che Deepmind ha conquistato maggiore interesse a livello internazionale.

Alphago

Alphago è il primo programma ad aver sconfitto un giocatore professionista di Go, un gioco nato in Cina 3mila anni fa che richiede un grado di pensiero strategico molto elevato, ritenuto più complesso degli scacchi. Nel 2015 il software – basato su una combinazione innovativa di due reti neurali profonde, addestrate in modo supervisionato su partite giocate da esseri umani, e l’algoritmo di ricerca ad Albero Monte Carlo – è stato in grado di vincere contro Fan Hui, tre volte campione europeo, e nel 2016 contro il fortissimo coreano Lee Sedol, 18 volte vincitore del campionato mondiale di Go, piegato e costretto al ritiro di fronte all’imbattibilità dell’algoritmo AI di Deepmind.

Successivamente, il programma è stato sviluppato in una forma più evoluta, AlphaGo Zero, introdotta nel 2017, che impara giocando con se stesso, avendo a disposizione una Tensor Processing Unit (TPU) di Google ad alta prestazione, e capace di ideare proprie strategie non convenzionali. Nella sua ultima versione, chiamata MuZero, l’algoritmo AI riesce a padroneggiare vari giochi (Go, shogi, scacchi e Atari) senza conoscerne le regole, portando a un livello superiore la capacità dell’apprendimento per rinforzo.

Video: AlphaGo (documentario versione integrale)

AlphaFold

AlphaFold è, invece, uno strumento di intelligenza artificiale approntato per prevedere la struttura delle proteine.

Il sistema, descritto sulla rivista Nature nel 2019, sfrutta le reti neurali profonde per predire forma e proprietà di una proteina risolvendo il problema del ripiegamento proteico. Grazie all’intelligenza artificiale vengono superati i limiti dei metodi precedenti, come la cristallografia ai raggi X, la microscopia elettronica (cryoEM) e la risonanza magnetica nucleare (NMR), in questo settore di ricerca. DeepMind è riuscita a sviluppare un algoritmo AI, migliorato in una successiva versione e messo a disposizione di tutta la comunità scientifica, capace di prevedere, in pochissimo tempo e in modo estremamente dettagliato, la struttura tridimensionale delle proteine, a partire dalla sequenza degli amminoacidi, di quasi tutto il proteoma umano e di altri organismi.

Un passo in avanti di fondamentale importanza che permetterà di migliorare la ricerca su nuovi farmaci e malattie.

Come nel caso del sequenziamento del genoma umano, a cui questo lavoro è stato equiparato per la sua importanza, DeeepMind ha costituito, in collaborazione con l’Istituto europeo di bioinformatica, un database, aperto e gratuito, dove è possibile visualizzare e scaricare i dati di centinaia di migliaia di strutture proteiche.

Alphacode

Nel febbraio 2022 è stata annunciata la creazione di Alphacode. Si tratta di un sistema AI che usa un modello di rete neurale transformer, con apprendimento auto-supervisionato, per scrivere codice. La performance di Alphacode è stata testata su Codeforces, piattaforma su cui si svolgono competizioni sulla programmazione che richiedono una conoscenza ampia di algoritmi e teoria informatica, dimostrando di essere al pari di quello di sviluppatori umani.

DeepMind ha confrontato il software, che ha ancora ampi margini per progredire, anche con la tecnologia di OpenAI riuscendo a ottenere risultati simili.