De bästa DeepMind AI-produkterna som revolutionerar världen

När DeepMind lanserades 2010 fanns det lite intresse för artificiell intelligens (AI) jämfört med de intressenivåer som finns idag. För att påskynda det framväxande teknikfältet antog teamet ett tvärvetenskapligt synsätt.

De integrerade nya idéer med framsteg inom teknik, maskininlärning, simulerings- och datainfrastruktur, neurovetenskap, matematik och nya metoder för att organisera vetenskapliga strävanden.

DeepMind Technologies är ett brittiskt dotterbolag till Alphabet Inc. Det London-baserade forskningslaboratoriet var förvärvade av Google 2014. Detta företag har forskningscentra i Frankrike, Kanada och USA. Nästa år blev det helt ägt av Alphabet.

Företaget slog sig samman med Google för att påskynda sitt arbete och fortsatte att sätta sin forskningsagenda. Flera av DeepMind-programmen har lärt sig att diagnostisera ögonsjukdomar lika effektivt som världens bästa läkare och spara 30% av den energi som används för att säkerställa att datacenter förblir svala. Programmen förutsäger de komplexa 3D-formerna av proteiner som kan förändra hur läkemedel uppfinns i framtiden.

Företaget uppnådde tidig framgång i dataspel med forskare som normalt använder det för att testa AI. Ett av programmen lärde sig spela 49 olika Atari-spel från grunden, bara genom att se pixlar och poäng på skärmen. AlphaGo-programmet var också det första som slog en professionell Go-spelare, en bedrift som beskrivs som ett decennium före sin tid.

Under åren skapade DeepMind en neurala nätverk som lär sig att spela videospel som människor, och en Neural Turing-maskin, eller ett neuralt nätverk som kan komma åt ett externt minne precis som den konventionella Turing-maskinen. Utvecklingen resulterade i en dator som efterliknar den mänskliga hjärnans kortvariga minne.

2016 gjorde DeepMind rubriker efter att AlphaGo-programmet lyckades slå en mänsklig professionell Go-spelare Lee Sedol, världsmästaren, i en 5-matchsmatch, som blev föremål för en dokumentärfilm.

Ett annat allmänt program, AlphaZero, slog de kraftfullaste programmen som spelar schack, Go och Shogi (japanskt schack) efter flera dagars spel mot sig själv med hjälp av förstärkt lärande. 2020 gjorde DeepMind betydande framsteg när det gäller proteinvikningsproblemet.

DeepMind Översikt

Demis Hassabis, Shane Legg och Mustafa Suleyman är grundarna av detta blomstrande företag. Legg och Hassabis träffades först vid University College London Gatsby Computational Neuroscience Unit.

Ursprungligen började företaget arbeta med artificiell intelligens som lärde det att spela några gamla spel från årtionden tidigare.

Några av spelen inkluderade Space Invaders, Pong och Breakout. Utvecklarna introducerade artificiell intelligens för ett spel i taget utan att ha någon tidigare kunskap om dess regler. Efter att tekniken spenderat lite tid på att lära sig hur spelet fungerar skulle AI sedan bli expert på det:

"De kognitiva processerna som AI genomgår sägs vara mycket som de en människa som aldrig hade sett spelet skulle använda för att förstå och försöka behärska det."

Grundarna syftade till att skapa en konstgjord intelligens för allmänt ändamål som kan användas effektivt och effektivt för nästan vad som helst. Horizons Ventures and Founders Fund är några av de viktigaste satsningarna som investerade i företaget. Även anmärkningsvärda företagare gillar Peter Thiel, Scott Banister och Elon Musk investerat i företaget under de tidiga dagarna.

Den 26 januari 2014 förvärvade Google DeepMind för 500 miljoner dollar samma år när det fick Cambridge Computer Laboratory ”Årets företag”. Försäljningen till Google kom efter att Facebook avslutade sina förhandlingar med företaget 2013. Därefter ommärktes företaget som Google DeepMind och behöll namnet i två år.

