Google DeepMind , ранее DeepMind Technologies , — британская компания, занимающаяся искусственным интеллектом . Основана в 2010 году в Лондоне под названием DeepMind Technologies. В 2014 году была приобретена Google .

Компания получила известность благодаря разработке компьютерной системы AlphaGo , победившей профессионального игрока в го . DeepMind создала нейронную сеть , способную научиться играть в видеоигры на уровне человека . В 2020 году компания разработала программу AlphaFold2, позволяющую решать одну из фундаментальных проблем биологической науки по построению трёхмерных моделей белков .

В 2022 году компания разработала нейросетевой алгоритм , при помощи которого были найдены несколько новых алгоритмов перемножения матриц небольших размерностей. Так для матриц 4X4 алгоритм Штрассена требует 49 умножений, а AlphaTensor нашёл алгоритм, требующий 47 умножений, но работает он только для поля .

В апреле 2023 года компания объединилась с подразделением Google Brain и стала Google DeepMind .

История

В 2010 году Демис Хассабис , , основали стартап DeepMind Technologies . До того Хассабис и Легг уже были знакомы по Университетскому Колледжу Лондона , где работали в подразделении вычислительной нейробиологии Gatsby (Gatsby Computational Neuroscience Unit,) .

В компанию вложились большие венчурные фонды , , а также предприниматели и Илон Маск . был одним из ранних инвесторов и советников компании .

В 2014 DeepMind получила награду «Компания года» от Компьютерной лаборатории Кембриджского университета .

26 января 2014 года Google объявил о приобретении DeepMind Technologies . По разным сообщениям сумма сделки составила от 400 до 650 миллионов долларов . Сообщается, что сделка состоялась после того, как Facebook прекратил переговоры о покупке DeepMind Technologies в 2013 году . Одним из условий сделки DeepMind с Google было создание последней коллегии по этическим проблемам искусственного интеллекта .

После покупки Google компания стала называться Google DeepMind.

В начале сентября 2016 года компания перешла в родительскую компанию Google — Alphabet , а из её названия исчезло упоминание Google, теперь она известна как DeepMind Technologies Limited или же DeepMind. Также веб-сайт компании сменил дизайн.

В апреле 2023 года DeepMind объединилась с подразделением Google Brain и образовала Google DeepMind в рамках продолжающихся усилий компании по ускорению работы над ИИ .

Направление исследований

Цель компании — «решить проблему интеллекта» . Для этого они используют «лучшие технологии, начиная от машинного обучения и заканчивая системной психофизиологией , чтобы создать в итоге обучающиеся алгоритмы общего назначения» . Также они работают над формализацией интеллекта для того, чтобы не только реализовать его в машинах, но и чтобы понять, как работает мозг человека. По словам Демиса Хассабиса :

Решение проблемы интеллекта DeepMind видит в создании универсальных самообучающихся интеллектуальных агентов , которые были бы способны автономно обучаться на необработанных входных данных и были бы пригодны для решения любых задач в отличие от «ограниченных ИИ », таких как Deep Blue или IBM Watson , решающих только одну предопределённую задачу. В качестве основного подхода к построению интеллектуальных агентов выбрано обучение с подкреплением .

В настоящий момент компания занимается исследованиями в области компьютерных систем, которые умеют играть в различные игры — от стратегических игр вроде го до компьютерных аркад . Шейн Легг утверждает, что искусственный интеллект сможет достичь уровня человека, «когда машина научится играть в широкий класс игр, используя только входной и выходной сигналы потока восприятия, и переносить понимание из игры в игру...» . Демис Хассабис объясняет фокус на играх, а не на более традиционной робототехнике , тем, что « роботы — дорогие, медленные и часто ломаются... исследователь отвлекается на починку механических деталей робота...» . Сообщается, что Google купил компанию именно после публикации исследования об ИИ , успешно играющего в семь различных Atari -игр (Pong, Breakout, Space Invaders, Seaquest, Beamrider, Enduro, Q*bert) .

В начале 2018 года исследователи из DeepMind обучили одну из своих систем играть в компьютерную игру Quake III Arena . Через некоторое время, потраченное на тренировки, по уровню игры эта система сначала догнала, а затем и перегнала людей, являющихся сильными игроками .

