Los mejores productos de inteligencia artificial de DeepMind que revolucionan el mundo

Cuando DeepMind se lanzó en 2010, había poco interés en el campo de inteligencia artificial (IA) en comparación con los niveles de interés que existen en la actualidad. Para acelerar el campo de la tecnología naciente, el equipo adoptó un enfoque interdisciplinario.

Integraron nuevas ideas con avances en ingeniería, máquina de aprendizaje, infraestructura de simulación e informática, neurociencia, matemáticas y nuevos métodos de organización de esfuerzos científicos.

Tecnologías DeepMind es una subsidiaria británica de inteligencia artificial de Alphabet Inc. El laboratorio de investigación con sede en Londres fue adquirido de Google en 2014. Esta empresa cuenta con centros de investigación en Francia, Canadá y Estados Unidos. Al año siguiente, pasó a ser propiedad exclusiva de Alphabet.

La firma unió fuerzas con Google para acelerar su trabajo y continuó estableciendo su agenda de investigación. Varios de los programas de DeepMind han aprendido a diagnosticar enfermedades oculares con la misma eficacia que los mejores médicos del mundo y a ahorrar el 30% de la energía que se utiliza para garantizar que los centros de datos se mantengan frescos. Los programas predicen las complejas formas en 3D de las proteínas que podrían transformar la forma en que se inventan las drogas en el futuro.

La compañía logró un éxito temprano en los juegos de computadora y los investigadores lo usaron normalmente para probar la inteligencia artificial. Uno de los programas aprendió a jugar 49 juegos diferentes de Atari desde cero, simplemente viendo píxeles y puntajes en la pantalla. El programa AlphaGo también fue el primero en vencer a un jugador profesional de Go, una hazaña que se describe como una década adelantada a su tiempo.

A lo largo de los años, DeepMind creó un red neural que aprende a jugar videojuegos como humanos, y una máquina de Turing neuronal, o una red neuronal que puede acceder a una memoria externa como la máquina de Turing convencional. El desarrollo resultó en una computadora que imita la memoria a corto plazo del cerebro humano.

En 2016, DeepMind llegó a los titulares después de que su programa AlphaGo lograra vencer a un jugador profesional humano de Go, Lee Sedol, el campeón mundial, en un partido de 5 juegos, que se convirtió en el tema de un documental.

Otro programa general, AlphaZero, venció a los programas más poderosos jugando al ajedrez, Go y Shogi (ajedrez japonés) después de varios días de jugar contra sí mismo usando algo de aprendizaje por refuerzo. En 2020, DeepMind logró avances considerables en el problema del plegamiento de proteínas.

Descripción general de DeepMind

Demis Hassabis, Shane Legg y Mustafa Suleyman son los fundadores de esta próspera empresa. Legg y Hassabis se conocieron por primera vez en la Unidad de Neurociencia Computacional Gatsby de la University College London.

Inicialmente, la compañía comenzó a trabajar en tecnología de inteligencia artificial enseñándole a jugar algunos juegos antiguos de décadas antes.

Algunos de los juegos incluyeron Space Invaders, Pong y Breakout. Los desarrolladores introdujeron la inteligencia artificial en un juego a la vez sin tener ningún conocimiento previo de sus reglas. Después de que la tecnología dedicó un tiempo a aprender cómo funciona el juego, la IA se convertiría en un experto en él:

"Se dice que los procesos cognitivos por los que atraviesa la IA son muy parecidos a los que utilizaría un humano que nunca había visto el juego para comprenderlo e intentar dominarlo".

Los fundadores tenían como objetivo crear una inteligencia artificial de propósito general que se pueda usar de manera efectiva y eficiente para casi cualquier cosa. Horizons Ventures y Founders Fund son algunas de las principales empresas que invirtieron en la empresa. Además, empresarios notables como Peter Thiel, Scott Banister y Elon Musk invertido en la empresa durante sus inicios.

El 26 de enero de 2014, Google adquirió DeepMind por 500 millones de dólares en el mismo año en que recibió el premio a la "Empresa del año" de Cambridge Computer Laboratory. La venta a Google se produjo después de que Facebook terminara sus negociaciones con la empresa en 2013. Posteriormente, la empresa pasó a llamarse Google DeepMind y mantuvo el nombre durante dos años.

