快速回答：Google DeepMind 是什麼？
Google DeepMind 是 Google 旗下的 AI 研究實驗室，由 DeepMind（2010 年成立於倫敦）和 Google Brain（Google 內部 AI 團隊）在 2023 年合併而成。它開發了 AlphaGo、AlphaFold、Gemini 等改變 AI 領域發展方向的技術。在 AI 研究論文數量和影響力上，它是全球最頂尖的 AI 實驗室之一。
歷史背景
DeepMind 最初由 Demis Hassabis、Shane Legg 和 Mustafa Suleyman 在 2010 年創立於倫敦，定位是一家以解決通用人工智慧（AGI）為目標的研究公司。
2014 年，Google 以約 5 億美元收購 DeepMind。被收購後，DeepMind 保持了相對獨立的運作方式，繼續以基礎研究為主。
2023 年 4 月，Google 把 DeepMind 和 Google Brain 合併成「Google DeepMind」，由 Demis Hassabis 擔任 CEO。這次合併的目的是整合兩個團隊的研究資源，加速 AI 產品的開發。合併前，Google Brain 負責 TensorFlow 和大型語言模型的研究，DeepMind 負責強化學習和科學 AI 的研究。合併後，兩邊的研究能力結合在一起，直接產出了 Gemini 模型家族。
Mustafa Suleyman（DeepMind 共同創辦人之一）在 2022 年離開，後來創辦了 Inflection AI，再後來加入 Microsoft 負責 AI 消費者產品（Microsoft Copilot）。
重大技術突破
AlphaGo（2016）
AlphaGo 在 2016 年擊敗了圍棋世界冠軍李世乭，這是 AI 歷史上的重要里程碑。圍棋的可能局面數量超過宇宙中的原子數，傳統的搜尋演算法無法窮舉，AlphaGo 用深度強化學習解決了這個問題。
這件事的意義不只是下棋。AlphaGo 證明了深度強化學習可以在極度複雜的決策問題上超越人類，這個啟示後來影響了藥物設計、材料科學、晶片設計等領域的 AI 應用。
後續的 AlphaZero 更進一步：不需要人類棋譜資料，純粹透過自我對弈學習。AlphaZero 在圍棋、西洋棋、日本將棋上都超越了之前最強的 AI 系統。這證明了「從零開始學習」的可行性。
AlphaFold（2020–2024）
AlphaFold 解決了蛋白質結構預測問題——根據蛋白質的氨基酸序列預測它的三維結構。這是生物學界 50 年來的大難題。
AlphaFold 2（2020 年）在蛋白質結構預測大賽（CASP14）中達到了接近實驗方法的準確度。AlphaFold 3（2024 年）擴展到預測蛋白質與 DNA、RNA、藥物分子之間的交互作用。
Demis Hassabis 和 John Jumper 因為 AlphaFold 獲得了 2024 年的諾貝爾化學獎。
這對製藥產業的影響很直接：藥物開發的第一步是理解目標蛋白質的結構，傳統方法（X 射線晶體學、冷凍電子顯微鏡）耗時數月到數年，AlphaFold 可以在幾分鐘內完成預測。Google 已經開放了超過 2 億個蛋白質結構的預測資料庫供研究使用。
Gemini（2023–）
Gemini 是 Google DeepMind 開發的多模態大型語言模型家族，也是合併後最重要的產品。Gemini 從一開始就設計為原生多模態——文字、圖片、音訊、影片、程式碼都在同一個模型中處理，而非把不同模型拼接在一起。
Gemini 模型家族包含多個規格：Ultra（最強大）、Pro（平衡性能與成本）、Flash（快速且便宜）、Nano（裝置端運行）。這個分層讓 Google 可以在不同產品中部署適合的模型——搜尋引擎用 Flash（速度優先），Android 手機用 Nano（在裝置上運行不需網路），開發者 API 提供 Pro 和 Flash。
其他重要研究
WaveNet（2016）。用深度學習生成自然語音，Google 語音助手和 Google Translate 的語音品質大幅提升。WaveNet 產生的語音比傳統方法更像真人說話。
