Google称其技术已支持超300种语言，覆盖全球86%人口
Google官方博客汇总过去数周AI科学进展：AlphaGenome Atlas绘制人类基因组90亿个单字母变异，WeatherNext 3降水预报精度提升50%，Earth AI灾害预测引擎在刚果（金）埃博拉疫情中提前锁定83%的新发热点。
AI解读：其中对公共卫生和气候最直接的变化来自两个系统。Earth AI行星预测引擎用自然语言指令即可预测疾病暴发、粮食短缺等危机，在刚果（金）埃博拉疫情中提前命中83%的新发热点，在尼日利亚把地方粮食安全预测精度翻倍。WeatherNext 3则把提前一天以上的降水预报精度提高50%，并且不依赖大规模超算，对长期缺乏高分辨率预报的数据稀疏地区更有意义。
对研究者和医生而言，这次公布的工具清单密度较高。AlphaGenome Atlas开放了人类基因组全部90亿个可能单字母变异，AlphaFold已被190个国家400万研究者使用，Co-Scientist在急性髓系白血病上找到现有药物的新治疗用途。这些工具正在把原本需要数年筛选的问题压缩到可计算的范围。
需要冷静看待的是，这些数字几乎全部来自Google官方博客，属于公司自述。文中提到部分结果来自合作研究和真实场景试点，但没有给出独立的第三方验证数据，也没有说明各项目的误差范围和失败率。对大多数读者来说，不需要立即改变什么；真正需要动手的是相关领域的研究者、公卫机构和气象部门，他们可以去找这些开放数据集和模型接口，判断能不能用在自己的问题上。
Google官方博客9月15日发布文章，汇总其AI在科学与社会应用上的多项进展。文章由James Manyika撰写。
Google称，其技术现已支持超过300种语言，使用人口70亿，占全球86%；目标是覆盖全球使用最多的1000种语言。Google Translate目前每月服务超过10亿人，翻译约1万亿词。
同期发布的AI & Economy ATLAS试图用交互数据展示人们如何在工作和生活中使用AI。Google称这是目前对全球真实使用情况最全面的观察。
AlphaGenome Atlas开放人类基因组90亿个单字母变异
Google称，AlphaGenome Atlas已绘制人类基因组中全部90亿个可能的单字母遗传变化，并向研究者开放。该工具建立在AlphaFold和AlphaMissense之上，目标是帮助科学家预测基因变异如何改变细胞行为。
文章称，诺贝尔奖成果AlphaFold已预测科学界已知的全部2亿个蛋白质结构，被190个国家的400万研究者使用，应用范围从药物发现到查加斯病、利什曼病等被忽视疾病。AlphaMissense则用于预测致病基因突变。
- AlphaFold：2亿个蛋白质结构，400万研究者，190个国家
- AlphaGenome Atlas：90亿个单字母变异，开放给研究者
- Co-Scientist：帮助生成和验证新假设，例如为急性髓系白血病找到现有药物的新治疗用途
WeatherNext 3与Earth AI：把灾害预测精度和覆盖面同时推高
Google称，WeatherNext 3是其目前最先进、最准确的全球天气模型，提前一天以上的降水预报精度提高50%，已在其产品中使用。该模型结合实时卫星观测与AI，提供逐小时高分辨率预报，且无需大规模超算——Google称这对长期缺乏高分辨率预报的数据稀疏地区是重要进展。
Earth AI行星预测引擎（PPE）是一个自主AI系统，可用简单自然语言指令几乎即时预测疾病暴发、粮食短缺和气候风险。Google称，在刚果（金）埃博拉疫情中，PPE提前锁定83%的新发热点，优于现有预测系统；在尼日利亚将地方行政区级别的粮食安全预测精度提高一倍；在美国，PPE在21项CDC健康指标上识别脆弱社区的表现超过传统模型。
- WeatherNext：2025年牙买加当局用其预测飓风Melissa路径，提前获得灾害资金并准备应急
- 季风预测：2025年为印度3800万农民提供信息
- Flood Hub：覆盖150多个国家、20亿人，包含河流洪水和山洪
- 野火：2025年在Google搜索中生成超520条危机警报，触达7500万用户；预测范围覆盖美国及另外33个国家
- 地震：Earthquake Alert系统在委内瑞拉地震前向数百万人发出警报
疾病检测：乳腺癌筛查、结核病X光与糖尿病视网膜病变
Google称，与帝国理工学院及英国NHS合作的乳腺癌研究显示，AI可在17.5万名女性的乳腺X光片中检出25%此前被漏掉的间期癌症。公司表示在肺癌、结直肠癌和肿瘤细胞基因突变检测工具上也有进展。
结核病方面，全球约40%感染者未被诊断。Google称，其胸部X光工具（由Nexus Intelligence使用）已在6个国家40个地点筛查超过2.5万张X光片。糖尿病视网膜病变模型已在全球支持超过115万次筛查，并计划在未来十年扩展到600万次。
Google还表示正在探索用日常智能手机和可穿戴设备做心血管疾病、胰岛素抵抗、高血压、脉搏消失和被动心率监测的早期检测，并与阿肯色州合作制定改善农村地区健康结果的蓝图。
- AMIE（Articulate Medical Intelligence Explorer）：与Beth Israel Deaconess等机构合作，正在真实医疗场景开展首次全国性试验
- 开放工具：DeepConsensus、DeepVariant、DeepPolisher，过去十年协助完成人类基因组、起草首个泛基因组，并支持人类泛基因组参考联盟的工作
- 生物声学模型：通过咳嗽声检测结核病（Health Acoustic Representations）
教育、就业与语言：AI literacy覆盖美国600万教育工作者
文章引用数据称，全球90%的小学适龄儿童已入学，约87%完成小学教育，但2022年研究显示教育机会不均、质量差异和语言内容不足等问题存在；过去二十年81个国家的学习成果下降。
Google称正通过Guided Learning等工具推动个性化学习、消除语言障碍，并与ISTE+ASCD合作，为美国全部600万教育工作者提供AI素养培训。公司表示教育工具的设计原则是“教师主导，AI辅助”。
就业方面，Google称已提供超过10亿美元用于全球培训和技能项目，帮助超过1亿人获得数字和AI技能。文章同时承认，AI的经济收益既非自动也非必然，预计工作会以三种方式变化：部分岗位减少、部分岗位增加、更多岗位因AI辅助而改变。
- 小企业：使用Pomelli扩展定制营销活动，用Gemini Enterprise App整合不同产品线的区域销售数据
- 语音数据集：与Makerere大学、加纳大学、Digital Umuganda合作，为27种非洲语言建开放数据集，使用人口超1亿
- Project Vaani：与IISC-Bangalore和ARTPARK合作，开源109种印度语言的语音和图像数据集
- 无障碍：推出SL2T手语转文本模型
责任与协作：1亿美元科研资助与CBRN风险
Google称，自2006年以来已向全球1700多家研究机构提供超过10亿美元资助。文章提出两个方向的挑战：一是需要检测、报告和缓解化学、生物、放射和核（CBRN）滥用风险的工具；二是要避免“错失使用”——即AI在能带来好处的社区和场景中未被应用，从而加剧现有社会差距。
文章引用诺贝尔奖得主Joel Mokyr的话称，新技术推动科学进步，科学进步又推动新技术，形成“可以无限增长的正反馈循环”。Google称AI是这个循环迄今最强大的引擎。
需要说明的是，本文所引数据和成果均来自Google官方博客自述，部分来自合作研究和真实场景试点，Google未在文章中提供独立的第三方验证数据。