Parhaat DeepMind AI -tuotteet mullistavat maailmaa

Kun DeepMind lanseerattiin vuonna 2010, ei ollut juurikaan kiinnostusta tekoäly (AI) verrattuna nykyisiin kiinnostuksen tasoihin. Kiihdyttääkseen syntyvää teknologiakenttää, tiimi omaksui monialaisen lähestymistavan.

He integroivat uusia ideoita tekniikan kehitykseen, koneoppiminen, simulointi- ja laskentainfrastruktuuri, neurotiede, matematiikka ja uudet menetelmät tieteellisten pyrkimysten organisoimiseksi.

DeepMind Technologies on Alphabet Inc: n brittiläinen tekoälyn tytäryhtiö. Lontoossa sijaitseva tutkimuslaboratorio oli hankittu Google on vuonna 2014. Tällä yrityksellä on tutkimuskeskuksia Ranskassa, Kanadassa ja Yhdysvalloissa. Seuraavan vuoden aikana siitä tuli kokonaan Aakkoset.

Yritys yhdisti voimansa Googlen kanssa työn nopeuttamiseksi ja jatkoi tutkimusohjelmansa asettamista. Useat DeepMind-ohjelmista ovat oppineet diagnosoimaan silmäsairauksia yhtä tehokkaasti kuin maailman parhaat lääkärit ja säästämään 30% energiasta, jota käytetään palvelinkeskusten pysymiseen viileinä. Ohjelmat ennustavat proteiinien monimutkaiset 3D-muodot, jotka voivat muuttaa lääkkeiden keksintöä tulevaisuudessa.

Yhtiö saavutti varhaisen menestyksen tietokonepeleissä, ja tutkijat käyttivät sitä yleensä tekoälyn testaamiseen. Yksi ohjelmista oppii pelaamaan 49 erilaista Atari-peliä tyhjästä, pelkästään näkemällä pikseleitä ja pisteitä näytöllä. AlphaGo-ohjelma voitti myös ensimmäisenä Go-ammattilaisen, joka on vuosikymmen ennen aikaansa.

Vuosien varrella DeepMind loi a neuroverkkomallien joka oppii pelaamaan videopelejä kuten ihmiset, ja Neural Turing-kone tai hermoverkko, joka voi käyttää ulkoista muistia aivan kuten tavanomainen Turing-kone. Kehityksen tuloksena syntyi tietokone, joka jäljittelee ihmisen aivojen lyhytaikaista muistia.

Vuonna 2016 DeepMind pääsi otsikoihin sen jälkeen, kun AlphaGo-ohjelma onnistui voittamaan ammattimaisen Go-pelaajan, maailmanmestarin Lee Sedolin 5 pelin ottelussa, josta tuli dokumenttielokuva.

Toinen yleinen ohjelma, AlphaZero, voitti tehokkaimmat shakkia, Goia ja Shogia (japanilaista shakkia) pelaavat ohjelmat useiden päivien ajan pelatessaan itseään vastaan ​​vahvistusoppimisen avulla. Vuonna 2020 DeepMind edistyi huomattavasti proteiinien laskostumisongelmassa.

DeepMind-yleiskatsaus

Demis Hassabis, Shane Legg ja Mustafa Suleyman ovat tämän menestyvän yrityksen perustajia. Legg ja Hassabis tapasivat ensin University College Londonin Gatsbyn laskennallisen neurotieteen yksikössä.

Aluksi yritys alkoi työskennellä tekoälytekniikan parissa, joka opetti sen pelaamaan joitain vuosikymmenien aikaisempia vanhoja pelejä.

Osa peleistä sisälsi Space Invaders, Pong ja Breakout. Kehittäjät esittivät tekoälyn yhteen peliin kerrallaan ilman, että heillä olisi aikaisempaa tietoa sen säännöistä. Kun tekniikka oli viettänyt jonkin aikaa pelin toiminnan oppimisesta, tekoälystä tuli sitten sen asiantuntija:

"Tekoälyn läpi olevien kognitiivisten prosessien sanotaan olevan hyvin samankaltaisia ​​kuin ne, joita ihminen, joka ei ollut koskaan nähnyt peliä, käyttäisivät ymmärtääkseen ja yrittäen hallita sitä."

