A legjobb DeepMind AI termékek forradalmasítják a világot

Amikor a DeepMind 2010-ben elindult, kevés érdeklődés mutatkozott a terület iránt mesterséges intelligencia (AI) a jelenlegi érdeklődési szintekhez képest. A kialakuló technológiai terület felgyorsítása érdekében a csapat interdiszciplináris megközelítést alkalmazott.

Új ötleteket integráltak a mérnöki fejlesztésekbe, gépi tanulás, szimulációs és számítástechnikai infrastruktúra, idegtudomány, matematika és a tudományos törekvések megszervezésének új módszerei.

DeepMind Technologies az Alphabet Inc. brit mesterséges intelligencia leányvállalata. A londoni kutatólaboratórium az volt szerzett a Google által 2014-ben. Ennek a cégnek kutatóközpontjai vannak Franciaországban, Kanadában és az Egyesült Államokban. A következő évben teljes egészében az Alphabet tulajdonába került.

A cég egyesítette erőit a Google-lal, hogy felgyorsítsa munkáját, és folytatta kutatási menetrendjének meghatározását. Számos DeepMind program megtanulta a szembetegségek olyan hatékony diagnosztizálását, mint a világ legjobb orvosai, és az adatközpontok hűvösségének biztosításához felhasznált energia 30%-át megtakarítani. A programok megjósolják a fehérjék összetett 3D-formáit, amelyek megváltoztathatják a gyógyszerek feltalálását a jövőben.

A vállalat korai sikereket ért el a számítógépes játékok terén, és a kutatók általában ezt használták az AI tesztelésére. Az egyik program 49 különböző Atari játékot tanult meg a semmiből, pusztán abból, hogy a képpontokat és a pontszámokat látta a képernyőn. Az AlphaGo program volt az első, amely legyőzte a professzionális Go-játékost, és ez a bravúr egy évtizeddel korát megelőzte.

Az évek során a DeepMind létrehozta a neurális hálózat amely megtanulja, hogyan játsszon videojátékokkal, mint az emberekkel, és egy neurális Turing-géppel, vagy egy neurális hálózattal, amely a hagyományos Turing-géphez hasonlóan hozzáfér a külső memóriához. A fejlesztés eredménye egy olyan számítógép, amely az emberi agy rövid távú memóriáját utánozza.

2016-ban a DeepMind került a címlapokra, miután AlphaGo programjával egy 5 meccses meccsen sikerült legyőznie egy profi Go-játékost, Lee Sedolt, a világbajnokot, ami egy dokumentumfilm tárgyává vált.

Egy másik általános program, az AlphaZero, legyőzte a legerősebb sakkozóprogramokat, a Go-t és a Shogi-t (japán sakk), miután néhány napig önmaga ellen játszott némi megerősítő tanulással. 2020-ban a DeepMind jelentős előrelépést tett a fehérjehajtogatás problémájában.

DeepMind áttekintése

Demis Hassabis, Shane Legg és Mustafa Suleyman ennek a virágzó cégnek az alapítói. Legg és Hassabis először a University College London Gatsby Computational Neuroscience Unitjában találkozott.

A cég kezdetben mesterséges intelligencia technológián kezdett dolgozni, és megtanította játszani néhány évtizeddel korábbi játékkal.

Néhány játék volt a Space Invaders, a Pong és a Breakout. A fejlesztők egy-egy játékban vezették be a mesterséges intelligenciát anélkül, hogy előzetesen ismerték volna annak szabályait. Miután a technológia eltöltött egy kis időt a játék működésének megismerésére, az AI szakértővé vált a játékban:

„A kognitív folyamatok, amelyeken a mesterséges intelligencia megy keresztül, állítólag nagyon hasonlítanak azokhoz az emberekhez, akik soha nem láttak a játékot, hogy megértsék és megpróbálják elsajátítani.”

Az alapítók egy olyan általános célú mesterséges intelligencia létrehozását tűzték ki célul, amely szinte bármire hatékonyan és eredményesen használható. A Horizons Ventures és az Founders Fund néhány olyan fő vállalkozás, amely a vállalatba fektetett be. A neves vállalkozók is kedvelik Peter Thiel, Scott Banister és Elon Musk kezdeti időszakában fektetett be a cégbe.

26. január 2014-án a Google 500 millió dollárért felvásárolta a DeepMindot abban az évben, amikor megkapta a Cambridge Computer Laboratory „Az év vállalata” díját. A Google-nek való eladás azután történt, hogy a Facebook 2013-ban befejezte a tárgyalásokat a céggel. Ezt követően a céget átkeresztelték Google DeepMind névre, és két évig fenntartotta a nevet.

