Topp DeepMind AI-produkter som revolusjonerer verden

Da DeepMind ble lansert i 2010, var det liten interesse for feltet kunstig intelligens (AI) sammenlignet med interessene som eksisterer i dag. For å akselerere det nye teknologifeltet, vedtok teamet en tverrfaglig tilnærming.

De integrerte nye ideer med fremskritt innen engineering, maskinlæring, simulerings- og databehandlingsinfrastruktur, nevrovitenskap, matematikk og nye metoder for organisering av vitenskapelige bestrebelser.

DeepMind-teknologier er et britisk datterselskap for kunstig intelligens av Alphabet Inc. Det London-baserte forskningslaboratoriet var ervervet av Google i 2014. Dette firmaet har forskningssentre i Frankrike, Canada og USA. Det neste året ble det helt eid av Alphabet.

Firmaet slo seg sammen med Google for å få fart på arbeidet og fortsatte å sette sin forskningsagenda. Flere av DeepMind-programmene har lært å diagnostisere øyesykdommer like effektivt som verdens fremste leger og å spare 30% av energien som brukes til å sikre datasentre. Programmene forutsier komplekse 3D-former av proteiner som kan transformere hvordan legemidler blir oppfunnet i fremtiden.

Selskapet oppnådde tidlig suksess i dataspill med forskere som vanligvis bruker den til å teste AI. Et av programmene lærte å spille 49 forskjellige Atari-spill fra bunnen av, bare ved å se piksler og score på skjermen. AlphaGo-programmet var også den første som slo en profesjonell Go-spiller, en bragd som blir beskrevet som et tiår foran sin tid.

Gjennom årene opprettet DeepMind en nevrale nettverket som lærer å spille videospill som mennesker, og en Neural Turing-maskin, eller et nevralt nettverk som kan få tilgang til et eksternt minne akkurat som den konvensjonelle Turing-maskinen. Utviklingen resulterte i en datamaskin som etterligner nærtidsminnet til den menneskelige hjerne.

I 2016 skapte DeepMind overskrifter etter at AlphaGo-programmet klarte å slå en menneskelig profesjonell Go-spiller Lee Sedol, verdensmesteren, i en 5-kampskamp, ​​som ble gjenstand for en dokumentarfilm.

Et annet generelt program, AlphaZero, slo de kraftigste programmene som spilte sjakk, Go og Shogi (japansk sjakk) etter flere dager med å spille mot seg selv ved å bruke litt forsterkningslæring. I 2020 gjorde DeepMind betydelige fremskritt innen proteinfoldingsproblemet.

DeepMind Oversikt

Demis Hassabis, Shane Legg og Mustafa Suleyman er grunnleggerne av dette blomstrende selskapet. Legg og Hassabis møttes først på University College London Gatsby Computational Neuroscience Unit.

Opprinnelig begynte selskapet å jobbe med kunstig intelligens-teknologi som lærte det å spille noen gamle spill fra flere tiår tidligere.

Noen av spillene inkluderte Space Invaders, Pong og Breakout. Utviklerne introduserte kunstig intelligens til ett spill om gangen uten å ha noen tidligere kjennskap til reglene. Etter at teknologien brukte litt tid på å lære hvordan spillet fungerer, vil AI deretter fortsette å bli ekspert på det:

"De kognitive prosessene som AI gjennomgår, sies å være veldig som de et menneske som aldri hadde sett spillet ville bruke til å forstå og forsøke å mestre det."

Grunnleggerne hadde som mål å skape en generell kunstig intelligens som kan brukes effektivt og effektivt til nesten hva som helst. Horizons Ventures and Founders Fund er noen av hovedprosjektene som investerte i selskapet. Også bemerkelsesverdige gründere som Peter Thiel, Scott Banister, og Elon Musk investert i selskapet de første dagene.

26. januar 2014 kjøpte Google DeepMind for 500 millioner dollar samme år da det mottok Cambridge Computer Laboratory "Company of the Year" -prisen. Salget til Google kom etter at Facebook avsluttet forhandlingene med selskapet i 2013. Etterpå ble selskapet omdøpt som Google DeepMind og vedlikeholdt navnet i to år.

