颠覆世界的顶级 DeepMind 人工智能产品

当 DeepMind 在 2010 年推出时，人们对这个领域兴趣不大 人工智能 (AI) 与当今存在的兴趣水平相比。 为了加速新兴技术领域的发展，该团队采用了跨学科的方法。

他们将新想法与工程进步相结合， 机器学习、模拟和计算基础设施、神经科学、数学以及组织科学活动的新方法。

深度科技 是 Alphabet Inc. 的英国人工智能子公司。位于伦敦的研究实验室是 后天 2014 年由 Google 开发。该公司在法国、加拿大和美国设有研究中心。 第二年，它完全归Alphabet所有。

该公司与谷歌联手加速其工作，并继续制定其研究议程。 几个 DeepMind 程序已经学会了像世界顶级医生一样有效地诊断眼病，并节省了 30% 的能源，用于确保数据中心保持凉爽。 这些程序预测了蛋白质的复杂 3D 形状，这些形状可能会改变未来药物的发明方式。

该公司在计算机游戏方面取得了早期成功，研究人员通常使用它来测试人工智能。 其中一个程序学会了从头开始玩 49 种不同的 Atari 游戏，仅仅通过查看屏幕上的像素和分数。 AlphaGo 程序也是第一个击败职业围棋玩家的程序，这一壮举被描述为领先时代十年。

多年来，DeepMind 创建了一个 神经网络 学习如何像人类一样玩电子游戏，以及神经图灵机，或者像传统图灵机一样可以访问外部存储器的神经网络。 这一发展导致了一台模拟人脑近期记忆的计算机。

2016 年，DeepMind 的 AlphaGo 程序在一场 5 场比赛中击败了人类职业围棋世界冠军李世石后，成为了头条新闻，并成为纪录片的主题。

另一个通用程序 AlphaZero 在使用一些强化学习与自己对战几天后击败了最强大的国际象棋、围棋和将棋（日本象棋）程序。 2020 年，DeepMind 在蛋白质折叠问题上取得了长足的进步。

DeepMind 概述

Demis Hassabis、Shane Legg 和 Mustafa Suleyman 是这家蓬勃发展的公司的创始人。 Legg 和 Hassabis 第一次见面是在伦敦大学学院的盖茨比计算神经科学部门。

最初，该公司开始研究人工智能技术，教它玩几十年前的一些老游戏。

其中一些游戏包括 Space Invaders、Pong 和 Breakout。 开发人员在不了解其规则的情况下一次将人工智能引入一款游戏。 在这项技术花了一些时间学习游戏的运作方式后，人工智能将继续成为其中的专家：

“据说人工智能所经历的认知过程非常类似于从未见过游戏的人类理解并试图掌握它的过程。”

创始人的目标是创建一种通用人工智能，几乎可以有效和高效地用于任何事情。 Horizo​​ns Ventures 和 Founders Fund 是投资于该公司的一些主要风险投资公司。 此外，著名的企业家如 彼得·泰尔，斯科特班尼斯特，和 伊隆麝香 在公司早期投资。

26 年 2014 月 500 日，谷歌在获得剑桥计算机实验室“年度公司”奖项的同年以 2013 亿美元收购了 DeepMind。 在 Facebook 于 XNUMX 年结束与该公司的谈判之后，将其出售给谷歌。 之后，该公司更名为谷歌 DeepMind，并保持了两年的名称。

Royal Free NHS Trust 和 DeepMind 于 2015 年 XNUMX 月签署了他们的第一份信息共享协议 (ISA)，以创建 Streams，这是一款临床任务管理应用程序。 被谷歌收购后，该公司成立了一个人工智能伦理委员会进行研究，但两家公司都拒绝透露谁是董事会成员，这仍然是个谜。

该公司加入了 Facebook、亚马逊、微软、谷歌和 IBM 推出致力于社会-人工智能接口的“人工智能伙伴关系”。 DeepMind 开设了一个名为 DeepMind Ethics and Society 的新部门，主要关注人工智能技术引发的伦理和社会问题。 著名哲学家尼克·博斯特罗姆 (Nick Bostrom) 是“社会”的顾问。

DeepMind 产品和技术

该公司致力于整合系统神经科学和机器学习的最佳技术，以创建强大的通用学习算法。 2016 年， Google Research 发表了一篇关于人工智能安全以及如何在人工智能过程中避免不良行为的论文。

2017 年，DeepMind 发布了 GridWorld，这是一个开源测试平台，用于评估算法是否学会禁用终止开关或表现出一些不良行为。 2018 年 XNUMX 月的某个时候，该公司的研究人员训练了其中一个系统来玩 Quake III Arena 电脑游戏。

截至去年，该公司已发表一千多篇论文，其中 13 篇被 Science 或 Nature 接受。 这里有一些 顶级 DeepMind 产品.

