Parimad DeepMind AI tooted, mis muudavad maailma murranguliseks

Kui DeepMind 2010. aastal turule tuli, oli selle valdkonna vastu vähe huvi tehisintellekti (AI) võrreldes praeguste huvitasemetega. Tekkiva tehnoloogiavaldkonna kiirendamiseks võttis meeskond kasutusele interdistsiplinaarse lähenemisviisi.

Nad integreerisid uusi ideid inseneriteaduse edusammudega, masinõpe, simulatsiooni- ja andmetöötlusinfrastruktuur, neuroteadus, matemaatika ja uued meetodid teaduslike ettevõtmiste korraldamiseks.

DeepMind Technologies on Alphabet Inc Briti tehisintellekti tütarettevõte. Londonis asuv uurimislabor oli omandatud Google 2014. aastal. Sellel ettevõttel on uurimiskeskused Prantsusmaal, Kanadas ja Ameerika Ühendriikides. Järgmisel aastal sai see täielikult Alphabeti omaks.

Ettevõte ühendas jõud Google'iga, et oma tööd kiirendada, ja jätkas oma teadusuuringute kava koostamist. Mitmed DeepMindi programmid on õppinud diagnoosima silmahaigusi sama tõhusalt kui maailma tipparstid ja säästma 30% energiast, mida kasutatakse andmekeskuste jaheduse tagamiseks. Programmid ennustavad valkude keerulisi 3D-vorme, mis võivad tulevikus muuta ravimite leiutamist.

Ettevõte saavutas arvutimängudes varakult edu, kuna teadlased kasutasid seda tavaliselt AI testimiseks. Üks programmidest õppis mängima 49 erinevat Atari mängu nullist, ainuüksi ekraanil pikslite ja skooride nägemisest. AlphaGo programm oli ka esimene, mis võitis professionaalset Go-mängijat – seda saavutust kirjeldatakse kui kümme aastat oma ajast ees.

Aastate jooksul lõi DeepMind a Närvivõrgus mis õpib mängima videomänge nagu inimesed, ja närvi Turingi masinat või närvivõrku, mis pääseb juurde välismälule nagu tavaline Turingi masin. Arengu tulemusel sündis arvuti, mis jäljendab inimaju lähimälu.

2016. aastal jõudis DeepMind pealkirjadesse pärast seda, kui programmi AlphaGo suutis 5-geimilises matšis võita inimprofessionaalset Go-mängijat, maailmameistrit Lee Sedolit, millest sai dokumentaalfilmi teema.

Teine üldprogramm AlphaZero võitis pärast mitmepäevast enese vastu mängimist, kasutades tugevdavat õpet, kõige võimsamaid malet mängivaid programme Go ja Shogi (Jaapani male). 2020. aastal tegi DeepMind valkude voltimise probleemis märkimisväärseid edusamme.

DeepMindi ülevaade

Demis Hassabis, Shane Legg ja Mustafa Suleyman on selle eduka ettevõtte asutajad. Legg ja Hassabis kohtusid esmakordselt Londoni ülikooli kolledži Gatsby arvutusliku neuroteaduse üksuses.

Esialgu alustas ettevõte tööd tehisintellekti tehnoloogia kallal, õpetades seda mängima vanu aastakümneid varasemaid mänge.

Mõned mängud hõlmasid Space Invaders, Pong ja Breakout. Arendajad tutvustasid tehisintellekti ühes mängus korraga, omamata selle reeglitest eelnevat teadmist. Pärast seda, kui tehnoloogia kulutas mõnda aega mängu toimimise õppimisele, sai tehisintellekt sellest eksperdiks:

"Kognitiivsed protsessid, mida AI läbib, on väidetavalt väga sarnased nende inimestega, kes pole mängu kunagi näinud, et seda mõista ja proovida seda juhtida."

Asutajate eesmärk oli luua üldotstarbeline tehisintellekt, mida saab tõhusalt ja tõhusalt kasutada peaaegu kõige jaoks. Horizons Ventures ja Founders Fund on mõned peamised ettevõttesse investeerinud ettevõtmised. Samuti meeldib märkimisväärsetele ettevõtjatele Peter Thiel, Scott Banister ja Elon Musk ettevõttesse selle algusaegadel investeerinud.

26. jaanuaril 2014 omandas Google DeepMindi 500 miljoni dollari eest samal aastal, kui sai Cambridge'i arvutilabori auhinna "Aasta ettevõte". Müük Google'ile toimus pärast seda, kui Facebook lõpetas läbirääkimised ettevõttega 2013. aastal. Seejärel nimetati ettevõte ümber Google DeepMindiks ja see nimi säilitas kaks aastat.

