Najlepsze produkty DeepMind AI rewolucjonizujące świat

Kiedy DeepMind wystartował w 2010 roku, zainteresowanie dziedziną sztuczna inteligencja (AI) w porównaniu z obecnymi poziomami zainteresowania. Aby przyspieszyć rozwój rodzącej się dziedziny technologii, zespół przyjął podejście interdyscyplinarne.

Zintegrowali nowe pomysły z postępami w inżynierii, uczenie maszynowe, infrastrukturę symulacyjną i obliczeniową, neuronaukę, matematykę i nowe metody organizowania przedsięwzięć naukowych.

Technologie DeepMind to brytyjska spółka zależna Alphabet Inc. zajmująca się sztuczną inteligencją. Laboratorium badawcze z siedzibą w Londynie było nabyty przez Google w 2014 roku. Ta firma ma centra badawcze we Francji, Kanadzie i Stanach Zjednoczonych. W następnym roku stał się w całości własnością firmy Alphabet.

Firma połączyła siły z Google w celu przyspieszenia prac i kontynuowała ustalanie programu badawczego. Kilka programów DeepMind nauczyło się diagnozować choroby oczu tak skutecznie, jak najlepsi lekarze na świecie i oszczędzać 30% energii wykorzystywanej do zapewnienia chłodu w centrach danych. Programy przewidują złożone trójwymiarowe kształty białek, które mogą zmienić sposób wynajdywania leków w przyszłości.

Firma odniosła wczesny sukces w grach komputerowych, a naukowcy zwykle używali jej do testowania sztucznej inteligencji. Jeden z programów nauczył się grać w 49 różnych gier Atari od podstaw, po prostu patrząc na piksele i wyniki na ekranie. Program AlphaGo był również pierwszym, który pokonał profesjonalnego gracza Go, co jest wyczynem, który jest określany jako wyprzedzający swoje czasy o dekadę.

Przez lata DeepMind stworzył sieci neuronowe który uczy się grać w gry wideo, takie jak ludzie, i Neural maszyna Turinga lub sieć neuronowa, która może uzyskać dostęp do pamięci zewnętrznej, tak jak konwencjonalna maszyna Turinga. W wyniku rozwoju powstał komputer, który naśladuje pamięć krótkotrwałą ludzkiego mózgu.

W 2016 roku DeepMind trafił na nagłówki gazet po tym, jak jego program AlphaGo pokonał profesjonalnego gracza Go Lee Sedola, mistrza świata, w 5-meczowym meczu, który stał się tematem filmu dokumentalnego.

Inny ogólny program, AlphaZero, pokonał najpotężniejsze programy grające w szachy, Go i Shogi (japońskie szachy) po kilku dniach grania przeciwko sobie przy użyciu uczenia się przez wzmocnienie. W 2020 roku DeepMind poczynił znaczne postępy w problemie fałdowania białek.

Przegląd DeepMind

Demis Hassabis, Shane Legg i Mustafa Suleyman są założycielami tej prężnie rozwijającej się firmy. Legg i Hassabis spotkali się po raz pierwszy w jednostce Gatsby Computational Neuroscience Unit w University College London.

Początkowo firma zaczęła pracować nad technologią sztucznej inteligencji, ucząc ją grać w stare gry sprzed dekad.

Niektóre z gier zawierały Space Invaders, Pong i Breakout. Twórcy wprowadzali sztuczną inteligencję do jednej gry na raz, nie znając wcześniej jej zasad. Po tym, jak technologia spędziła trochę czasu na nauce działania gry, sztuczna inteligencja stała się w niej ekspertem:

„Procesy poznawcze, przez które przechodzi sztuczna inteligencja, są bardzo podobne do tych, których człowiek, który nigdy nie widział gry, wykorzystałby do zrozumienia i próby jej opanowania”.

Założyciele postanowili stworzyć sztuczną inteligencję ogólnego przeznaczenia, która może być skutecznie i wydajnie wykorzystywana do prawie wszystkiego. Horizons Ventures i Founders Fund to jedne z głównych przedsięwzięć, które zainwestowały w spółkę. Również znani przedsiębiorcy lubią Peter Thiel, Scott Banister i Elon Musk zainwestował w firmę w jej początkach.

26 stycznia 2014 r. Google nabył DeepMind za 500 milionów dolarów w tym samym roku, w którym otrzymał nagrodę „Firma roku” Cambridge Computer Laboratory. Sprzedaż firmie Google nastąpiła po tym, jak Facebook zakończył negocjacje z firmą w 2013 roku. Następnie firma została przemianowana na Google DeepMind i utrzymała nazwę przez dwa lata.