Royal Free NHS Trust och DeepMind undertecknade sitt första informationsdelningsavtal (ISA) i september 2015 för att skapa Streams, en klinisk uppgiftshanteringsapp. Efter förvärvet av Google inrättade företaget en AI-styrelse för forskning men det är fortfarande ett mysterium med båda företagen som avböjer att säga vem som sitter i styrelsen.

Företaget gick med i Facebook, Amazon, Microsoft, Google och IBM att starta 'Partnership on AI' som ägnas åt samhället och AI-gränssnittet. DeepMind har öppnat en ny enhet känd som DeepMind Ethics and Society som huvudsakligen fokuserar på de etiska och samhälleliga frågor som tas upp av AI-teknik. Den framstående filosofen, Nick Bostrom, är en rådgivare för "Society".

DeepMind -produkter och -teknologier

Företaget strävar efter att integrera de bästa teknikerna från systemneurovetenskap och maskininlärning för att skapa en kraftfull generell inlärningsalgoritm. 2016, Google Research publicerade en uppsats om AI-säkerhet och hur man undviker oönskat beteende under artificiell intelligensprocess.

Under 2017 släppte DeepMind GridWorld, som är en testkälla för öppen källkod för att utvärdera om en algoritm lär sig att inaktivera dödsbrytaren eller uppvisar några oönskade beteenden. Någon gång i juli 2018 utbildade forskarna vid företaget ett av dess system för att spela datorspelet Quake III Arena.

Från och med förra året hade företaget publicerat mer än tusen artiklar, varav 13 av dessa artiklar accepterades av Science eller Nature. Här är några av de top DeepMind produkter.

Deep Armering Learning

Till skillnad från andra AI som utvecklats för fördefinierade ändamål och fungerar inom ett begränsat utrymme, säger DeepMind att dess system inte är förprogrammerat. Tekniken lär sig av erfarenhet genom att bara använda råa pixlar som dataingång.

Den använder mestadels djupinlärning som körs i ett fackligt neuralt nätverk med hjälp av en ny typ av Q-lärande. Q-learning är en typ av modellfritt förstärkningslärande. Tekniken testar systemet på videospel, inklusive tidigt arkadspel som Breakout och Space Invaders.

Sedan, utan att ändra koden, börjar AI-systemet förstå hur man spelar spelet och efter att ha spelat några sessioner spelar det mer effektivt än någon människa. Tillbaka 2013 publicerade DeepMind fördjupad forskning om ett AI-system som kan överträffa mänskliga förmågor i olika spel, vilket leder till att Google förvärvar det.

Förra året släppte företaget ut Agent57 och Agent för artificiell intelligens som överträffar mänsklig prestanda på alla 57-spelen i Atari2600-sviten.

AlphaGo och efterträdare

År 2014 publicerade företaget forskning om datorsystem med förmågan att spela Go-spelet. Senare i oktober 2015 slog AlphaGo, ett dator Go-program, utvecklat av företaget den europeiska Go-mästaren Fan Hui, fem till noll. Det var första gången när ett AI-program besegrade en professionell Go-spelare.

I mars 2016 slog AlphaGo Lee Sedol, en av världens högst rankade spelare, med en poäng på 4-1. Under Future of Go Summit 2017 vann AI en 3-matchsmatch med världens nummer 1 vid den tiden, Ke Jie. Systemet använde ett övervakat inlärningsprotokoll och studerade många spel som spelades av människor mot varandra.

Den förbättrade AlphaGo Zero-versionen besegrade den föregående AlphaGo-systemet 100 spel till 0 under 2017. Den nyare versionens strategier var självlärda och den slog sin föregångare inom tre dagar med mindre processorkraft än AlphaGo. Senare på året, en modifierad version av AlphaGo Zero, fick AlphaZero övermänskliga förmågor vid shogi och schack.

Alla dessa versioner av DeepMinds system för artificiell intelligens lärde sig bara spela genom självspel. AlphaGo-tekniken designades för att använda den djupa förstärkningsinlärningsmetoden som gör att den kan förbättras över tid genom självlärning.