Royal Free NHS Trust ja DeepMind allkirjastasid oma esimese teabejagamislepingu (ISA) 2015. aasta septembris, et luua kliiniliste ülesannete haldamise rakendus Streams. Pärast Google'i omandamist asutas ettevõte teadusuuringute jaoks tehisintellekti eetikanõukogu, kuid see on endiselt mõistatus, kuna mõlemad ettevõtted keelduvad ütlemast, kes juhatuses istub.

Ettevõte liitus Facebooki, Amazoni, Microsofti, Google'i ja IBM käivitada ühiskonna ja tehisintellekti liidesele pühendatud AI-partnerlus. DeepMind on avanud uue üksuse, mida tuntakse DeepMind Ethics and Society nime all, mis keskendub peamiselt tehisintellekti tehnoloogia tõstatatud eetilistele ja ühiskondlikele küsimustele. Silmapaistev filosoof Nick Bostrom on "Seltskonna" nõunik.

DeepMindi tooted ja tehnoloogiad

Ettevõte püüab integreerida süsteemide neuroteaduse ja masinõppe parimaid tehnikaid, et luua võimas üldotstarbeline õppealgoritm. 2016. aastal Google'i uuringud avaldas artikli AI ohutusest ja sellest, kuidas vältida soovimatut käitumist tehisintellekti protsessis.

2017. aastal andis DeepMind välja GridWorldi, mis on avatud lähtekoodiga testimisseade, mille abil saab hinnata, kas algoritm õpib tapmislülitit keelama või avaldab soovimatut käitumist. Millalgi 2018. aasta juulis koolitasid ettevõtte teadlased ühte oma süsteemi Quake III Arena arvutimängu mängimiseks.

Eelmise aasta seisuga oli ettevõte avaldanud üle tuhande artikli, millest 13 on teaduse või looduse poolt heaks kiidetud. Siin on mõned parimad DeepMind tooted.

Sügav tugevdamine õppimine

Erinevalt teistest AI-dest, mis töötati välja eelnevalt määratletud eesmärkidel ja toimivad piiratud ruumis, ütleb DeepMind, et selle süsteem pole eelprogrammeeritud. Tehnoloogia õpib kogemustest, kasutades andmesisendina ainult töötlemata piksleid.

See kasutab enamasti süvaõpet, mis töötab konvolutsioonilises närvivõrgus, kasutades uut tüüpi Q-õpet. Q-õpe on mudelivaba tugevdusõppe tüüp. Tehnoloogia testib süsteemi videomängudes, sealhulgas varakult arkaadmängud nagu Breakout ja Space Invaders.

Seejärel hakkab AI-süsteem ilma koodi muutmata aru saama, kuidas mängu mängida ja pärast mõne seansi mängimist mängib see tõhusamalt kui ükski inimene. Veel 2013. aastal postitas DeepMind põhjaliku uurimistöö AI-süsteemi kohta, mis suudab erinevates mängudes ületada inimvõimeid, mille tulemusel omandas Google selle.

Eelmisel aastal vabastas ettevõte Agent57 ja tehisintellekti Agent, mis ületab inimese tasemel jõudlust kõigis Atari57 komplekti 2600 mängus.

AlphaGo ja järglased

2014. aastal avaldas ettevõte uuringud arvutisüsteemide kohta, millel on võimalus mängida mängu Go. Hiljem, 2015. aasta oktoobris võitis ettevõtte arendatud arvuti Go programm AlphaGo Euroopa Go meistrit Fan Huid viie vastu nulli. See oli esimene kord, kui AI programm alistas professionaalse Go mängija.

2016. aasta märtsis alistas AlphaGo tulemusega 4:1 Lee Sedoli, kes on üks maailma kõrgeima asetusega mängijaid. 2017. aasta Future of Go Summiti ajal võitis AI 3-mängulise matši tolleaegse maailma esinumbri Ke Jiega. Süsteem kasutas juhendatud õppeprotokolli, uurides paljusid inimeste omavahelisi mänge.

Täiustatud AlphaGo Zero versioon alistas eelmise AlphaGo süsteem 100. aastal 0 mängu nullile. Uuema versiooni strateegiad olid iseõppinud ja see edestas oma eelkäijat kolme päevaga väiksema töötlemisvõimsusega kui AlphaGo. Hiljem samal aastal, AlphaGo Zero modifitseeritud versioon, AlphaZero omandas üliinimlikud võimed shogis ja males.

Kõik need DeepMindi tehisintellektisüsteemide versioonid õppisid mängima ainult läbi isemängu. AlphaGo tehnoloogia töötati välja sügava tugevdamise õppimise lähenemisviisi kasutamiseks, mis võimaldab seda iseõppimise kaudu aja jooksul täiustada.