A Royal Free NHS Trust és a DeepMind 2015 szeptemberében írta alá az első információmegosztási megállapodást (ISA), hogy létrehozzák a Streams klinikai feladatkezelő alkalmazást. A Google felvásárlása után a cég mesterségesintelligencia-etikai testületet hozott létre kutatás céljából, de továbbra is rejtély marad, mivel mindkét cég nem hajlandó megmondani, hogy ki ül a testületben.

A cég csatlakozott a Facebookhoz, az Amazonhoz, a Microsofthoz, a Google-hoz és IBM a társadalom-AI interfésznek szentelt „Partnership on AI” elindítása. A DeepMind új egységet nyitott DeepMind Ethics and Society néven, amely elsősorban az AI technológia által felvetett etikai és társadalmi kérdésekre összpontosít. A kiemelkedő filozófus, Nick Bostrom a „Társadalom” tanácsadója.

DeepMind termékek és technológiák

A vállalat arra törekszik, hogy integrálja a rendszer-idegtudomány és a gépi tanulás legjobb technikáit egy hatékony általános célú tanulási algoritmus létrehozása érdekében. 2016-ban Google Research publikált egy tanulmányt az AI biztonságáról és arról, hogyan lehet elkerülni a nemkívánatos viselkedést a mesterséges intelligencia folyamata során.

2017-ben a DeepMind kiadta a GridWorld-et, amely egy nyílt forráskódú tesztrendszer annak kiértékelésére, hogy egy algoritmus megtanulja-e letiltani a kill kapcsolót, vagy mutat-e valamilyen nemkívánatos viselkedést. A cég kutatói valamikor 2018 júliusában betanították az egyik rendszerét a Quake III Arena számítógépes játékra.

Tavalyig a cég több mint ezer dolgozatot adott ki, amelyek közül 13-at a Science vagy a Nature fogadott el. Íme néhány a legnépszerűbb DeepMind termékek.

Mély megerősítésű tanulás

Ellentétben a többi mesterséges intelligenciával, amelyeket előre meghatározott célokra fejlesztettek ki, és korlátozott helyen működnek, a DeepMind szerint a rendszere nincs előre programozva. A technológia a tapasztalatokból tanul azáltal, hogy csak nyers pixeleket használ adatbevitelként.

Leginkább egy konvolúciós neurális hálózaton futó mély tanulást használ egy új típusú Q-learning segítségével. A Q-learning a modell nélküli megerősítő tanulás egy fajtája. A technológia videojátékokon teszteli a rendszert, beleértve a korai szakaszokat is ügyességi játékok mint a Breakout és a Space Invaders.

Ezután a kód megváltoztatása nélkül az AI-rendszer elkezdi megérteni, hogyan kell játszani a játékot, és néhány játékmenet után hatékonyabban játszik, mint bármely ember. A DeepMind még 2013-ban tett közzé egy mélyreható kutatást egy olyan mesterséges intelligencia rendszerről, amely képes felülmúlni az emberi képességeket különböző játékokban, aminek eredményeként a Google megvásárolta.

Tavaly a cég piacra dobta az Agent57-et és az Agent mesterséges intelligenciát, amely meghaladja az emberi szintű teljesítményt az Atari57 sorozat mind az 2600 játékán.

AlphaGo és utódai

2014-ben a cég kutatást publikált a Go játékra alkalmas számítógépes rendszerekről. Később, 2015 októberében a cég által kifejlesztett AlphaGo, a számítógépes Go program öttel nullára verte a Go Európa-bajnokot, Fan Huit. Ez volt az első alkalom, amikor egy AI program legyőzött egy profi Go játékost.

2016 márciusában az AlphaGo 4-1-re verte Lee Sedolt, a világ egyik legmagasabban jegyzett játékosát. A 2017-es Future of Go Summit alkalmával az AI egy 3 meccses meccset nyert az akkori világelső Ke Jie-vel. A rendszer felügyelt tanulási protokollt használt, és számos, az emberek által egymás ellen játszott játékot tanulmányozott.

A továbbfejlesztett AlphaGo Zero verzió legyőzte az előzőt AlphaGo rendszer 100 játék 0-ra 2017-ben. Az újabb verzió stratégiái autodidakta módon készültek, és három napon belül legyőzte elődjét, kevesebb feldolgozási teljesítménnyel, mint az AlphaGo. Később, az év folyamán, az AlphaGo Zero módosított változata, az AlphaZero emberfeletti képességekre tett szert shogiban és sakkban.

A DeepMind mesterséges intelligencia rendszereinek mindegyik változata csak önjátékon keresztül tanult meg játszani. Az AlphaGo technológiát úgy tervezték, hogy a mélyen megerősített tanulási megközelítést használja, lehetővé téve az idő múlásával az öntanuláson keresztül történő fejlődést.