Systemet använde två djupa neurala nätverk som gjorde det möjligt att utvärdera rörelsesannolikheter och ett värdenätverk för att bedöma positioner. Detta policynätverk utbildades genom övervakat lärande och förfinades sedan genom inlärning av policygradientförstärkning. I det sammanhanget lärde sig värdenätverket att bestämma vinnarna av de spel som spelnätverket spelade mot sig själv.

Senare använde nätverket en lookahead Monte Carlo trädsökning (MCTS) som använde ett policynätverk för att bestämma kandidatens höga sannolikhetsrörelser eftersom värdenätverket samtidigt utvärderade trädpositioner. Systemet använde förstärkningsinlärning där systemet spelade miljontals av dessa spel mot sig själv och syftade till att öka vinstraten.

I synnerhet är dess förenklade trädsökning huvudsakligen beroende av dess neurala nätverk för att utvärdera positionerna och provrörelser utan att använda Monte Carlo-utbyggnaderna. Med dessa förbättringar behövde AlphaZero-systemet mindre datorkraft än AlphaGo, som drivs på fyra specialiserade AI-processorer som kallas Googles TPU: er istället för de 48 som används av AlphaGo.

AlphaFold

Någon gång 2016 vände DeepMind sin forskning och utveckling av artificiell intelligens till en av de tuffaste utmaningarna som finns inom vetenskapen, proteinvikning. Knappt två år senare, DeepMinds AlphaFold tilldelades den 13: e kritiska bedömningen av tekniker för proteinstrukturprediktion (CASP) trofé efter att den framgångsrikt bestämt den mest exakta strukturen för 25 av 43 proteiner.

Hassabis kommenterade i en intervju med The Guardian:

"Detta är ett fyrprojekt, vår första stora investering i termer av människor och resurser i ett grundläggande, mycket viktigt, verkligt vetenskapligt problem."

Förra året, under 14: e CASP, fick AlphaFolds prognoser en noggrannhetspoäng som kan jämföras med labtekniker. En medlem av panelen med vetenskapliga domare, Dr. Andriy Kryshtafovych, sade att prestationen var 'verkligt anmärkningsvärd och tillade att problemet med att förutsäga hur proteinerna vikts hade lösts i stor utsträckning.

Andra anmärkningsvärda DeepMind-produkter

Företaget introducerade en text-till-tal-system, WaveNet, 2016. Till en början var det för beräkningsintensivt för användning i konsumentprodukter men det blev klart för användning i applikationer som Google Assistant i slutet av 2017. Nästa år presenterade Google Cloud Text-to-Speech, en kommersiell text-till-tal-produkt, baserat på WaveNet.

Senare 2018 utvecklade DeepMind en mycket effektiv modell som kallades WaveRNN samutvecklad med hjälp av Google AI som rullades ut till Google Duo-användare 2019.

Google säger att DeepMind-algoritmerna har ökat effektiviteten för att kyla de flesta av sina datacenter. Dessutom hjälper tekniken Google Playpersonliga apprekommendationer och samarbetade med Android-teamet för att skapa ett par funktioner som görs tillgängliga för Android Pie-enheter.

De nya funktionerna inkluderar Adaptive Brightness och Adaptive Battery som använder maskininlärning för att spara energi och göra enheter som kör operativsystemet mer användarvänliga. Det var första gången som DeepMind integrerade dessa tekniker i liten skala med de vanliga maskininlärningsapplikationerna som behövde mycket datorkraft.

Företagets Hubble-teleskop gjorde det möjligt för människor att se djupare in i rymden, med tillgängliga verktyg som redan utvidgar mänsklig kunskap och i sin tur får en positiv global inverkan. DeepMinds långsiktiga uppdrag är att lösa intelligens, skapa generaliserade och effektiva problemlösningssystem, kallad artificiell allmän intelligens (AGI).

Hela styrningen av etik och säkerhet kan uppfinningen hållas samhället för att få hållbara lösningar på några av de mest utmanande och grundläggande vetenskapliga frågorna i världen.

För närvarande fortsätter företaget att utveckla sin teknik och det strävar efter att utöka användbarheten i nästan alla kritiska aspekter av mänskligheten inklusive hälsa, spel och miljöskydd.

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