محصولات برتر DeepMind AI که انقلابی در جهان ایجاد می کنند

هنگامی که DeepMind در سال 2010 راه اندازی شد، علاقه چندانی به این زمینه وجود نداشت هوش مصنوعی (AI) در مقایسه با سطوح علاقه ای که امروزه وجود دارد. برای تسریع در زمینه فناوری نوپا، تیم یک رویکرد بین رشته ای را اتخاذ کرد.

آنها ایده های جدید را با پیشرفت های مهندسی ادغام کردند، فراگیری ماشینزیرساخت های شبیه سازی و محاسباتی، علوم اعصاب، ریاضیات و روش های جدید سازماندهی تلاش های علمی.

فناوری های DeepMind یک شرکت تابعه هوش مصنوعی بریتانیایی آلفابت است. آزمایشگاه تحقیقاتی مستقر در لندن بود به دست آورد توسط گوگل در سال 2014. این شرکت دارای مراکز تحقیقاتی در فرانسه، کانادا و ایالات متحده است. در سال بعد، به طور کامل تحت مالکیت آلفابت قرار گرفت.

این شرکت برای سرعت بخشیدن به کار خود با گوگل پیوست و به تنظیم برنامه تحقیقاتی خود ادامه داد. چندین برنامه DeepMind آموخته اند که بیماری های چشم را به همان اندازه پزشکان برتر جهان تشخیص دهند و 30٪ انرژی را که برای اطمینان از خنک ماندن مراکز داده استفاده می شود ، صرفه جویی کنند. این برنامه ها اشکال پیچیده سه بعدی پروتئین ها را پیش بینی می کنند که می توانند نحوه اختراع داروها را در آینده تغییر دهند.

این شرکت با محققانی که به طور معمول از آن برای آزمایش هوش مصنوعی استفاده می کردند ، در بازی های رایانه ای به موفقیت اولیه دست یافت. یکی از برنامه ها آموخت که 49 بازی مختلف آتاری را از ابتدا ، فقط با دیدن پیکسل ها و امتیازات روی صفحه ، انجام دهد. برنامه AlphaGo همچنین اولین برنامه ای بود که توانست یک بازیکن حرفه ای Go را شکست دهد ، این شاهکاری است که به عنوان یک دهه جلوتر از زمان خود توصیف شده است.

در طول سال ها، DeepMind ایجاد یک شبکه های عصبی که یاد می‌گیرد چگونه بازی‌های ویدیویی را مانند انسان‌ها و یک ماشین تورینگ عصبی یا یک شبکه عصبی که می‌تواند مانند ماشین تورینگ معمولی به حافظه خارجی دسترسی پیدا کند، بازی کند. این توسعه منجر به ساخت رایانه ای شد که حافظه کوتاه مدت مغز انسان را تقلید می کند.

در سال 2016 ، DeepMind بعد از اینکه برنامه AlphaGo خود توانست در یک بازی 5 بازیه ، یک بازیکن حرفه ای Go ، لی سدول ، قهرمان جهان را شکست دهد ، موضوع اصلی یک فیلم مستند شد.

برنامه عمومی دیگر ، AlphaZero ، قدرتمندترین برنامه های بازی شطرنج ، Go و Shogi (شطرنج ژاپنی) را پس از چندین روز بازی علیه خودش با استفاده از برخی از یادگیری های تقویت کننده ، شکست داد. در سال 2020 ، DeepMind پیشرفت چشمگیری در مسئله تاشو پروتئین داشته است.

بررسی اجمالی DeepMind

دمیس حسابیس ، شین لگ و مصطفی سلیمان بنیانگذاران این شرکت پر رونق هستند. لگ و حسابیس اولین بار در واحد علوم اعصاب محاسباتی گتسبی کالج دانشگاه لندن دیدار کردند.

در ابتدا ، این شرکت کار بر روی فناوری هوش مصنوعی را آموزش داد تا به آن بازیهای قدیمی را از دهه های قبل انجام دهد.