A rendszer két mély neurális hálózatot használt, amelyek lehetővé tették az elmozdulási valószínűségek értékelését, és egy értékhálózatot a pozíciók értékeléséhez. Ezt a szakpolitikai hálózatot felügyelt tanulással képezték ki, majd a politika-gradiens megerősítő tanulással finomították. Ebben az összefüggésben az értékhálózat megtanulta meghatározni a győzteseket a politikai hálózat által önmagával szemben.

Később a hálózat előretekintést alkalmazott Monte Carlo fakeresés (MCTS), amely egy irányelvhálózatot használt a jelölt nagy valószínűségű mozgásainak meghatározására, mivel az értékhálózat egyidejűleg értékelte a fa pozícióit. A rendszer megerősítő tanulást használt, ahol a rendszer több millió ilyen játékot játszott saját maga ellen, hogy növelje győzelmi arányát.

Nevezetesen, az egyszerűsített fakeresés elsősorban a neurális hálózatra támaszkodik a pozíciók és a mintamozgások értékeléséhez a Monte Carlo-i kiterjesztések használata nélkül. Ezekkel a fejlesztésekkel az AlphaZero rendszernek kevesebb számítási teljesítményre volt szüksége, mint az AlphaGo-nak, amely négy speciális mesterséges intelligencia-processzoron működött. Google TPU-k az AlphaGo által használt 48 helyett.

AlphaFold

Valamikor 2016-ban a DeepMind a mesterséges intelligencia kutatását és fejlesztését a tudomány egyik legnehezebb kihívása, a fehérje hajtogatása felé fordította. Alig két évvel később a DeepMind AlphaFoldja kitüntették a 13. Critical Assessment of Techniques for Protein Structure Prediction (CASP) trófeát, miután sikeresen meghatározta a 25 fehérje közül 43 legpontosabb szerkezetét.

Hassabis a The Guardiannek adott interjújában így nyilatkozott:

"Ez egy világítótorony-projekt, az emberek és az erőforrások tekintetében az első jelentős befektetésünk egy alapvető, nagyon fontos, valós tudományos problémába."

Tavaly a 14. CASP során az AlphaFold előrejelzései a laboratóriumi technikákkal összehasonlítható pontossági pontszámot kaptak. A tudományos zsűri egyik tagja, Dr. Andriy Kryshtafovych azt mondta, hogy az eredmény „igazán figyelemre méltó, és hozzátette, hogy a fehérjék feltekeredésének előrejelzésének problémáját alaposan megoldották.

Egyéb figyelemre méltó DeepMind termékek

A cég bemutatta a szövegfelolvasó rendszer, WaveNet, 2016-ban. Eleinte túlságosan számításigényes volt a fogyasztói termékekben való használathoz, de 2017 végén készen állt az olyan alkalmazásokban való használatra, mint a Google Assistant. A következő évben a Google bemutatta a Cloud Text-to-Speech nevű reklámot. text-to-speech termék, WaveNet alapú.

Később, 2018-ban a DeepMind kifejlesztett egy rendkívül hatékony, WaveRNN néven ismert modellt, amelyet a Google AI segítségével közösen fejlesztettek ki, és amelyet 2019-ben terjesztettek a Google Duo felhasználói számára.

A Google szerint a DeepMind algoritmusok jelentősen megnövelték a legtöbb adatközpont hűtésének hatékonyságát. Ezenkívül a technológia segít A Google Playszemélyre szabott alkalmazásjavaslatokat, és együttműködött az Android csapatával, hogy létrehozzon egy pár funkciót, amelyek elérhetővé válnak az Android Pie eszközökön.

Az új funkciók közé tartozik az Adaptive Brightness és az Adaptive Battery, amelyek gépi tanulás segítségével energiát takarítanak meg, és felhasználóbarátabbá teszik az operációs rendszert futtató eszközöket. Ez volt az első alkalom, hogy a DeepMind kis léptékben integrálta ezeket a technikákat a nagy számítási teljesítményt igénylő normál gépi tanulási alkalmazásokkal.

A cég Hubble-teleszkópja lehetővé tette az emberek számára, hogy mélyebbre tekintsenek az űrbe, a rendelkezésre álló eszközök pedig már bővítik az emberi tudást, és ezzel pozitív globális hatást gyakorolnak. A DeepMind hosszú távú küldetése az intelligencia megoldása, általános és hatékony problémamegoldó rendszerek, a mesterséges általános intelligencia (AGI) elnevezés.

Teljesen az etika és a biztonság által vezérelve a találmány a társadalom számára tartható, hogy életképes megoldásokat találjon a világ legkihívásosabb és legalapvetőbb tudományos kérdéseire.

Egyelőre a vállalat folyamatosan fejleszti technológiáját, és célja, hogy az emberiség szinte minden kritikus területén kiterjessze használhatóságát, beleértve az egészségügyet, a játékokat és a környezetvédelmet.

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