Royal Free NHS Trust og DeepMind signerte sin første Information Sharing Agreement (ISA) i september 2015 for å lage Streams, en klinisk oppgavehåndteringsapp. Etter oppkjøpet av Google opprettet firmaet et AI-etisk styre for forskning, men det er fortsatt et mysterium med begge selskapene som ikke vil si hvem som sitter i styret.

Selskapet ble med på Facebook, Amazon, Microsoft, Google og IBM å lansere 'Partnerskap om AI' viet til grensesnittet samfunn og AI. DeepMind har åpnet en ny enhet kjent som DeepMind Ethics and Society med hovedvekt på de etiske og samfunnsmessige spørsmålene som reises av AI-teknologi. Den fremtredende filosofen, Nick Bostrom, er en rådgiver for 'Society.'

DeepMind produkter og teknologier

Selskapet strever for å integrere de beste teknikkene fra systemvitenskap og maskinlæring for å skape en kraftig algoritme for allmennlæring. I 2016, Google Research publiserte en artikkel om AI-sikkerhet og hvordan man kan unngå uønsket oppførsel under kunstig intelligensprosess.

I 2017 ga DeepMind ut GridWorld, som er en testkilde med åpen kildekode for å evaluere om en algoritme lærer å deaktivere drepebryteren eller utviser uønsket oppførsel. En gang i juli 2018 trente forskerne ved selskapet et av systemene sine for å spille Quake III Arena dataspill.

Fra i fjor hadde firmaet publisert mer enn tusen artikler, hvorav 13 av disse artiklene ble akseptert av Science or Nature. Her er noen av de topp DeepMind produkter.

Dyp forsterkning læring

I motsetning til de andre AI-ene som ble utviklet for forhåndsdefinerte formål og fungerer innenfor et begrenset rom, sier DeepMind at systemet ikke er forhåndsprogrammert. Teknologien lærer av erfaring ved å bruke bare rå piksler som datainngang.

Det bruker for det meste dyp læring som kjører på et konvolusjonalt nevralt nettverk ved hjelp av en ny type Q-læring. Q-læring er en type modellfri forsterkningslæring. Teknologien tester systemet på videospill, inkludert tidlig arkadespill som Breakout og Space Invaders.

Så, uten å endre koden, begynner AI-systemet å forstå hvordan du skal spille spillet, og etter å ha spilt noen økter, spiller det mer effektivt enn noe menneske. Tilbake i 2013 la DeepMind ut grundig forskning på et AI-system som kan overgå menneskelige evner i forskjellige spill, noe som fører til oppkjøpet av Google.

I fjor slapp selskapet ut Agent57 og Agent for kunstig intelligens som overgår ytelsen på menneskelig nivå på alle de 57 spillene i Atari2600-suiten.

AlphaGo og etterfølgere

I 2014 publiserte firmaet forskning på datasystemer med muligheten til å spille Go-spillet. Senere i oktober 2015 slo AlphaGo, et datamaskin-Go-program, utviklet av selskapet den europeiske Go-mesteren Fan Hui, fem til null. Det var første gang et AI-program beseiret en profesjonell Go-spiller.

I mars 2016 slo AlphaGo Lee Sedol, en av de høyest rangerte spillerne over hele verden, med en score på 4-1. Under Future of Go Summit 2017 vant AI en 3-kamp med verdens nummer 1 på den tiden, Ke Jie. Systemet brukte en overvåket læringsprotokoll, og studerte mange spill spilt av mennesker mot hverandre.

Den forbedrede AlphaGo Zero-versjonen beseiret den forrige AlphaGo-systemet 100 spill mot 0 i 2017. Den nyere versjonens strategier var selvlærte og den slo forgjengeren innen tre dager med mindre prosessorkraft enn AlphaGo. Senere på året, en modifisert versjon av AlphaGo Zero, fikk AlphaZero overmenneskelige evner innen shogi og sjakk.

Alle disse versjonene av DeepMinds kunstige intelligenssystemer lærte å spille bare gjennom selvspill. AlphaGo-teknologien ble designet for å bruke den dype forsterkningslæringsmetoden som gjør det mulig å forbedre seg over tid gjennom selvlæring.

