人工智能(AI)的子集已經成倍增長，并完成了只有人類才能完成的各種任務。像機器學習這樣的技術可以執(zhí)行管理任務、人臉識別、下棋，甚至翻譯語言。 

毫無疑問，人工智能到來的十年帶來了許多發(fā)展。此外，深度學習從非結構化數據中學習來編寫分析報告或執(zhí)行無人監(jiān)督的任務。

所有這些發(fā)展都為不同的公司發(fā)揮作用并證明他們的價值奠定了基礎。因此，很多像DeepMind這樣的公司成立了，來繼續(xù)發(fā)展這一領域。

你對其有哪些了解？今天就來看一下有關Google DeepMind的一切吧！

Google DeepMind的歷史

DeepMind Technologies于2010年在倫敦成立，但是4年后，Google收購了這家公司。它的所有權在2015年也發(fā)生了變化，因為它后來被Alphabet，Inc收購，從那以后，它一直是該公司的子公司。DeepMind最初是由Demis Hassabis，Mustafa Suleyman和Shane Legg創(chuàng)立的，他們都是人工智能的愛好者，有些人將他們視為深度學習的先驅者。 

自成立以來，DeepMind Technologies已經在美國、加拿大和法國開設了研究中心。自從2016年AlphaGo打敗世界圍棋冠軍Lee Sedol之后，開始得到許多人的認可。 

游戲被記錄下來，在人們看到這些之后，他們開始信任這家公司。除此之外，他們還開發(fā)了另一個名為AlphaZero的程序，可以下國際象棋、日本象棋并取得了最佳成績。

由于斯科特•班尼斯特(Scott Banister)和埃隆•馬斯克(Elon Musk)等人的加入，DeepMind得到了相當大的資金支持。這是他們從風險投資公司、維港投資(Horizons Ventures)和Founders Fund獲得的額外資本。

DeepMind的創(chuàng)始人向這些實體進行了可靠的介紹，這就是他們獲得資金的原因。如果你也有一個創(chuàng)新而有前途的想法，明智的做法是查詢最佳的音高板，創(chuàng)建一個高度專業(yè)且有效的演示文稿。

通用學習算法

DeepMind在通用學習算法方面非常有趣，它不僅可以改善這一領域，還將幫助人們更好地理解人類大腦。 

該公司已經開始通過開發(fā)能夠玩各種不同游戲的系統(tǒng)來實現這一目標。其中一位創(chuàng)始人提到，他們相信，當一個程序可以玩各種不同的游戲時，就可以達到人類水平的人工智能。 

他們的策略得到科學研究的支持，這些科學研究證明，像象棋這樣的游戲可以提高戰(zhàn)略思維能力。通過學習如何玩這些復雜的游戲，機器將獲得思考和采取戰(zhàn)略行動的能力。

DeepMind的通用學習算法讓機器可以通過游戲化學習，嘗試獲得類人的智力和行為。

盡管該公司對實現人類智能的機器學習非常感興趣，但它對使用這些技術的安全性也有客觀的看法。

為了避免機器災難，DeepMind開發(fā)了一個開源測試平臺，以確定在存在不良行為時，算法是否具有終止開關。這個開源測試平臺稱為GridWorld，它可確保AI對自身、開發(fā)人員和其他接觸到它的人都是安全無害的。

DeepMind 的深度強化學習

DeepMind通過實現一個完全不同的技術系統(tǒng)，將深度學習提升到了一個全新的水平。該系統(tǒng)稱為深度強化學習，與常規(guī)的人工智能系統(tǒng)不同，它是完全獨立的。 

例如，IBM Watson或Deep Blue是出于特定目的而開發(fā)的，并且被編程為僅以所需容量運行。

DeepMind的深度強化學習不是預先編程的，而是像人類一樣通過經驗學習。從本質上講，它基于卷積神經網絡進行深度學習，并將其與Q-learning進行匹配。隨后他們的系統(tǒng)在各種電子游戲上進行了測試，而不需要編寫關于如何玩這個游戲的指令。

每件事都由系統(tǒng)獨立完成的，它學習如何玩電子游戲，經過多次嘗試，它的玩法比任何人都要好。這個系統(tǒng)已經玩了各種游戲，并且比最擅長玩游戲的人掌握的還要好。 

深度強化學習消除了任何可能干擾游戲效率的人為錯誤。它不僅被用于游戲中，還被用于對醫(yī)療保健行業(yè)產生影響的各種不同的有用系統(tǒng)中。 

WaveNet 協(xié)作：為語言障礙者重新發(fā)聲

WaveNet協(xié)作是DeepMind促成的最卓越的醫(yī)療發(fā)展之一。有數百萬的人患有語言障礙，無法恢復原來的聲音。 

文本-語音轉換系統(tǒng)通常會產生機械或聽起來不自然的聲音。DeepMind與Google以及患有肌萎縮性脊髓側索硬化癥(ALS)的蒂姆·肖(Tim Shaw)等語言障礙人士合作。

目的是開發(fā)一種聽起來像患者自然聲音的系統(tǒng)，乍一看似乎是不可能完成任務。再現聲音需要個人閱讀特定腳本的數小時音頻記錄。

不幸的是，有語言障礙的人可能沒有這種奢侈，因為他們甚至不能輕易地組成一個句子。DeepMind研究了一種算法，該算法只需要少量的錄音即可重現聲音。

6個月后，WaveNet合作已經在Tim的聲音上發(fā)揮作用，并將其呈現給他和他的家人。結果使他們感到驚訝，因為這聽起來像是在ALS開始影響Tim的語音能力之前的聲音。你可以在YouTube上看到人們的反應，因為整個過程都被拍下來并上傳了。

對 Google 的其他貢獻

DeepMind已經參與了很多開發(fā)工作，其中很多是針對Google人工智能部門的。個性化的應用建議是絕大多數人每天使用的最受歡迎的應用之一。DeepMind的人工智能系統(tǒng)會收集你的偏好數據，然后推薦與你之前下載的應用程序類似的應用。 

他們進行的一個更復雜的項目是創(chuàng)建算法，用來冷卻數據中心中Google服務器的溫度。

DeepMind系統(tǒng)已經提高了這些冷卻系統(tǒng)的效率，而Google為該公司準備了更大的計劃。很快，使用Android Pie設備的用戶將擁有自適應亮度和電池等功能。

機器學習將通過調整亮度來適應當前的照明條件，從而幫助這些設備實現節(jié)能。

此外，它將使操作系統(tǒng)更容易使用，從而改善用戶體驗。

由于該項目的規(guī)模較小，所以創(chuàng)建這些系統(tǒng)會有些復雜。這種機器學習系統(tǒng)通常需要更大的計算能力才能成功運行。

重點

DeepMind在人工智能領域取得了巨大的進步，推出了許多有用的創(chuàng)新系統(tǒng)。它為谷歌的人工智能部門所做的貢獻是非常寶貴的，并且已經在全球范圍內得到了應用。

另一方面，DeepMind還與WaveNet等公司合作，為人們的生活增加價值。由于他們所使用的人工智能系統(tǒng)的特殊性，深度強化學習讓他們成為Google的首選公司。