Perustajien tavoitteena oli luoda yleiskäyttöinen tekoäly, jota voidaan käyttää tehokkaasti melkein mihin tahansa. Horizons Ventures ja Founders Fund ovat tärkeimpiä yrityksiin sijoittaneita yrityksiä. Myös merkittävät yrittäjät pitävät Peter Thiel, Scott Banister ja Elon Musk sijoittivat yhtiöön sen alkuaikoina.

26. tammikuuta 2014 Google osti DeepMindin 500 miljoonalla dollarilla samana vuonna, kun se sai Cambridge Computer Laboratoryn Vuoden yritys -palkinnon. Myynti Googlelle tapahtui sen jälkeen, kun Facebook lopetti neuvottelut yrityksen kanssa vuonna 2013. Sen jälkeen yhtiö muutettiin nimellä Google DeepMind ja säilytettiin nimi kahden vuoden ajan.

Royal Free NHS Trust ja DeepMind allekirjoittivat ensimmäisen tiedonjakosopimuksen (ISA) syyskuussa 2015 luodakseen Streams, kliinisen tehtävänhallintasovelluksen. Googlen hankinnan jälkeen yritys perusti tekoälyn eettisen lautakunnan tutkimusta varten, mutta se on edelleen mysteeri, ja molemmat yritykset kieltäytyvät sanomasta, kuka istuu hallituksessa.

Yhtiö liittyi Facebookiin, Amazoniin, Microsoftiin, Googleen ja IBM käynnistää 'Partnership on AI', joka on omistettu yhteiskunnan ja AI: n rajapinnalle. DeepMind on avannut uuden yksikön, joka tunnetaan nimellä DeepMind Ethics and Society ja joka keskittyy pääasiassa tekoälytekniikan esille tuomiin eettisiin ja yhteiskunnallisiin kysymyksiin. Tunnettu filosofi Nick Bostrom on 'Seuran' neuvonantaja.

DeepMind-tuotteet ja -tekniikat

Yritys pyrkii integroimaan järjestelmäturvatieteen ja koneoppimisen parhaat tekniikat vahvan yleiskäyttöisen oppimisalgoritmin luomiseksi. Vuonna 2016 Google-tutkimus julkaisi paperin tekoälyn turvallisuudesta ja siitä, miten ei-toivottua käyttäytymistä voidaan välttää tekoälyn aikana.

Vuonna 2017 DeepMind julkaisi GridWorldin, joka on avoimen lähdekoodin testikenttä arvioidakseen, oppieko algoritmi poistamaan tappokytkimen käytöstä vai esiintyykö siinä joitain ei-toivottuja käyttäytymismalleja. Joskus heinäkuussa 2018 yrityksen tutkijat kouluttivat yhden järjestelmistään pelaamaan Quake III Arena -tietokonepeliä.

Viime vuodesta lähtien yritys oli julkaissut yli tuhat paperia, joista Science tai Nature hyväksyi 13 näistä asiakirjoista. Tässä on joitain parhaat DeepMind tuotteet.

Syvävahvistusoppiminen

Toisin kuin muut tekoälyt, jotka on kehitetty ennalta määriteltyihin tarkoituksiin ja toimivat rajoitetussa tilassa, DeepMind sanoo, että sen järjestelmää ei ole esiohjelmoitu. Teknologia oppii kokemuksesta hyödyntämällä tietojen raaka-aineena vain raakapikseleitä.

Se käyttää enimmäkseen syvällistä oppimista, joka toimii konvoluutiohermoverkossa uuden tyyppistä Q-oppimista käyttäen. Q-oppiminen on eräänlainen mallivapaa vahvistusoppiminen. Teknologia testaa järjestelmää videopeleissä, myös varhaisessa vaiheessa arcade pelejä kuten Breakout ja Space Invaders.