Royal Free NHS Trust i DeepMind podpisały swoją pierwszą umowę o udostępnianiu informacji (ISA) we wrześniu 2015 r., aby stworzyć Streams, aplikację do zarządzania zadaniami klinicznymi. Po przejęciu przez Google firma ustanowiła radę etyki AI do badań, ale pozostaje tajemnicą, ponieważ obie firmy odmawiają podania, kto zasiada w radzie.

Firma dołączyła do Facebooka, Amazona, Microsoftu, Google i IBM uruchomienie „Partnerstwa w zakresie sztucznej inteligencji” poświęconego interfejsowi społeczeństwo-AI. DeepMind otworzył nową jednostkę znaną jako DeepMind Ethics and Society, skupiającą się głównie na kwestiach etycznych i społecznych, które są podnoszone przez technologię AI. Wybitny filozof Nick Bostrom jest doradcą „Stowarzyszenia”.

Produkty i technologie DeepMind

Firma stara się zintegrować najlepsze techniki z neuronauki systemowej i uczenia maszynowego, aby stworzyć potężny algorytm uczenia ogólnego przeznaczenia. W 2016 roku Google Research opublikował artykuł o bezpieczeństwie AI i sposobach unikania niepożądanych zachowań podczas procesu sztucznej inteligencji.

W 2017 roku DeepMind wypuścił GridWorld, platformę testową typu open source do oceny, czy algorytm uczy się wyłączać wyłącznik awaryjny, czy też wykazuje pewne niepożądane zachowania. W lipcu 2018 r. naukowcy z firmy przeszkolili jeden z jej systemów do grania w grę komputerową Quake III Arena.

Do zeszłego roku firma opublikowała ponad tysiąc artykułów, z których 13 zostało zaakceptowanych przez Science lub Nature. Oto niektóre z topowe produkty DeepMind.

Uczenie się o głębokim wzmocnieniu

W przeciwieństwie do innych AI, które zostały opracowane do określonych celów i działają w ograniczonej przestrzeni, DeepMind twierdzi, że jego system nie jest wstępnie zaprogramowany. Technologia uczy się z doświadczenia, wykorzystując jako dane wejściowe tylko surowe piksele.

Najczęściej wykorzystuje głębokie uczenie działające w splotowej sieci neuronowej przy użyciu nowatorskiego typu Q-learningu. Q-learning to rodzaj uczenia się ze wzmocnieniem bez modelu. Technologia testuje system na grach wideo, w tym na wczesnych gry zręcznościowe jak Breakout i Space Invaders.

Następnie, bez zmiany kodu, system AI zaczyna rozumieć, jak grać w grę i po rozegraniu kilku sesji gra wydajniej niż jakikolwiek człowiek. W 2013 roku DeepMind opublikował dogłębne badania nad systemem AI, który może przewyższyć ludzkie możliwości w różnych grach, co doprowadziło do jego przejęcia przez Google.

W zeszłym roku firma wypuściła Agenta57 i agenta sztucznej inteligencji, który przewyższa wydajność na poziomie ludzkim we wszystkich 57 grach pakietu Atari2600.

AlphaGo i następcy

W 2014 roku firma opublikowała badania dotyczące systemów komputerowych z możliwością grania w grę Go. Później, w październiku 2015 r., AlphaGo, komputerowy program Go, opracowany przez firmę, pokonał mistrza Europy w Go, Fan Hui, pięć do zera. To był pierwszy raz, kiedy program AI pokonał profesjonalnego gracza Go.

W marcu 2016 AlphaGo pokonało Lee Sedola, jednego z najwyżej notowanych graczy na świecie, z wynikiem 4-1. Podczas Future of Go Summit 2017 sztuczna inteligencja wygrała 3-meczowy mecz z ówczesnym numerem 1 na świecie, Ke Jie. System wykorzystywał nadzorowany protokół uczenia się, badając wiele gier rozgrywanych przez ludzi przeciwko sobie nawzajem.

Ulepszona wersja AlphaGo Zero pokonała poprzednią System AlphaGo 100 gier do zera w 0 roku. Strategie nowszej wersji były samoukami i pokonały poprzednika w ciągu trzech dni przy mniejszej mocy obliczeniowej niż AlphaGo. Później w tym samym roku, zmodyfikowana wersja AlphaGo Zero, AlphaZero zyskała nadludzkie zdolności w shogi i szachach.

Wszystkie te wersje systemów sztucznej inteligencji DeepMind nauczyły się grać tylko poprzez samodzielną zabawę. Technologia AlphaGo została zaprojektowana z myślą o wykorzystaniu podejścia opartego na głębokim wzmocnieniu, co pozwala na jego ulepszanie w czasie poprzez samouczenie się.