GraphCast（2023）。用 AI 做天氣預報，在 10 天內的中期天氣預報準確度上超越了傳統的數值天氣模型。速度快了幾個數量級——傳統模型要在超級電腦上跑幾小時，GraphCast 在單張 GPU 上幾分鐘就能完成。
GNoME（2023）。用 AI 發現新的穩定無機材料，一次預測了 220 萬種新材料結構，其中 38 萬種被認為穩定到足以實際合成。這可以加速電池、太陽能板、半導體等領域的材料研發。
AlphaCode 2（2023）。在程式設計競賽中達到接近前 15% 的人類參賽者水準，展示了 AI 在複雜程式設計問題上的推理能力。
主要產品與應用
Gemini API。開放給開發者使用的多模態 AI 模型 API，透過 Google AI Studio 或 Vertex AI 存取。支援文字、圖片、音訊、影片輸入。
Google AI Studio。免費的 Web 開發工具，讓開發者可以直接在瀏覽器中測試 Gemini 模型，調整參數，產生 API 程式碼。
Gemini in Google Workspace。整合在 Gmail、Docs、Sheets、Slides 中的 AI 功能。例如在 Gmail 中用 AI 撰寫或摘要郵件，在 Docs 中用 AI 生成或修改文件。
Google Search（AI Overviews）。Google 搜尋引擎整合了 Gemini，會在搜尋結果頂部顯示 AI 生成的摘要回答。
Android AI 功能。在 Pixel 手機上整合了 Gemini Nano，支援離線語音轉文字、通話摘要、照片編輯等功能。
AlphaFold Protein Structure Database。開放的蛋白質結構資料庫，包含超過 2 億個蛋白質結構的 AI 預測。全球研究人員可以免費使用。
Google DeepMind vs OpenAI vs Anthropic
| 面向 | Google DeepMind | OpenAI | Anthropic |
|---|---|---|---|
| 成立時間 | 2010（合併：2023） | 2015 | 2021 |
| 組織類型 | Google 旗下事業部 | 營利有限公司 | 公益公司 |
| 主要模型 | Gemini 家族 | GPT 家族、o 系列 | Claude 家族 |
| 核心差異化 | 科學 AI（AlphaFold）、多模態、搜尋整合 | 生態系最大、先行者優勢 | AI 安全、Constitutional AI |
| 研究方向 | 科學發現、強化學習、多模態 | 產品化、推理模型 | 安全對齊、可解釋性 |
| 開源程度 | 部分（Gemma 開源模型系列） | 有限（Whisper 開源） | 有限（研究論文公開） |
| 硬體資源 | 自研 TPU，全球最大運算叢集之一 | 依賴 Microsoft Azure | 依賴 AWS、Google Cloud |
Google DeepMind 的最大優勢是資源：Google 有自研的 TPU 晶片、全球規模的資料中心、以及龐大的使用者基礎（搜尋、Gmail、Android）可以部署 AI。它也是唯一在科學 AI 領域有重大突破（AlphaFold、GNoME）的公司。
劣勢是企業文化和速度。作為大公司的內部團隊，產品推出速度和靈活度不如獨立公司。Google 在 AI 安全和推理能力的論述上不如 Anthropic 和 OpenAI 鮮明。
對 AI 發展的影響
Google DeepMind 在三個方面深刻影響了 AI 的發展方向。
第一，它證明了 AI 可以解決科學問題。AlphaFold 不只是一個技術 demo，它真的改變了生物學家的工作方式。這啟發了整個「AI for Science」的研究方向。
第二，它推動了 Transformer 的普及。Google Brain 團隊在 2017 年發表的 Attention Is All You Need 論文提出了 Transformer 架構，這是今天所有大型語言模型（GPT、Claude、Llama）的基礎。
第三，合併後的 Google DeepMind 展示了「研究到產品」的路徑。Gemini 把研究突破變成了真正的產品，嵌入到數十億人使用的 Google 服務中。
安全注意事項