برخی از بازی ها شامل Space Invaders ، Pong و Breakout بودند. توسعه دهندگان هوش مصنوعی را همزمان با یک بازی وارد کردند بدون اینکه قبلاً از قوانین آن اطلاع داشته باشند. بعد از اینکه این فن آوری مدتی را به یادگیری نحوه عملکرد بازی اختصاص داد ، سپس AI به عنوان یک متخصص در آن مهارت پیدا کرد:

"گفته می شود که فرایندهای شناختی که هوش مصنوعی طی می کند بسیار شبیه انسانهایی است که هرگز بازی را ندیده اند و برای درک و تلاش برای تسلط بر آن استفاده می کنند."

هدف بنیانگذاران ایجاد یک هوش مصنوعی همه منظوره بود که می تواند به طور موثر و کارآمد برای تقریباً هر چیزی استفاده شود. Horizons Ventures و Funders Fund برخی از سرمایه گذاری های اصلی در این شرکت هستند. همچنین، کارآفرینان برجسته دوست دارند پیتر Thielاسکات بنیستر و Elon مشک در روزهای اولیه فعالیت در شرکت سرمایه گذاری کرد.

در 26 ژانویه 2014 ، گوگل DeepMind را در همان سال با دریافت جایزه "شرکت سال" آزمایشگاه رایانه ای کمبریج ، به مبلغ 500 میلیون دلار خریداری کرد. فروش به گوگل پس از پایان مذاکرات فیس بوک با این شرکت در سال 2013 انجام شد. پس از آن ، این شرکت با نام تجاری Google DeepMind تغییر نام یافت و نام خود را برای مدت دو سال حفظ کرد.

Royal Free NHS Trust و DeepMind اولین توافق نامه اشتراک اطلاعات (ISA) خود را در سپتامبر 2015 برای ایجاد Streams ، یک برنامه مدیریت وظایف بالینی ، امضا کردند. پس از تملک توسط گوگل ، این شرکت یک هیئت اخلاقی هوش مصنوعی را برای تحقیق ایجاد کرد اما همچنان یک معما باقی مانده است که هر دو شرکت از گفتن چه کسی در این هیئت مدیره خودداری می کنند.

این شرکت به فیسبوک، آمازون، مایکروسافت، گوگل و آی بی ام برای راه اندازی "مشارکت در AI" اختصاص داده شده به رابط جامعه-AI. DeepMind واحد جدیدی به نام DeepMind Ethics and Society افتتاح کرده است که عمدتاً بر روی سؤالات اخلاقی و اجتماعی که توسط فناوری هوش مصنوعی مطرح می شود تمرکز دارد. فیلسوف برجسته، نیک بوستروم، مشاور «انجمن» است.

محصولات و فناوری های DeepMind

این شرکت در تلاش است تا بهترین تکنیک ها را از علوم اعصاب سیستم ها و یادگیری ماشین ادغام کند تا یک الگوریتم یادگیری همه منظوره قدرتمند ایجاد کند. در سال 2016، تحقیقات Google مقاله ای در مورد ایمنی هوش مصنوعی و نحوه جلوگیری از رفتار نامطلوب در طول فرآیند هوش مصنوعی منتشر کرد.

در سال 2017 ، DeepMind GridWorld را منتشر کرد ، که یک آزمون آزمایشی منبع باز برای ارزیابی اینکه آیا الگوریتمی یاد می گیرد سوئیچ kill را غیرفعال کند یا برخی رفتارهای نامطلوب را نشان می دهد ، است. حدوداً در جولای 2018 ، محققان این شرکت یکی از سیستم های خود را برای انجام بازی رایانه ای Quake III Arena آموزش دادند.

تا سال گذشته، این شرکت بیش از هزار مقاله منتشر کرده بود که 13 مورد از این مقالات توسط Science یا Nature پذیرفته شد. در اینجا برخی از موارد ذکر شده است محصولات برتر DeepMind.

یادگیری تقویت عمیق

برخلاف سایر هوش مصنوعی که برای اهداف از پیش تعیین شده تولید شده و در یک فضای محدود عمل می کنند ، DeepMind می گوید که سیستم آن از قبل برنامه ریزی نشده است. این فناوری با استفاده از پیکسل های خام به عنوان ورودی داده ، از تجربه می آموزد.