W systemie wykorzystano dwie głębokie sieci neuronowe umożliwiające ocenę prawdopodobieństwa przemieszczenia oraz sieć wartości do oceny pozycji. Ta sieć polityki została przeszkolona poprzez nadzorowane uczenie się, a następnie została udoskonalona poprzez uczenie się ze wzmocnieniem gradientowym. W tym kontekście sieć wartości nauczyła się określać zwycięzców gier rozgrywanych przez sieć polityczną przeciwko sobie.

Później sieć korzystała z lookahead Wyszukiwanie drzew w Monte Carlo (MCTS), który wykorzystał sieć polityk do określenia potencjalnych ruchów o wysokim prawdopodobieństwie, gdy sieć wartości jednocześnie oceniała pozycje drzewa. System wykorzystywał uczenie się przez wzmacnianie, gdzie system rozegrał miliony tych gier przeciwko sobie, aby zwiększyć swój współczynnik wygranych.

Warto zauważyć, że uproszczone wyszukiwanie w drzewie opiera się głównie na sieci neuronowej do oceny pozycji i przykładowych ruchów bez użycia rolloutów Monte Carlo. Dzięki tym ulepszeniom system AlphaZero potrzebował mniej mocy obliczeniowej niż AlphaGo, działając na czterech wyspecjalizowanych procesorach AI znanych jako Google TPU zamiast 48 używanych przez AlphaGo.

AlfaFold

W 2016 roku DeepMind przekształcił swoje badania i rozwój sztucznej inteligencji w jedno z najtrudniejszych wyzwań istniejących w nauce, czyli fałdowanie białek. Zaledwie dwa lata później AlphaFold firmy DeepMind Został nagrodzony 13th Critical Assessment of Techniques for Protein Structure Prediction (CASP) po pomyślnym ustaleniu najdokładniejszej struktury dla 25 z 43 białek.

Hassabis skomentował w wywiadzie dla The Guardian:

„To projekt latarni morskiej, nasza pierwsza poważna inwestycja pod względem ludzi i zasobów w fundamentalny, bardzo ważny, rzeczywisty problem naukowy”.

W zeszłym roku, podczas 14. CASP, prognozy AlphaFold uzyskały wynik dokładności porównywalny z technikami laboratoryjnymi. Jeden z członków panelu arbitrów naukowych, dr Andrij Kryshtafovych, powiedział, że osiągnięcie było „naprawdę niezwykłe i dodał, że problem przewidywania, jak białka fałdują się, został szeroko rozwiązany.

Inne godne uwagi produkty DeepMind

Firma wprowadziła system zamiany tekstu na mowę, WaveNet, w 2016 r. Początkowo był zbyt intensywny obliczeniowo do wykorzystania w produktach konsumenckich, ale stał się gotowy do użycia w aplikacjach takich jak Google Assistant pod koniec 2017 r. W następnym roku Google zaprezentował Cloud Text-to-Speech, reklamę produkt zamiany tekstu na mowę, oparty na WaveNet.

Później w 2018 r. DeepMind opracował wysoce wydajny model znany jako WaveRNN, opracowany wspólnie przy użyciu sztucznej inteligencji Google, który został udostępniony użytkownikom Google Duo w 2019 r.

Google twierdzi, że algorytmy DeepMind znacznie zwiększyły wydajność chłodzenia większości jego centrów danych. Ponadto technologia pomaga Google playspersonalizowanych rekomendacji aplikacji i współpracował z zespołem Androida, aby stworzyć parę funkcji dostępnych na urządzeniach z Androidem Pie.

Nowe funkcje obejmują Adaptive Brightness i Adaptive Battery, które wykorzystują uczenie maszynowe do oszczędzania energii i sprawiają, że urządzenia z systemem operacyjnym są bardziej przyjazne dla użytkownika. Po raz pierwszy DeepMind zintegrował te techniki na małą skalę z normalnymi aplikacjami do uczenia maszynowego, które wymagają dużej mocy obliczeniowej.

Teleskop Hubble'a firmy umożliwił ludziom głębsze spojrzenie w kosmos, a dostępne narzędzia już poszerzają ludzką wiedzę, a tym samym wywierają pozytywny wpływ na cały świat. Długoterminową misją DeepMind jest rozwiązywanie inteligencji, tworzenie uogólnionych i skutecznych systemów rozwiązywania problemów, nazywanych sztuczną ogólną inteligencją (AGI).

Całkowicie kierując się etyką i bezpieczeństwem, wynalazek może zostać wykorzystany w społeczeństwie, aby uzyskać realne rozwiązania niektórych z najtrudniejszych i fundamentalnych problemów naukowych na świecie. .

Na razie firma stale rozwija swoją technologię i dąży do rozszerzenia jej użyteczności w prawie wszystkich kluczowych aspektach ludzkości, w tym w zdrowiu, grach i ochronie środowiska.

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