Google DeepMind 有自己的 AI 安全研究團隊，但它的安全策略和 Anthropic 或 OpenAI 有本質差異。Anthropic 把安全視為核心使命（Constitutional AI），OpenAI 把安全視為責任（Safety Team），Google DeepMind 把安全視為研究方向之一。
使用 Gemini 時要注意的安全問題：Google 的商業模式以廣告為主，這代表使用者資料的處理方式和使用目的跟其他 AI 公司不同。免費版 Gemini 的資料可能會用於改善服務，企業版（透過 Vertex AI）有不同的資料處理政策。
Google 有全球最龐大的資料收集系統（搜尋、Gmail、Android、Chrome）。如果你已經重度使用 Google 的服務，再加上 Gemini 的 AI 互動，Google 對你的了解深度是其他 AI 公司做不到的。這不一定是壞事，但值得你意識到。
常見誤解
- 「Google DeepMind 就是 Google AI」— Google DeepMind 是 Google 的 AI 研究實驗室，但 Google 還有很多 AI 團隊（Google Research、各產品團隊中的 AI 工程師）。
- 「DeepMind 只做圍棋 AI」— AlphaGo 是最出名的，但 AlphaFold 的科學影響力更大。Gemini 是目前的核心產品。
- 「Google DeepMind 比 OpenAI 落後」— 在產品推出時間上，Google 確實較慢，但在研究深度（特別是科學 AI）和運算資源上，Google DeepMind 有顯著優勢。
- 「合併後 DeepMind 失去了獨立性」— Demis Hassabis 擔任 CEO，直接向 Alphabet CEO 報告，在 Google 內部有很高的自主權。
知識檢測
讀完文章後，測試一下你對這個主題的理解。
常見問題 FAQ
Google DeepMind 跟 DeepMind 有什麼不同？
DeepMind 是 2010 年在倫敦成立的獨立 AI 公司，2014 年被 Google 收購。2023 年 Google 把 DeepMind 和 Google Brain 合併成「Google DeepMind」。現在的 Google DeepMind 包含了原本兩個團隊的人才和研究方向。
Google DeepMind 開發了哪些 AI 模型？
主要包括：Gemini（多模態大型語言模型）、Gemma（開源語言模型）、AlphaFold（蛋白質結構預測）、AlphaGo/AlphaZero（遊戲 AI）、GraphCast（天氣預報）。
一般人可以使用 Google DeepMind 的技術嗎？
可以。Gemini 透過 Google AI Studio 和 Google 各產品（搜尋、Gmail、Docs）直接提供給使用者。Gemma 開源模型可以免費下載使用。AlphaFold 的蛋白質結構資料庫也是公開的。
Google DeepMind 在 AI 安全方面做了什麼？
Google DeepMind 有 AI 安全研究團隊，研究方向包括可解釋性、對齊、和濫用防範。但相比 Anthropic 把安全作為公司核心使命，Google DeepMind 的安全工作比較像是研究方向之一，而非組織的核心定位。
Google DeepMind 和台灣有什麼關係？
Google 在台灣有工程辦公室（台北、新竹），部分員工參與 Google DeepMind 的研究。台灣的半導體產業（特別是台積電）製造 Google TPU 晶片，是 Google DeepMind 運算能力的關鍵供應鏈。Google 也在台灣建設資料中心。
參考資料
- Google DeepMind 官方網站 — deepmind.google
- AlphaFold Protein Structure Database — alphafold.ebi.ac.uk
- Gemini API Documentation — ai.google.dev
- Attention Is All You Need（Vaswani et al., 2017）— 原始 Transformer 論文