این بیشتر از یادگیری عمیق در حال اجرا بر روی یک شبکه عصبی کانولوشنال با استفاده از نوع جدیدی از یادگیری Q استفاده می کند. یادگیری کیو نوعی یادگیری تقویتی بدون مدل است. این فناوری سیستم را روی بازی های ویدیویی، از جمله در مراحل اولیه، آزمایش می کند بازی ماجرایی مانند Breakout و Space Invaders.

سپس ، بدون تغییر کد ، سیستم AI شروع به درک نحوه انجام بازی می کند و پس از انجام چند جلسه ، کارآمدتر از هر انسانی بازی می کند. در سال 2013 ، DeepMind تحقیقات عمیقی را درباره یک سیستم AI ارسال کرد که می تواند در بازی های مختلف از توانایی های انسان پیشی بگیرد و منجر به کسب آن توسط گوگل شود.

سال گذشته ، این شرکت Agent57 و عامل هوش مصنوعی را آزاد کرد که بیش از عملکرد سطح انسانی در 57 بازی مجموعه Atari2600 است.

AlphaGo و جانشینان

در سال 2014 ، این شرکت تحقیقاتی را در مورد سیستم های رایانه ای با قابلیت اجرای بازی Go منتشر کرد. بعداً در اکتبر 2015 ، AlphaGo ، یک برنامه کامپیوتر Go ، که توسط این شرکت توسعه داده شد ، قهرمان هوپوی Go ، فن هوی را پنج بر صفر شکست داد. این اولین بار بود که یک برنامه هوش مصنوعی یک بازیکن حرفه ای Go را شکست می داد.

در مارس 2016 ، AlphaGo با نتیجه 4-1 لی سدول ، یکی از بازیکنان با بالاترین رتبه در سراسر جهان را شکست داد. در طی اجلاس Future of Go Summit 2017 ، هوش مصنوعی در یک مسابقه 3 بازی با شماره 1 جهان در آن زمان ، Ke Jie پیروز شد. این سیستم با استفاده از یک پروتکل یادگیری نظارت شده ، بسیاری از بازیهای انسانها را علیه یکدیگر بازی می کند.

نسخه بهبود یافته AlphaGo Zero نسخه قبلی را شکست داد سیستم آلفاگو 100 بازی به 0 در سال 2017. استراتژی های نسخه جدیدتر خودآموز بود و در عرض سه روز با قدرت پردازش کمتری نسبت به AlphaGo نسخه قبلی خود را شکست داد. بعداً در سال، نسخه اصلاح شده AlphaGo Zero، AlphaZero توانایی های فوق بشری در شوگی و شطرنج به دست آورد.

همه این نسخه های سیستم های هوش مصنوعی DeepMind فقط از طریق خود بازی بازی را یاد گرفتند. فناوری AlphaGo برای استفاده از رویکرد یادگیری تقویت عمیق طراحی شده است که آن را قادر می سازد تا با یادگیری خود به مرور زمان بهبود یابد.

این سیستم با استفاده از دو شبکه عصبی عمیق امکان ارزیابی احتمال حرکت و یک شبکه ارزش برای ارزیابی موقعیت ها را فراهم می کند. این شبکه سیاست از طریق یادگیری نظارت شده آموزش دید و سپس با یادگیری تقویت گرادیان سیاست اصلاح شد. در این زمینه ، شبکه ارزش یاد گرفت که برندگان بازیهایی را که شبکه سیاست علیه خودش انجام می دهد ، تعیین کند.

بعداً، شبکه از چشم انداز استفاده کرد جستجوی درخت مونت کارلو (MCTS) که از یک شبکه خط مشی برای تعیین حرکات با احتمال زیاد نامزد استفاده می کند زیرا شبکه ارزش به طور همزمان موقعیت های درخت را ارزیابی می کند. این سیستم از یادگیری تقویتی استفاده می کرد که در آن سیستم میلیون ها بازی را علیه خود با هدف افزایش نرخ برد خود انجام داد.

قابل ذکر است، جستجوی درختی ساده شده آن عمدتاً به شبکه عصبی آن برای ارزیابی موقعیت‌ها و حرکت‌های نمونه بدون استفاده از عرضه‌های مونت کارلو متکی است. با این پیشرفت‌ها، سیستم AlphaZero به قدرت محاسباتی کمتری نسبت به AlphaGo نیاز داشت که بر روی چهار پردازنده تخصصی هوش مصنوعی معروف به TPU های گوگل به جای 48 مورد استفاده شده توسط AlphaGo.

