Демис Хасабис на Google I/O показал WeatherNext и заявил, что мы на «подножии сингулярности»

На конференции Google I/O Демис Хасабис завершил сессию по научному использованию ИИ утверждением, что мы стоим «в предгорьях сингулярности», и продемонстрировал работу WeatherNext — погодной системы DeepMind. Компания показала видеозарисовку работы WeatherNext и сообщила, что система заблаговременно предсказала катастрофический выход урагана Мелисса в Ямайке в прошлом году. Такое сочетание декларации о скорых фундаментальных изменениях и практической демонстрации подчёркивает намерение DeepMind переводить общие достижения ИИ в прикладные инструменты для наук о Земле.

WeatherNext выступала в материале как практический пример: DeepMind выпустила обновлённую версию системы в ноябре, а за год до этого, летом, компания представила специализированные фундаменты для биологии и наук о Земле — AlphaGenome и AlphaEarth Foundations. Ранее широкое распространение получили предсказания структуры белков AlphaFold, что стало одним из заметных успехов компании в прикладной науке. Кроме того, в материале отмечается участие со‑создателя AlphaFold Джона Джампера в задачах по программированию ИИ, что связывает кадры и технологические наработки внутри компании.

Выступление Хасабиса и показ WeatherNext подчёркивают существующее напряжение между двумя подходами к научным задачам: с одной стороны — проверенные «узконаправленные» модели, создаваемые для конкретных дисциплин, с другой — агентные, LLM‑ориентированные системы, которые обещают вести исследования с минимальным участием человека. Автор указывает на реальные примеры успехов агентных систем — в частности, недавний случай, когда общая модель рассуждения от OpenAI опровергла значимую математическую гипотезу — и нарастает интерес к автономным научным агентам как к новому классу инструментов.

Внутри компании это напряжение отражается и в терминологии: один из продуктов получил название «AI Co‑Scientist», а не «AI Scientist», что интерпретируют как аккуратное смягчение формулировки в сторону помощника. Автор предупреждает, что если тренд на агентность сохранится, различие между «помощником» и «исследователем» станет менее чётким, что, в свою очередь, может сменить приоритеты финансирования, направления разработки и требовать иного подхода к валидации результатов. Практические выводы для разработчиков и исследовательских команд излагаются прямо: нужно продолжать поддерживать и интегрировать проверенные специализированные модели (AlphaFold, AlphaGenome, AlphaEarth, WeatherNext), одновременно готовясь к включению агентных LLM‑составляющих; усиливать процессы валидации, надзора и воспроизводимости результатов; и учитывать коммерческую динамику в сфере прикладного ИИ.

В материале также подчёркивается экономический контекст — предсказания AlphaFold использовались миллионами исследователей, а Isomorphic Labs привлекла крупное финансирование (раунд Series B на $2 млрд) для прикладной работы на стыке ИИ и биомедицины.