Top DeepMind AI-produkter, der revolutionerer verden

Da DeepMind lancerede i 2010, var der ringe interesse for området kunstig intelligens (AI) sammenlignet med de interesseniveauer, der findes i dag. For at fremskynde det spirende teknologifelt, valgte holdet en tværfaglig tilgang.

De integrerede nye ideer med fremskridt inden for teknik, machine learning, simulering og computerinfrastruktur, neurovidenskab, matematik og nye metoder til at organisere videnskabelige bestræbelser.

DeepMind teknologier er et britisk kunstig intelligens-datterselskab af Alphabet Inc. Det London-baserede forskningslaboratorium var erhvervede af Google i 2014. Dette firma har forskningscentre i Frankrig, Canada og USA. I det næste år blev det fuldt ud ejet af Alphabet.

Firmaet gik sammen med Google for at fremskynde sit arbejde og fortsatte med at sætte sin forskningsdagsorden. Flere af DeepMind-programmerne har lært at diagnosticere øjensygdomme lige så effektivt som verdens førende læger og at spare 30% af den energi, der bruges til at sikre, at datacentre forbliver kølige. Programmerne forudsiger de komplekse 3D-former af proteiner, der kan transformere, hvordan lægemidler opfindes i fremtiden.

Virksomheden opnåede tidlig succes inden for computerspil, hvor forskere normalt brugte den til at teste AI. Et af programmerne lærte at spille 49 forskellige Atari-spil fra bunden, bare ved at se pixels og scores på skærmen. AlphaGo-programmet var også den første til at slå en professionel Go-spiller, en bedrift, der beskrives som et årti forud for sin tid.

Gennem årene skabte DeepMind en neurale netværk der lærer at spille videospil som mennesker og en Neural Turing-maskine eller et neuralt netværk, der kan få adgang til en ekstern hukommelse ligesom den konventionelle Turing-maskine. Udviklingen resulterede i en computer, der efterligner den menneskelige hjernes nærtidshukommelse.

I 2016 skabte DeepMind overskrifter, efter at AlphaGo-programmet formåede at slå en menneskelig professionel Go-spiller Lee Sedol, verdensmesteren, i en 5-spil kamp, ​​der blev genstand for en dokumentarfilm.

Et andet generelt program, AlphaZero, slog de mest magtfulde programmer, der spillede skak, Go og Shogi (japansk skak) efter flere dages spil mod sig selv ved hjælp af en vis forstærkningslæring. I 2020 gjorde DeepMind betydelige fremskridt inden for proteinfoldningsproblemet.

DeepMind Oversigt

Demis Hassabis, Shane Legg og Mustafa Suleyman er grundlæggerne af dette blomstrende firma. Legg og Hassabis mødtes først på University College Londons Gatsby Computational Neuroscience Unit.

Oprindeligt begyndte virksomheden at arbejde med kunstig intelligens-teknologi, der lærte det at spille nogle gamle spil fra årtier tidligere.

Nogle af spilene inkluderede Space Invaders, Pong og Breakout. Udviklerne introducerede kunstigt intelligens til et spil ad gangen uden at have nogen tidligere kendskab til dets regler. Efter at teknologien havde brugt noget tid på at lære, hvordan spillet fungerer, ville AI derefter blive ekspert i det:

”De kognitive processer, som AI gennemgår, siges at være meget lig dem, som et menneske, der aldrig havde set spillet, ville bruge til at forstå og forsøge at mestre det.”

Grundlæggerne havde til formål at skabe en generel kunstig intelligens, der kan bruges effektivt og effektivt til næsten alt. Horizons Ventures og Founders Fund er nogle af de vigtigste ventures, der investerede i virksomheden. Også bemærkelsesværdige iværksættere kan lide Peter Thiel, Scott Banister og Elon Musk investeret i virksomheden i dens tidlige dage.

Den 26. januar 2014 købte Google DeepMind for $ 500 millioner i samme år, da det modtog Cambridge Computer Laboratory "Årets virksomhed" -pris. Salget til Google kom, efter at Facebook sluttede sine forhandlinger med virksomheden i 2013. Derefter blev virksomheden omdøbt som Google DeepMind og vedligeholdt navnet i to år.