深度强化学习

与在有限空间内为预定义目的和功能而开发的其他 AI 不同，DeepMind 表示其系统没有预先编程。 该技术通过仅使用原始像素作为数据输入来从经验中学习。

它主要使用在卷积神经网络上运行的深度学习，使用新型 Q-learning。 Q-learning 是一种无模型强化学习。 该技术在视频游戏上测试系统，包括早期 街机游戏 像突围和太空侵略者。

然后，在不更改代码的情况下，AI 系统开始了解如何玩游戏，并且在玩了几个会话后，它比任何人都玩得更有效率。 早在 2013 年，DeepMind 就发布了对可以在各种游戏中超越人类能力的 AI 系统的深入研究，导致其被谷歌收购。

去年，该公司发布了 Agent57 和人工智能 Agent，在 Atari57 套件的所有 2600 款游戏中都超过了人类水平。

AlphaGo 和继任者

2014 年，该公司发表了关于具有下围棋能力的计算机系统的研究。 2015年XNUMX月晚些时候，该公司开发的计算机围棋程序AlphaGo以XNUMX比XNUMX击败欧洲围棋冠军范慧。 那是人工智能程序第一次击败职业围棋选手。

2016 年 4 月，AlphaGo 以 1-2017 的比分击败了全球排名最高的棋手之一李世石。 在 3 未来围棋峰会上，AI 与当时世界排名第一的柯洁在 1 场比赛中获胜。 该系统使用了一种监督学习协议，研究了许多人类相互对抗的游戏。

改进的 AlphaGo Zero 版本击败了之前的 AlphaGo系统 100 年 0 对 2017。新版本的策略是自学的，它在三天内击败了前任，但处理能力不如 AlphaGo。 同年晚些时候，AlphaGo Zero 的改良版 AlphaZero 在将棋和国际象棋方面获得了超人的能力。

所有这些版本的 DeepMind 人工智能系统都是通过自我游戏来学习游戏的。 AlphaGo 技术旨在使用深度强化学习方法，使其能够通过自我学习随着时间的推移不断改进。

该系统使用两个深度神经网络来评估移动概率和一个价值网络来评估位置。 该策略网络通过监督学习进行训练，然后通过策略梯度强化学习进行改进。 在这种情况下，价值网络学会了确定策略网络与自己进行博弈的赢家。

后来网络用了一个lookahead 蒙特卡洛树搜索 (MCTS) 使用策略网络来确定候选的高概率移动，因为价值网络同时评估了树的位置。 该系统正在使用强化学习，其中系统与自己进行了数百万次这样的游戏，旨在提高其获胜率。

值得注意的是，其简化的树搜索主要依靠其神经网络来评估位置和样本移动，而无需使用蒙特卡洛 rollouts。 有了这些增强功能，AlphaZero 系统需要比 AlphaGo 更少的计算能力，在四个专门的 AI 处理器上运行，称为 谷歌 TPU 而不是 AlphaGo 使用的 48。

AlphaFold

2016 年的某个时候，DeepMind 将其人工智能研发转向了科学中存在的最艰巨的挑战之一，即蛋白质折叠。 仅仅两年后，DeepMind 的 AlphaFold 被授予 在成功确定 13 种蛋白质中 25 种的最准确结构后，第 43 届蛋白质结构预测技术关键评估 (CASP) 奖杯。

哈萨比斯在接受《卫报》采访时评论道：

“这是一个灯塔项目，我们第一次在人力和资源方面对一个基本的、非常重要的、现实世界的科学问题进行重大投资。”

去年，在第 14 届 CASP 期间，AlphaFold 的预测获得了与实验室技术相当的准确度分数。 科学评审小组的一名成员 Andriy Kryshtafovych 博士说，这一成就“非常了不起”，并补充说预测蛋白质如何折叠的问题已经得到广泛解决。

其他著名的 DeepMind 产品

公司推出了一 文字转语音系统, WaveNet, 在 2016 年。起初，它的计算量太大，无法用于消费产品，但它在 2017 年底准备用于 Google Assistant 等应用程序。第二年，Google 推出了 Cloud Text-to-Speech，一个商业基于 WaveNet 的文本转语音产品。

2018 年晚些时候，DeepMind 开发了一种名为 WaveRNN 的高效模型，该模型使用 Google AI 共同开发，并于 2019 年向 Google Duo 用户推出。

谷歌表示，DeepMind 算法极大地提高了其大部分数据中心的冷却效率。 此外，该技术有助于 Google Play的个性化应用推荐，并与 Android 团队合作创建了一对可用于 Android Pie 设备的功能。

新功能包括自适应亮度和自适应电池，它们使用机器学习来节省能源并使运行操作系统的设备更加用户友好。 那是 DeepMind 首次将这些技术小规模地与需要大量计算能力的普通机器学习应用程序集成。

该公司的哈勃望远镜使人们能够更深入地观察太空，可用的工具已经扩展了人类的知识，进而对全球产生了积极的影响。 DeepMind 的长期使命是解决智能问题，创建通用且有效的问题解决系统，称为通用人工智能 (AGI)。

完全以道德和安全为指导，该发明可能会被社会持有，以便为世界上一些最具挑战性和基础的科学问题提供可行的解决方案。

目前，该公司不断开发其技术，旨在扩大其在人类几乎所有关键方面的可用性，包括健康、游戏和环境保护。

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