Нейронная машина Тьюринга

В 2014 году DeepMind опубликовал архитектуру гибридной нейронной сети , состоящую из рекуррентной нейросети и внешней памяти . Нейросеть использует внешнюю память для записи и последующего чтения информации так же, как это делает машина Тьюринга , по этой причине архитектуре дали название «Нейронная машина Тьюринга» (Neural Turing Machine). По замыслу исследователей Нейронная машина Тьюринга имитирует кратковременную память человека и позволяет понять принципы её работы. В экспериментах нейросеть успешно обучалась простым алгоритмам: копирование, сортировка, ассоциативная память.

Глубинное обучение с подкреплением в видеоиграх

DeepMind представил систему ИИ , которая способна обучиться играть в классические игры 70-80-х гг. для игровой консоли Atari 2600 . В исследовании ИИ обучался игре в 49 видеоигр. В результате был достигнут уровень игры сравнимый с уровнем человека, а в 22 играх система смогла превзойти человека. ИИ DeepMind не запрограммирован жестко под конкретную игру. В начале обучения система ничего не знает о правилах игры и учится играть самостоятельно, используя на входе только пиксельное изображение игры и информацию об очках, получаемых в ходе игры.

В основе ИИ лежит подход, который DeepMind называет глубинным обучением с подкреплением, или deep Q-network (DQN) . Это вариация обучения с подкреплением без модели с применением Q-обучения , в котором функция полезности моделируется с помощью глубинной нейронной сети . В качестве архитектуры нейросети выбрана свёрточная нейронная сеть , в настоящее время эта архитектура эффективно применяется для распознавания изображений .

В планах DeepMind научить ИИ, построенного на тех же принципах, играть в более сложные 3D игры 90-ых, такие как Doom и гоночные симуляторы . В феврале 2016 были представлены первые результаты обучения ИИ 3D играм . ИИ смог обучиться управлению машиной в 3D гоночном симуляторе TORCS , поиску выхода и призов в Doom-подобном 3D лабиринте Labyrinth , выполнению простых задач ( локомоция , поддержание равновесия, манипуляция предметами) в физическом симуляторе MuJoCo () . Как и прежде на вход ИИ подавалось только пиксельное изображение «мира». Архитектура нейросети была расширена добавлением LSTM , разновидности рекуррентной нейронной сети .

AlphaStar

На ежегодном фестивале Blizzcon 2016 компания Blizzard , которая является инициатором данного мероприятия, объявила о своем сотрудничестве с компанией DeepMind. Затем об этом событии была опубликована статья на официальных блогах обеих компаний . Целью данного сотрудничества является внедрение и обучение ИИ в игре Starcraft II . По мнению разработчиков игры — Starcraft II является идеальной средой для обучения искусственного интеллекта, поскольку сложные правила игры достаточно отражают сложность и многогранность реального мира. К тому же, само коммьюнити считало эту игру самой большой проблемой для ИИ, сумевшего победить человека в игре в го, шахматы и покер .

В данный момент ведется работа над «Starcraft 2 API», которая позволяет ИИ полностью взаимодействовать с интерфейсом игры, принять участие в разработке может любой желающий, для таковых были опубликованы технические задачи , которые планируется реализовать в первом квартале 2017 года. Сам ИИ будет обучаться, просматривая повторы других игроков, которые принимали участие в рейтинговых играх.

На турнире 19 декабря 2018 года между AlphaStar и двумя профессиональными игроками, входящими в сотню сильнейших TLO и MaNa, AlphaStar выиграла со счётом 10:0. При этом MaNa удалось победить в одной внезачётной игре

24 января 2019 года была представлена программа AlphaStar, специализирующаяся на игре StarCraft II в жанре стратегии в реальном времени . AlphaStar сначала учило программу на записях игр людей, затем включило в «лигу AlphaStar», где ИИ играл не только против себя, но и «эксплуататорских» агентов, которые являлись версиями ИИ, специально нацеленными на слабые места AlphaStar и представлявших каждую из трёх рас . Обучение гарантировало, что AlphaStar станет грозным противником всех трёх рас и каждой игровой стратегии. На момент презентации у AlphaStar были знания, эквивалентные 200 годам игрового времени. . При этом разработчики пытались ограничить возможности ИИ, например ограничив число действий в минуту приравняв его к усредненному числу действий хорошего игрока (что не мешает программе показывать невозможные для людей результаты), из-за чего программа была вынуждена учиться выигрывать долгосрочной стратегией . Скорость реакции около 3 кадров от появления противника в зоне видимости до ответной реакции. Уменьшило размер зоны зрения ИИ до зоны зрения игрока.