Royal Free NHS Trust og DeepMind underskrev deres første informationsdelingsaftale (ISA) i september 2015 for at oprette Streams, en klinisk opgavestyringsapp. Efter erhvervelse af Google etablerede firmaet et AI-etisk bestyrelse til forskning, men det er fortsat et mysterium med begge virksomheder, der afviser at sige hvem der sidder i bestyrelsen.

Virksomheden sluttede sig til Facebook, Amazon, Microsoft, Google og IBM at lancere 'Partnership on AI' dedikeret til samfund-AI-grænsefladen. DeepMind har åbnet en ny enhed kendt som DeepMind Ethics and Society, der hovedsageligt fokuserer på de etiske og samfundsmæssige spørgsmål, der rejses af AI-teknologi. Den fremtrædende filosof, Nick Bostrom, er rådgiver for 'Samfundet'.

DeepMind-produkter og teknologier

Virksomheden stræber efter at integrere de bedste teknikker fra systemneurovidenskab og maskinlæring for at skabe en kraftfuld læringsalgoritme til generelle formål. I 2016 Google Research udgivet et papir om AI-sikkerhed og hvordan man undgår uønsket adfærd under den kunstige intelligens-proces.

I 2017 udgav DeepMind GridWorld, som er en open source testbed til evaluering af, om en algoritme lærer at deaktivere kill switch eller udviser uønsket adfærd. Engang i juli 2018 uddannede forskerne ved virksomheden et af dets systemer til at spille Quake III Arena computerspil.

Fra sidste år havde firmaet udgivet mere end tusind artikler, hvor 13 af disse artikler blev accepteret af Science eller Nature. Her er nogle af de top DeepMind produkter.

Dyb forstærkning læring

I modsætning til de andre AI'er, der blev udviklet til foruddefinerede formål og fungerer inden for et begrænset rum, siger DeepMind, at dets system ikke er forprogrammeret. Teknologien lærer af erfaring ved kun at bruge rå pixels som datainput.

Det bruger for det meste deep learning, der kører på et foldet neuralt netværk ved hjælp af en ny type Q-learning. Q-learning er en form for modelfri forstærkningslæring. Teknologien tester systemet på videospil, herunder tidligt arcade spil som Breakout og Space Invaders.

Derefter begynder AI-systemet uden at ændre koden at forstå, hvordan man spiller spillet, og efter at have spillet et par sessioner, spiller det mere effektivt end noget menneske. Tilbage i 2013 offentliggjorde DeepMind dybtgående undersøgelse af et AI-system, der kan overgå menneskelige evner i forskellige spil, hvilket fører til dets erhvervelse af Google.

Sidste år frigav virksomheden Agent57 og agent for kunstig intelligens, der overstiger ydeevnen på menneskeligt niveau på alle de 57 spil i Atari2600-pakken.

AlphaGo og efterfølgere

I 2014 offentliggjorde firmaet forskning på computersystemer med evnen til at spille Go-spillet. Senere i oktober 2015 slog AlphaGo, et computer Go-program, udviklet af virksomheden den europæiske Go-mester Fan Hui, fem til nul. Det var første gang, da et AI-program besejrede en professionel Go-spiller.

I marts 2016 slog AlphaGo Lee Sedol, en af ​​verdens højest rangerede spillere med en score på 4-1. Under 2017 Future of Go Summit vandt AI en 3-spil kamp med verdens nummer 1 på det tidspunkt, Ke Jie. Systemet brugte en overvåget indlæringsprotokol, der studerede mange spil spillet af mennesker mod hinanden.

Den forbedrede AlphaGo Zero-version besejrede den tidligere AlphaGo system 100 spil til 0 i 2017. Den nyere versions strategier var selvlærte, og den slog sin forgænger inden for tre dage med mindre processorkraft end AlphaGo. Senere på året, en modificeret version af AlphaGo Zero, fik AlphaZero overmenneskelige evner til shogi og skak.

Alle disse versioner af DeepMinds kunstige intelligenssystemer lærte kun at spille gennem selvspil. AlphaGo-teknologien blev designet til at bruge den dybe forstærkningslæringsmetode, der gør det muligt at forbedre sig over tid gennem selvlæring.