Systemet brukte to dype nevrale nettverk som gjorde det mulig å evaluere sannsynlighet for bevegelse og et verdinettverk for å vurdere posisjoner. Dette policy-nettverket ble trent gjennom veiledet læring og ble deretter raffinert av læring om forsterkning av policy. I den sammenheng lærte verdinettverket å bestemme vinnere av spillene som policy-nettverket spilte mot seg selv.

Senere brukte nettverket et lookahead Monte Carlo treet søk (MCTS) som brukte et policy-nettverk for å bestemme bevegelser med høy sannsynlighet, da verdinettverket samtidig evaluerte treposisjoner. Systemet brukte forsterkningslæring der systemet spilte millioner av disse spillene mot seg selv med sikte på å øke seiersgraden.

Spesielt er det forenklede tresøket hovedsakelig avhengig av det nevrale nettverket for å evaluere posisjonene og prøvebevegelsene uten å bruke Monte Carlo-utrullingene. Med disse forbedringene trengte AlphaZero-systemet mindre datakraft enn AlphaGo, og opererte på fire spesialiserte AI-prosessorer kjent som Google TPUer i stedet for de 48 som brukes av AlphaGo.

AlphaFold

En gang i 2016 vendte DeepMind sin forskning og utvikling av kunstig intelligens til en av de tøffeste utfordringene som eksisterte innen vitenskap, proteinfolding. Knapt to år senere, DeepMinds AlphaFold ble belønnet den 13. kritiske vurderingen av teknikker for CASP-trofé (Protein Structure Prediction (CASP)) etter at den med hell bestemte den mest nøyaktige strukturen for 25 av 43 proteiner.

Hassabis kommenterte i et intervju med The Guardian:

"Dette er et fyrprosjekt, vår første store investering når det gjelder mennesker og ressurser til et grunnleggende, veldig viktig, vitenskapelig problem."

I fjor, i løpet av det 14. CASP, fikk AlphaFolds anslag en nøyaktighetspoeng som kan sammenlignes med laboratorieteknikker. Et medlem av panelet med vitenskapelige dommere, Dr. Andriy Kryshtafovych, sa at prestasjonen var 'virkelig bemerkelsesverdig, og la til at problemet med å forutsi hvordan proteinene brettes hadde blitt løst i stor grad.

Andre bemerkelsesverdige DeepMind-produkter

Selskapet introduserte en tekst-til-tale-system, WaveNet, i 2016. Først var det for beregningsintensivt for bruk i forbrukerprodukter, men det ble klart for bruk på applikasjoner som Google Assistant i slutten av 2017. Året etter presenterte Google Cloud Text-to-Speech, en kommersiell tekst-til-tale-produkt, basert på WaveNet.

Senere i 2018 utviklet DeepMind en svært effektiv modell kjent som WaveRNN co-utviklet ved hjelp av Google AI som ble rullet ut til Google Duo-brukere i 2019.

Google sier at DeepMind-algoritmene i stor grad har økt effektiviteten til kjøling av de fleste av datasentrene. Også teknologien hjelper Google PlayPersonlige appanbefalinger og samarbeidet med Android-teamet for å lage et par funksjoner gjort tilgjengelig for Android Pie-enhetene.

De nye funksjonene inkluderer Adaptive Brightness og Adaptive Battery som bruker maskinlæring for å spare energi og gjøre enheter som kjører operativsystemet mer brukervennlige. Det var første gang DeepMind integrerte disse teknikkene i liten skala med de vanlige maskinlæringsapplikasjonene som trenger mye datakraft.

Selskapets Hubble-teleskop gjorde det mulig for folk å se dypere ut i rommet, med tilgjengelige verktøy som allerede utvidet menneskelig kunnskap og igjen fikk en positiv global innvirkning. DeepMinds langsiktige oppdrag er å løse intelligens, skape generelle og effektive problemløsningssystemer, kalt kunstig generell intelligens (AGI).

Helt styrt av etikk og sikkerhet, kan oppfinnelsen holdes samfunnet for å få levedyktige løsninger på noen av de mest utfordrende og grunnleggende vitenskapelige spørsmålene i verden.

Foreløpig fortsetter selskapet å utvikle teknologien sin, og det tar sikte på å utvide bruksevnen i nesten alle kritiske aspekter av menneskeheten, inkludert helse, spill og miljøvern.

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