Royal Free NHS Trust y DeepMind firmaron su primer Acuerdo de intercambio de información (ISA) en septiembre de 2015 para crear Streams, una aplicación de gestión de tareas clínicas. Después de la adquisición por parte de Google, la empresa estableció una junta de ética de inteligencia artificial para la investigación, pero sigue siendo un misterio que ambas empresas se niegan a decir quién forma parte de la junta.

La empresa se unió a Facebook, Amazon, Microsoft, Google y IBM para lanzar 'Asociación sobre IA' dedicada a la interfaz sociedad-IA. DeepMind ha abierto una nueva unidad conocida como DeepMind Ethics and Society que se centra principalmente en las cuestiones éticas y sociales que plantea la tecnología de inteligencia artificial. El prominente filósofo Nick Bostrom es asesor de la 'Sociedad'.

Productos y tecnologías DeepMind

La empresa se esfuerza por integrar las mejores técnicas de la neurociencia de sistemas y el aprendizaje automático para crear un potente algoritmo de aprendizaje de propósito general. En 2016, Google Research publicó un artículo sobre la seguridad de la IA y cómo evitar comportamientos indeseables durante el proceso de inteligencia artificial.

En 2017, DeepMind lanzó GridWorld, que es un banco de pruebas de código abierto para evaluar si un algoritmo aprende a deshabilitar el interruptor de apagado o exhibe algunos comportamientos indeseables. En algún momento de julio de 2018, los investigadores de la compañía entrenaron uno de sus sistemas para jugar al juego de computadora Quake III Arena.

Hasta el año pasado, la firma había publicado más de mil artículos, de los cuales 13 fueron aceptados por Science o Nature. Éstos son algunos de los mejores productos DeepMind.

Aprendizaje de refuerzo profundo

A diferencia de las otras IA que se desarrollaron para propósitos predefinidos y funcionan dentro de un espacio limitado, DeepMind dice que su sistema no está preprogramado. La tecnología aprende de la experiencia utilizando solo píxeles sin procesar como entrada de datos.

En su mayoría, utiliza el aprendizaje profundo que se ejecuta en una red neuronal convolucional utilizando un tipo novedoso de Q-learning. Q-learning es un tipo de aprendizaje por refuerzo sin modelos. La tecnología prueba el sistema en videojuegos, incluidos los primeros juegos de arcade como Breakout y Space Invaders.

Luego, sin cambiar el código, el sistema de inteligencia artificial comienza a comprender cómo jugar y, después de jugar algunas sesiones, juega de manera más eficiente que cualquier humano. En 2013, DeepMind publicó una investigación en profundidad sobre un sistema de inteligencia artificial que puede superar las habilidades humanas en varios juegos, lo que llevó a su adquisición por parte de Google.

El año pasado, la compañía lanzó Agent57 y Agent57 de inteligencia artificial que supera el rendimiento a nivel humano en los 2600 juegos de la suite AtariXNUMX.

AlphaGo y sucesores

En 2014, la empresa publicó una investigación sobre sistemas informáticos con capacidad para jugar al juego Go. Más tarde, en octubre de 2015, AlphaGo, un programa informático de Go, desarrollado por la compañía, venció al campeón europeo de Go, Fan Hui, cinco a cero. Esa fue la primera vez que un programa de IA derrotó a un jugador profesional de Go.

En marzo de 2016, AlphaGo venció a Lee Sedol, uno de los jugadores mejor clasificados del mundo, con una puntuación de 4-1. Durante la Cumbre Future of Go 2017, la IA ganó un partido de 3 juegos con el número 1 del mundo en ese momento, Ke Jie. El sistema usó un protocolo de aprendizaje supervisado, estudiando muchos juegos jugados por humanos entre sí.

La versión mejorada de AlphaGo Zero derrotó a la anterior. Sistema AlphaGo 100 juegos a 0 en 2017. Las estrategias de la nueva versión fueron autodidactas y superó a su predecesora en tres días con menos potencia de procesamiento que AlphaGo. Más adelante en el año, una versión modificada de AlphaGo Zero, AlphaZero adquirió habilidades sobrehumanas en shogi y ajedrez.

Todas estas versiones de los sistemas de inteligencia artificial de DeepMind aprendieron jugando solo a través del autojuego. La tecnología AlphaGo fue diseñada para utilizar el enfoque de aprendizaje por refuerzo profundo que le permite mejorar con el tiempo a través del autoaprendizaje.