К концу октября 2019 года ИИ стал гроссмейстером игры, сумев обойти 99,8 % зарегистрированных в Starcraft II игроков-людей. На это достижение AlphaStar понадобилось 44 дня тренировок. .

Игра в го

В октябре 2015 программа для игры в го AlphaGo , разработанная DeepMind, победила чемпиона Европы по го Фань Хуэя (2-ой дан ) со счётом 5—0 . О новости было объявлено только 27 января 2016 года одновременно с публикацией статьи в журнале Nature .

Это первый в истории случай, когда ИИ выиграл в го у профессионала , до AlphaGo все известные ИИ играли в го только на любительском уровне. Го считается игрой, в которую компьютеру выиграть достаточно тяжело (в сравнении с аналогичными играми, например, c шахматами) в виду большого количества вариантов ходов, из-за этого традиционный для ИИ метод перебора ходов практически неприменим . В марте 2016 года программа выиграла матч у одного из сильнейших гоистов мира Ли Седоля со счетом 4-1.

Другие направления

Публикации DeepMind затрагивают следующие темы : понимание естественного языка машинами , генерация изображений по шаблону с помощью нейронных сетей , распознавание речи , алгоритмы обучения нейронных сетей.

DeepMind Health

DeepMind Health — подразделение DeepMind, работающее в области искусственного интеллекта в медицине . О его открытии было объявлено 24 февраля 2016 года на веб-сайте компании. Подразделение возглавляет .

В своей работе DeepMind Health будет сотрудничать с Национальной службой здравоохранения Великобритании . DeepMind Health планирует предоставлять врачам техническую экспертизу для разработки и совершенствования технологий по уходу за пациентами. Особое внимание будет уделяться безопасности данных пациентов и конфиденциальности. Деятельность подразделения будет проверяться советом из независимых экспертов, в число которых входит (англ.) (, редактор авторитетного журнала по медицине The Lancet .

В настоящее время DeepMind Health работает над созданием электронных инструментов, упрощающих работу врача. Было представлено приложение для смартфона, позволяющее более точно диагностировать острую почечную недостаточность . Также DeepMind купил медицинское приложение, таск-менеджер для врачей. Команда врачей из Имперского колледжа Лондона , создавшая его, присоединяется к DeepMind Health. Сумма сделки не разглашается.

В декабре 2020 года команда DeepMind объявила о решении фундаментальной научной проблемы предсказания структуры белка. Программа, разработанная компанией и основанная на нейросетях, смогла предсказывать структуру белка с 90% точностью (что лучше современных методов сканирования). Это позволяет строить 3-мерные модели белков по кодирующей геномной последовательности, что имеет большое значение для разработки новых лекарств и понимания процессов биохимии в целом.

Сотрудничество с университетами

В 2014 году DeepMind начинает сотрудничество с Оксфордским университетом . DeepMind нанимает две передовые команды из Оксфорда, работающих в области искусственного интеллекта. Это команда ведущих экспертов мира по применению глубинного обучения в области понимания естественного языка машинами : профессора Нандо Де Фрейтас и Фил Блансом, доктора Эдвард Грефенстетт и Карл Мориц. И команда одних из ведущих экспертов мира в области машинного зрения : доктора Карэн Симоньян и Макс Яденберг, профессор Эндрю Зиссерман. В рамках сотрудничества факультет компьютерных наук и факультет инженерных наук получат существенное финансирование от Google. Также DeepMind планирует программу студенческих стажировок, чтение лекций и проведение семинаров для студентов.

С DeepMind работают учёные и из других университетов. Дэвид Сильвер, соавтор статьи о AlphaGo и еще многих публикаций DeepMind об обучении с подкреплением , читает лекции в Университетском Колледже Лондона . Некоторые публикации DeepMind написаны в соавторстве с учёными из следующих организаций : Торонтский университет , Монреальский университет , Австралийский национальный университет , Амстердамский университет , Калифорнийский университет в Беркли , INRIA .

Примечания