Sitten tekoälyjärjestelmä alkaa ymmärtää koodin muuttamista ymmärtämällä pelin pelaamista ja muutaman istunnon pelaamisen jälkeen se pelaa tehokkaammin kuin kukaan muu. Vuonna 2013 DeepMind julkaisi perusteellisen tutkimuksen tekoälyjärjestelmästä, joka voi ylittää ihmisen kyvyt erilaisissa peleissä, mikä johtaa Googlen hankintaan.

Viime vuonna yritys vapautti Agent57: n ja tekoälyn agentin, joka ylittää ihmisen tason suorituskyvyn kaikissa Atari57-paketin 2600 pelissä.

AlphaGo ja seuraajat

Vuonna 2014 yritys julkaisi tutkimuksen tietokonejärjestelmistä, joilla on mahdollisuus pelata Go-peliä. Myöhemmin lokakuussa 2015 AlphaGo, yrityksen kehittämä tietokoneohjelma, voitti Euroopan Go-mestarin Fan Huin viidestä nollaan. Se oli ensimmäinen kerta, kun tekoälyohjelma voitti Go-ammattilaisen.

Maaliskuussa 2016 AlphaGo voitti Lee Sedolin, joka on yksi maailman korkeimpia pelaajia, pisteillä 4-1. Vuoden 2017 Future of Go -huippukokouksen aikana tekoäly voitti 3 ottelun ottelun maailman tuolloin ykkönen Ke Jiein kanssa. Järjestelmä käytti valvottua oppimisprotokollaa, jossa tutkittiin monia ihmisten pelaamia pelejä toisiaan vastaan.

Parannettu AlphaGo Zero -versio kukisti edellisen AlphaGo-järjestelmä 100 peliä 0: een vuonna 2017. Uuden version strategiat olivat itseopetettuja, ja se voitti edeltäjänsä kolmen päivän kuluessa pienemmällä prosessointiteholla kuin AlphaGo. Myöhemmin tänä vuonna AlphaGo Zeron muunnettu versio, AlphaZero, sai yli-inhimillisiä kykyjä shogissa ja shakissa.

Kaikki nämä DeepMindin tekoälyjärjestelmien versiot oppivat pelaamaan vain itsepelien kautta. AlphaGo-tekniikka on suunniteltu käyttämään syvällistä vahvistavaa oppimismenetelmää, jonka avulla se voi kehittyä ajan myötä itseoppimisen avulla.

Järjestelmä käytti kahta syvää hermoverkkoa, joiden avulla se pystyi arvioimaan liikkumistodennäköisyyksiä, ja arvoverkko sijaintien arvioimiseksi. Tätä politiikkaverkostoa koulutettiin valvotun oppimisen avulla ja sen jälkeen tarkennettiin politiikkakohtaisella vahvistamisella. Tässä yhteydessä arvoverkko oppi määrittämään voittajat peleistä, joita politiikkaverkosto pelasi itseään vastaan.

Myöhemmin verkko käytti lookaheadia Monte Carlo -puuhaku (MCTS), joka käytti käytäntöverkkoa määrittämään ehdokkaat suuret todennäköisyydet, kun arvoverkko arvioi samanaikaisesti puupositioita. Järjestelmä käytti vahvistusoppimista, jossa järjestelmä pelasi miljoonia näitä pelejä itseään vastaan ​​tavoitteenaan lisätä voittonsa.

Erityisesti sen yksinkertaistettu puuhaku perustuu pääasiassa hermoverkkoonsa sijaintien ja näyteliikkeiden arvioimiseksi ilman Monte Carlon käyttöönottoa. Näiden parannusten ansiosta AlphaZero-järjestelmä tarvitsi vähemmän laskentatehoa kuin AlphaGo, joka toimi neljällä erikoistuneella tekoälyprosessorilla, jotka tunnetaan nimellä Google TPU: t AlphaGon käyttämän 48 sijasta.