Süsteem kasutas kahte sügavat närvivõrku, mis võimaldasid hinnata liikumiste tõenäosusi, ja väärtusvõrku positsioonide hindamiseks. Seda poliitikavõrgustikku koolitati juhendatud õppe kaudu ja seejärel täiustati seda poliitikagradienti tugevdava õppe abil. Selles kontekstis õppis väärtusvõrgustik välja selgitama poliitikavõrgustiku enda vastu mängitud mängude võitjaid.

Hiljem kasutas võrk ettevaadet Monte Carlo puuotsing (MCTS), mis kasutas poliitikavõrku kandidaatide suure tõenäosusega liikumiste määramiseks, kuna väärtusvõrk hindas samaaegselt puu positsioone. Süsteem kasutas tugevdusõpet, kus süsteem mängis miljoneid mänge enda vastu, eesmärgiga suurendada oma võidumäära.

Eelkõige tugineb selle lihtsustatud puuotsing peamiselt närvivõrgule, et hinnata positsioone ja näidisliikumisi ilma Monte Carlo levitamist kasutamata. Nende täiustuste abil vajas AlphaZero süsteem vähem arvutusvõimsust kui AlphaGo, töötades neljal spetsialiseeritud tehisintellekti protsessoril Google'i TPU-d AlphaGo kasutatava 48 asemel.

AlfaFold

Millalgi 2016. aastal pööras DeepMind oma tehisintellekti uurimis- ja arendustegevuse ühele raskeimale teaduse väljakutsele, valkude voltimisele. Vaevalt kaks aastat hiljem DeepMindi AlphaFold autasustati 13. valgustruktuuri ennustamise tehnikate kriitilise hinnangu (CASP) trofee pärast seda, kui see määras edukalt 25-st valgu 43 jaoks kõige täpsema struktuuri.

Hassabis kommenteeris The Guardianile antud intervjuus:

"See on majakaprojekt, meie esimene suurem investeering inimeste ja ressursside osas fundamentaalsesse, väga tähtsasse reaalsesse teaduslikku probleemi."

Eelmisel aastal, 14. CASP-i ajal, said AlphaFoldi prognoosid laboritehnikatega võrreldava täpsusskoori. Üks teaduskohtunike paneeli liige, dr Andriy Kryshtafovych, ütles, et saavutus oli "tõeliselt tähelepanuväärne, ja lisas, et valkude voltimise ennustamise probleem on põhjalikult lahendatud.

Muud märkimisväärsed DeepMindi tooted

Ettevõte tutvustas a teksti kõneks muutmise süsteem, WaveNet, 2016. Algul oli see tarbekaupades kasutamiseks liiga arvutusmahukas, kuid 2017. aasta lõpus sai see valmis kasutamiseks sellistes rakendustes nagu Google Assistant. Järgmisel aastal avalikustas Google reklaamklipi Cloud Text-to-Speech teksti kõneks muutmise toode, mis põhineb WaveNetil.

Hiljem, 2018. aastal, töötas DeepMind välja ülitõhusa mudeli, mida tuntakse nime all WaveRNN, mis töötati välja Google AI abil ja mis võeti Google Duo kasutajatele kasutusele 2019. aastal.

Google ütleb, et DeepMindi algoritmid on märkimisväärselt suurendanud enamiku andmekeskuste jahutamise tõhusust. Samuti aitab tehnoloogia Google Playkasutaja isikupärastatud rakenduste soovitused ja tegi koostööd Androidi meeskonnaga, et luua paar funktsiooni, mis on saadaval Android Pie seadmetele.

Uute funktsioonide hulka kuuluvad adaptiivne heledus ja adaptiivne aku, mis kasutavad masinõpet, et säästa energiat ja muuta operatsioonisüsteemi kasutavad seadmed kasutajasõbralikumaks. See oli esimene kord, kui DeepMind integreeris need tehnikad väikeses mahus tavaliste masinõpperakendustega, mis vajavad palju arvutusvõimsust.

Ettevõtte Hubble'i teleskoop võimaldas inimestel sügavamale kosmosesse vaadata, kuna olemasolevad tööriistad laiendavad juba inimteadmisi ja avaldavad omakorda positiivset globaalset mõju. DeepMindi pikaajaline missioon on lahendada intelligentsust, luues üldistatud ja tõhusaid probleemide lahendamise süsteeme, mida nimetatakse tehisintellektiks (AGI).

Täielikult eetikast ja ohutusest juhindudes võib ühiskonda panna leiutist leidma elujõulisi lahendusi mõnele maailma kõige keerulisematele ja fundamentaalsematele teadusprobleemidele.

Praegu jätkab ettevõte oma tehnoloogia arendamist ja selle eesmärk on laiendada selle kasutatavust peaaegu kõigis inimkonna kriitilistes aspektides, sealhulgas tervis, mängud ja keskkonnakaitse.

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