För 10 år sedan blev @GoogleDeepMind:s AlphaGo det första programmet att slå en världsmästare i Go — ett spel med fler rörelser än atomer i universum. AlphaGo vann med hjälp av "Move 37", ett drag så okonventionellt att experter trodde det var ett misstag. Så här markerade den segern AI:s moderna era och ledde till ett decennium av vetenskapliga upptäckter 🧵 ↓

Framgången med AlphaGo visade på AI:s potential att hjälpa oss att bättre förstå den fysiska världens enorma komplexitet. 🧬 Detta ledde till AlphaFold, som 2020 löste "proteinstrukturprediktionsproblemet" — en 50-årig utmaning som är avgörande för att förstå sjukdomar och utveckla nya läkemedel. 🔬 Vi har sedan dess gjort 200M+ proteinstrukturer fritt tillgängliga för att hjälpa 3M+-forskare att hantera allt från malariavacciner till plastätande enzymer. 🏆 År 2024 tilldelades detta arbete Nobelpriset i kemi, som tilldelas @demishassabis och John Jumper på uppdrag av AlphaFold-teamet.

AlphaGos teknik har gått från spelbrädet till den svåraste matematiken på planeten. 🥈 Liknande metoder hjälpte AlphaProof, tillsammans med AlphaGeometry, att bli de första AI-systemen att vinna silver vid International Mathematical Olympiad (IMO). 🥇 Nyligen gick en avancerad version av Gemini Deep Think ännu längre och uppnådde guldmedalj vid 2025 IMO. Vi tillämpar nu detta resonemang på de mest komplexa, öppna utmaningarna inom vetenskap och teknik.

AlphaEvolve, en AI-agent inspirerad av AlphaGos sökmetoder, upptäcker hur man kan få datorer att fungera mer effektivt. 💻 Den användes nyligen för att upptäcka ett nytt sätt att multiplicera matriser – den grundläggande matematiken som driver nästan all modern AI. Genom att optimera kod på dess mest grundläggande nivå gör vi hela ekosystem, från datacenter till kvantdatorer, snabbare och mer hållbara.