El sistema utilizó dos redes neuronales profundas que le permitieron evaluar las probabilidades de movimiento y una red de valor para evaluar las posiciones. Esta red de políticas se entrenó mediante aprendizaje supervisado y luego se perfeccionó mediante el aprendizaje por refuerzo de gradiente de políticas. En ese contexto, la red de valor aprendió a determinar los ganadores de los juegos jugados por la red de políticas contra sí misma.

Más tarde, la red utilizó una búsqueda anticipada Búsqueda de árboles en Monte Carlo (MCTS) que utilizó una red de políticas para determinar movimientos candidatos de alta probabilidad, ya que la red de valor evaluó simultáneamente las posiciones de los árboles. El sistema utilizaba aprendizaje por refuerzo en el que el sistema jugaba millones de estos juegos contra sí mismo con el objetivo de aumentar su tasa de victorias.

En particular, su búsqueda de árbol simplificada se basa principalmente en su red neuronal para evaluar las posiciones y los movimientos de muestra sin utilizar los despliegues de Monte Carlo. Con estas mejoras, el sistema AlphaZero necesitaba menos potencia de cálculo que AlphaGo, operando en cuatro procesadores de IA especializados conocidos como TPU de Google en lugar de los 48 utilizados por AlphaGo.

AlphaFold

En algún momento de 2016, DeepMind convirtió su investigación y desarrollo de inteligencia artificial en uno de los desafíos más difíciles existentes en la ciencia, el plegamiento de proteínas. Apenas dos años después, AlphaFold de DeepMind fue galardonado el decimotercer trofeo de Evaluación Crítica de Técnicas para la Predicción de la Estructura de Proteínas (CASP) después de haber determinado con éxito la estructura más precisa para 13 de 25 proteínas.

Hassabis comentó en una entrevista con The Guardian:

"Este es un proyecto faro, nuestra primera gran inversión en términos de personas y recursos en un problema científico fundamental, muy importante, del mundo real".

El año pasado, durante el 14 ° CASP, las proyecciones de AlphaFold obtuvieron una puntuación de precisión comparable con las técnicas de laboratorio. Un miembro del panel de jueces científicos, el Dr. Andriy Kryshtafovych, dijo que el logro era “verdaderamente notable y agregó que el problema de predecir cómo se pliegan las proteínas se había resuelto ampliamente.

Otros productos DeepMind notables

La empresa introdujo un sistema de texto a voz, WaveNet, en 2016. Al principio, era demasiado computacionalmente intensivo para su uso en productos de consumo, pero estuvo listo para usarse en aplicaciones como Google Assistant a fines de 2017. Al año siguiente, Google presentó Cloud Text-to-Speech, un producto de texto a voz, basado en WaveNet.

Más tarde, en 2018, DeepMind desarrolló un modelo altamente eficiente conocido como WaveRNN co-desarrollado con Google AI que se implementó para los usuarios de Google Duo en 2019.

Google dice que los algoritmos DeepMind han aumentado considerablemente la eficiencia de enfriamiento de la mayoría de sus centros de datos. Además, la tecnología ayuda Google Playrecomendaciones de aplicaciones personalizadas y colaboró ​​con el equipo de Android para crear un par de funciones disponibles para los dispositivos Android Pie.

Las nuevas funciones incluyen Adaptive Brightness y Adaptive Battery, que utilizan el aprendizaje automático para ahorrar energía y hacer que los dispositivos que ejecutan el sistema operativo sean más fáciles de usar. Esa fue la primera vez que DeepMind integró estas técnicas en una magnitud de pequeña escala con las aplicaciones normales de aprendizaje automático que necesitan mucha potencia informática.

El telescopio Hubble de la compañía permitió a las personas mirar más profundamente en el espacio, con las herramientas disponibles que ya amplían el conocimiento humano y, a su vez, tienen un impacto global positivo. La misión a largo plazo de DeepMind es resolver inteligencia, creando sistemas de resolución de problemas generalizados y efectivos, denominada inteligencia artificial general (AGI).

Totalmente guiada por la ética y la seguridad, la invención puede llevarse a cabo en la sociedad para obtener soluciones viables a algunos de los problemas científicos más desafiantes y fundamentales del mundo.

Por ahora, la compañía sigue desarrollando su tecnología y su objetivo es expandir su usabilidad en casi todas las facetas críticas de la humanidad, incluida la salud, los juegos y la preservación del medio ambiente.

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