Искусственный интеллект (ИИ) постоянно развивается и выполнянт различные задачи, которые раньше выполняли только люди. Такие технологии, как машинное обучение, освоили административные задачи, распознают лица, играют в шахматы и даже переводят языки. 

Кроме того, Deep Learning учится на неструктурированных данных для составления аналитических отчетов или выполнения задач, не контролируемых людьми. 

Все эти события создали условия для того, чтобы разные компании могли проявить себя. В результате такие компании, как DeepMind, были основаны для исследований и разработки в этой области. 

История Google DeepMind

DeepMind Technologies была основана в 2010 году в Лондоне, но через 4 года Google приобрел эту компанию. А в 2015 году DeepMind была приобретена компанией Alphabet Inc, и с тех пор она входит в семейство Google. DeepMind изначально была основана Демисом Хассабисом, Мустафой Сулейманом и Шейном Леггом, которые все являются инженерами ИИ, и некоторые считают их пионерами глубокого обучения. 

С момента основания DeepMind Technologies открыла исследовательские центры в США, Канаде и Франции.  Компания стала популярной в 2016 году после создания AlphaGo, в которой  искусственный интеллект победил чемпион мира по го Ли Седоля. 

Кроме того, они разработали еще одну программу под названием AlphaZero, которая играет в шахматы и сёги. 

DeepMind получила довольно значительную финансовую поддержку от инвестиций Скотта Банистера (член правления PayPal) и Элона Маска, а также от Horizons Ventures и Founders Fund .

Универсальные алгоритмы обучения

DeepMind славится алгоритмами обучения общего назначения, которые не только улучшают область искусственного интеллекта, но и помогают лучше понять человеческий мозг.

Компания сделала прорыв, разработав системы, которые могут играть в самые разные игры. Один из основателей упомянул, что они считают, что искусственный интеллект на уровне человека может быть достигнут тогда, когда программа может играть в разные игры.

Их стратегия основана на научных исследованиях, доказывающих, что такие игры, как шахматы, улучшают способности стратегического мышления. Благодаря тому, что машины учатся играть в эти сложные игры, они приобретут способность мыслить и действовать стратегически. 

Алгоритмы обучения DeepMind общего назначения позволяют машине учиться посредством геймификации, чтобы попытаться приобрести человеческий интеллект и поведение. 

Несмотря на то, что компания заинтересована в машинном обучении для достижения человеческого интеллекта, она также имеет объективный взгляд на безопасность использования этих технологий.

Чтобы избежать машинного апокалипсиса, DeepMind разработал тестовый проект с открытым исходным кодом, чтобы определить, есть ли в алгоритме переключатель уничтожения при нежелательном поведении. Проект называется GridWorld, и он гарантирует, что ИИ остается безопасным и безвредным для себя, разработчиков и других людей, подвергающихся его воздействию.

Глубокое обучение DeepMind

DeepMind поднял глубокое обучение на совершенно другой уровень, внедрив революционную технологическую систему. Эта система называется обучением с глубоким подкреплением, которое совершенно независимо от обычных систем ИИ.

Например, IBM Watson или Deep Blue был разработан с определенной целью и запрограммирован на  работу только в желаемой плоскости. 

Обучение глубокому подкреплению DeepMind не запрограммировано заранее, а учится с опытом, как любой человек. По сути, оно основывается на сверточной нейронной сети и соединяет ее с Q-обучением. Их системы затем тестируются на различных видеоиграх без запрограммированных инструкций. 

Система делает все независимо, она учится играть в видеоигры и, после нескольких попыток, играет лучше, чем любой человек. 

Обучение с глубоким подкреплением устраняет любые человеческие ошибки, которые могут повлиять на эффективность игрового процесса. Оно используется не только в играх, но и в различных полезных системах, которые оказали влияние на индустрию здравоохранения.

WaveNet Collaboration

Сотрудничество с WaveNet стало одним из самых значительных достижений в области здравоохранения, которому способствовал DeepMind. Есть миллионы людей, которые страдают от нарушения речи и не могут вернуть свой первоначальный голос.

Системы преобразования текста в речь часто производят роботизированные или неестественно звучащие голоса. DeepMind сотрудничал с Google и людьми с нарушениями речи.

Цель заключалась в разработке системы, которая звучит как естественный голос пациента, что может сначала показаться невыполнимой миссией. Воссоздание голоса требует нескольких часов аудиозаписей этого человека, читающего определенный сценарий.

К сожалению, люди с нарушениями речи могут не иметь такой роскоши. DeepMind разработал алгоритм, который требует лишь несколько аудиозаписей для воссоздания голоса.

Другие вклады в Google

DeepMind приложил много усилий, и многие из них были предназначены для отдела искусственного интеллекта Google. Одна из самых популярных разработок, что ежедневно использует большинство населения, являются персональные рекомендации приложений. Система AI DeepMind собирает данные о ваших предпочтениях, а затем рекомендует приложения, аналогичные тем, которые вы загружали ранее.

Более сложный проект, который они разработали, заключается в создании алгоритмов, которые охлаждают серверы Google в их центрах обработки данных. 

Системы DeepMind повысили эффективность этих систем охлаждения. Очень скоро у пользователей устройств на Android Pie появятся такие функции, как адаптивная яркость и заряд батареи. Машинное обучение поможет с энергосбережением на этих устройствах, адаптируя яркость к текущим условиям освещения. Кроме того, это сделает операционные системы в целом более простыми в использовании, улучшая пользовательский опыт.