AlphaFold

Joskus vuonna 2016 DeepMind käänsi tekoälyn tutkimuksen ja kehityksen yhdeksi vaikeimmista tiedeongelmista, proteiinien taittamisesta. Tuskin kaksi vuotta myöhemmin DeepMind's AlphaFold palkittiin 13. kriittinen arvio proteiinirakenteen ennustamisen (CASP) palkinnon tekniikoista sen jälkeen, kun se onnistui määrittämään tarkimman rakenteen 25: lle 43: sta proteiinista.

Hassabis kommentoi haastattelussa The Guardianille:

"Tämä on majakkahanke, ensimmäinen merkittävä investointimme ihmisten ja resurssien suhteen perustavanlaatuiseen, erittäin tärkeään, tosielämän tieteelliseen ongelmaan."

Viime vuonna 14. CASP: n aikana AlphaFoldin ennusteet saivat laboratoriotekniikoihin verrattavan tarkkuuspisteen. Eräs tieteellisten tuomareiden paneelin jäsen, tohtori Andriy Kryshtafovych, sanoi, että saavutus oli 'todella merkittävä, ja lisäsi, että proteiinien taittumisen ennustamisen ongelma oli laajasti ratkaistu.

Muut merkittävät DeepMind-tuotteet

Yhtiö esitteli a teksti puheeksi -järjestelmä, WaveNet, vuonna 2016. Aluksi se oli liian laskennallisesti intensiivinen käytettäväksi kulutustuotteissa, mutta siitä tuli käyttövalmis sovelluksissa, kuten Google Assistant, vuoden 2017 lopulla. Seuraavana vuonna Google julkisti Cloud Text-to-Speech -mainoksen teksti puheeksi -tuote, joka perustuu WaveNetiin.

Myöhemmin vuonna 2018 DeepMind kehitti erittäin tehokkaan WaveRNN-mallin, joka kehitettiin yhdessä Google AI: n kanssa ja joka otettiin käyttöön Google Duo -käyttäjille vuonna 2019.

Google sanoo, että DeepMind-algoritmit ovat lisänneet merkittävästi useimpien palvelinkeskustensa jäähdytystä. Myös tekniikka auttaa Google PlayRäätälöi sovellussuositukset ja teki yhteistyötä Android-tiimin kanssa parin ominaisuuksien luomiseksi Android Pie -laitteille.

Uusia ominaisuuksia ovat mukautuva kirkkaus ja mukautuva akku, jotka käyttävät koneoppimista energiansäästöön ja tekevät käyttöjärjestelmää käyttävistä laitteista käyttäjäystävällisempiä. Se oli ensimmäinen kerta, kun DeepMind integroi nämä tekniikat pienessä mittakaavassa tavallisiin koneoppimissovelluksiin, jotka tarvitsevat paljon laskentatehoa.

Yhtiön Hubble-teleskooppi antoi ihmisille mahdollisuuden tarkastella syvemmälle avaruuteen, käytettävissä olevien työkalujen avulla, mikä jo laajensi ihmisen tietämystä ja puolestaan ​​vaikutti myönteisesti maailmanlaajuisesti. DeepMindin pitkäaikainen tehtävä on ratkaista älykkyys luomalla yleisiä ja tehokkaita ongelmanratkaisujärjestelmiä, jotka kutsutaan keinotekoiseksi älykkyydeksi (AGI).

Eettisyyden ja turvallisuuden ohjaamana keksintö voidaan saada yhteiskunta saamaan toimivia ratkaisuja joihinkin maailman haastavimpiin ja perustavanlaatuisiin tieteellisiin kysymyksiin.

Toistaiseksi yhtiö kehittää jatkuvasti tekniikkaansa ja pyrkii laajentamaan sen käytettävyyttä lähes kaikilla ihmiskunnan kriittisillä osa-alueilla, mukaan lukien terveys, pelit ja ympäristönsuojelu.

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