Systemet brugte to dybe neurale netværk, der gjorde det muligt at evaluere sandsynligheder for flytning og et værdinetværk til vurdering af positioner. Dette politiske netværk blev trænet gennem overvåget læring og blev derefter raffineret af politisk gradient-forstærkningslæring. I den sammenhæng lærte værdinetværket at bestemme vinderne af de spil, som politiknetværket spillede mod sig selv.

Senere brugte netværket et lookahead Monte Carlo træsøgning (MCTS), der brugte et policy-netværk til at bestemme kandidat-bevægelser med høj sandsynlighed, da værdinetværket samtidigt evaluerede træpositioner. Systemet brugte forstærkningslæring, hvor systemet spillede millioner af disse spil mod sig selv med det formål at øge sin vinderrate.

Navnlig er dens forenklede træsøgning hovedsageligt afhængig af dets neurale netværk til at evaluere positionerne og prøvebevægelserne uden at bruge Monte Carlo-udrulningen. Med disse forbedringer behøvede AlphaZero-systemet mindre computerkraft end AlphaGo, der opererede på fire specialiserede AI-processorer kendt som Google TPU'er i stedet for de 48, der bruges af AlphaGo.

AlphaFold

Engang i 2016 vendte DeepMind sin forskning og udvikling af kunstig intelligens til en af ​​de hårdeste udfordringer, der eksisterer inden for videnskab, proteinfoldning. Knap to år senere, DeepMind's AlphaFold blev tildelt det 13. Critical Assessment of Techniques for Protein Structure Prediction (CASP) trofæet, efter at det med succes havde bestemt den mest nøjagtige struktur for 25 ud af 43 proteiner.

Hassabis kommenterede i et interview med The Guardian:

”Dette er et fyrtårnsprojekt, vores første store investering i form af mennesker og ressourcer i et grundlæggende, meget vigtigt, videnskabeligt problem i den virkelige verden.”

Sidste år, i løbet af det 14. CASP, fik AlphaFolds fremskrivninger en nøjagtighedsscore, der kan sammenlignes med laboratorieteknikker. Et medlem af panelet med videnskabelige dommere, Dr. Andriy Kryshtafovych, sagde, at præstationen var 'virkelig bemærkelsesværdig, og tilføjede, at problemet med at forudsige, hvordan proteinerne foldes, var blevet løst i vid udstrækning.

Andre bemærkelsesværdige DeepMind-produkter

Virksomheden introducerede en tekst-til-tale system, WaveNet, i 2016. Først var det for beregningsintensivt til brug i forbrugerprodukter, men det blev klar til brug på applikationer som Google Assistant i slutningen af ​​2017. I det følgende år afslørede Google Cloud Text-to-Speech, en kommerciel tekst-til-tale produkt, baseret på WaveNet.

Senere i 2018 udviklede DeepMind en meget effektiv model kendt som WaveRNN co-udviklet ved hjælp af Google AI, der blev rullet ud til Google Duo-brugere i 2019.

Google siger, at DeepMind-algoritmerne væsentligt har øget effektiviteten af ​​afkøling af de fleste af dets datacentre. Også teknologien hjælper Google Plays personlige app-anbefalinger og samarbejdede med Android-teamet for at skabe et par funktioner, der er gjort tilgængelige for Android Pie-enhederne.

De nye funktioner inkluderer adaptiv lysstyrke og adaptivt batteri, der bruger maskinindlæring til at spare energi og gøre enheder, der kører operativsystemet mere brugervenlige. Det var første gang, at DeepMind integrerede disse teknikker i lille skala med de normale maskinlæringsapplikationer, der har brug for meget computerkraft.

Virksomhedens Hubble-teleskop gjorde det muligt for folk at se dybere ind i rummet med de tilgængelige værktøjer, der allerede udvidede menneskelig viden og igen fik en positiv global indflydelse. DeepMinds langsigtede mission er at løse intelligens, skabe generelle og effektive problemløsningssystemer, kaldet kunstig generel intelligens (AGI).

Helt styret af etik og sikkerhed kan opfindelsen holdes samfundet for at få levedygtige løsninger på nogle af de mest udfordrende og grundlæggende videnskabelige spørgsmål i verden.

For nu fortsætter virksomheden med at udvikle sin teknologi, og det sigter mod at udvide sin anvendelighed i næsten alle kritiske aspekter af menneskeheden, herunder sundhed, spil og miljøbeskyttelse.

Kilde: https://e-cryptonews.com/deepmind-ai-products/