آلفافولد

زمانی در سال 2016، DeepMind تحقیق و توسعه هوش مصنوعی خود را به یکی از سخت‌ترین چالش‌های موجود در علم، یعنی تا کردن پروتئین، تبدیل کرد. تقریباً دو سال بعد، AlphaFold از DeepMind اهدا شد سیزدهمین ارزیابی انتقادی تکنیک‌های پیش‌بینی ساختار پروتئین (CASP) پس از اینکه با موفقیت دقیق‌ترین ساختار را برای 13 پروتئین از 25 پروتئین تعیین کرد.

حسابیس در مصاحبه ای با گاردین اظهار داشت:

"این یک پروژه فانوس دریایی است ، اولین سرمایه گذاری عمده ما از نظر مردم و منابع برای یک مسئله علمی اساسی ، بسیار مهم و واقعی است."

سال گذشته ، در طی 14 امین CASP ، پیش بینی های AlphaFold نمره دقت قابل مقایسه ای با تکنیک های آزمایشگاهی کسب کردند. یکی از اعضای هیئت داوران علمی ، دکتر آندری کریشتافویچ ، گفت که این موفقیت "واقعاً چشمگیر است" و افزود که مسئله پیش بینی چگونگی چین خوردگی پروتئین ها به طور گسترده حل شده است.

سایر محصولات قابل توجه DeepMind

این شرکت الف را معرفی کرد سیستم تبدیل متن به گفتار، WaveNet، در سال 2016. در ابتدا، از نظر محاسباتی برای استفاده در محصولات مصرفی بسیار فشرده بود، اما در اواخر سال 2017 برای استفاده در برنامه هایی مانند Google Assistant آماده شد. در سال بعد، Google از Cloud Text-to-Speech، یک تبلیغات تجاری رونمایی کرد. محصول تبدیل متن به گفتار، بر اساس WaveNet.

بعداً در سال 2018 ، DeepMind مدلی بسیار کارآمد و معروف به WaveRNN را با استفاده از Google AI توسعه داد که در سال 2019 برای کاربران Google Duo ارائه شد.

گوگل می گوید که الگوریتم های DeepMind تا حد زیادی کارایی خنک سازی بیشتر مراکز داده خود را افزایش داده است. همچنین، فناوری کمک می کند گوگل بازیتوصیه های برنامه شخصی سازی شده و با تیم Android برای ایجاد یک جفت ویژگی در دسترس دستگاه های Android Pie همکاری کرد.

از ویژگی های جدید می توان به Adaptive Brightness و Adaptive Battery اشاره کرد که از یادگیری ماشین برای صرفه جویی در مصرف انرژی و کاربر پسندتر بودن دستگاه های دارای سیستم عامل استفاده می کنند. این اولین باری بود که DeepMind این تکنیک ها را در مقیاس کوچک با برنامه های عادی یادگیری ماشین که به قدرت محاسباتی زیادی نیاز دارند ، ادغام می کرد.

تلسکوپ هابل این شرکت را قادر می سازد تا عمیق تر به فضا نگاه کند ، با ابزارهای موجود دانش انسان را گسترش می دهد و به نوبه خود تأثیر مثبت جهانی دارد. ماموریت بلند مدت DeepMind حل هوش ، ایجاد سیستم های حل مسئله تعمیم یافته و م effectiveثر است که به آن هوش عمومی مصنوعی (AGI) می گویند.

كاملاً با رعایت اخلاق و ایمنی ، این اختراع ممكن است در جامعه به منظور دستیابی به راه حلهای مناسب برای برخی از چالش برانگیزترین و اساسی ترین موضوعات علمی جهان برگزار شود.

در حال حاضر ، این شرکت به توسعه فن آوری خود ادامه می دهد و قصد دارد قابلیت استفاده خود را تقریباً در تمام جنبه های مهم بشریت از جمله بهداشت ، بازی و حفظ محیط زیست گسترش دهد.

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