deepmind终极算法（深度揭秘AI巨头之谷歌）

作者 | James Murphy

译者 | 天道酬勤 责编 | Carol

出品 | AI科技大本营（ID:rgznai100）

人工智能(AI)的子集已经成倍增长，并完成了只有人类才能完成的各种任务。像机器学习这样的技术可以执行管理任务、人脸识别、下棋，甚至翻译语言。

毫无疑问，人工智能到来的十年带来了许多发展。此外，深度学习从非结构化数据中学习来编写分析报告或执行无人监督的任务。

所有这些发展都为不同的公司发挥作用并证明他们的价值奠定了基础。因此，很多像DeepMind这样的公司成立了，来继续发展这一领域。

你对其有哪些了解？今天就来看一下有关Google DeepMind的一切吧！

Google DeepMind的历史

DeepMind Technologies于2010年在伦敦成立，但是4年后，Google收购了这家公司。它的所有权在2015年也发生了变化，因为它后来被Alphabet，Inc收购，从那以后，它一直是该公司的子公司。DeepMind最初是由Demis Hassabis，Mustafa Suleyman和Shane Legg创立的，他们都是人工智能的爱好者，有些人将他们视为深度学习的先驱者。

自成立以来，DeepMind Technologies已经在美国、加拿大和法国开设了研究中心。自从2016年AlphaGo打败世界围棋冠军Lee Sedol之后，开始得到许多人的认可。

游戏被记录下来，在人们看到这些之后，他们开始信任这家公司。除此之外，他们还开发了另一个名为AlphaZero的程序，可以下国际象棋、日本象棋并取得了最佳成绩。

由于斯科特•班尼斯特(Scott Banister)和埃隆•马斯克(Elon Musk)等人的加入，DeepMind得到了相当大的资金支持。这是他们从风险投资公司、维港投资(Horizons Ventures)和Founders Fund获得的额外资本。

DeepMind的创始人向这些实体进行了可靠的介绍，这就是他们获得资金的原因。如果你也有一个创新而有前途的想法，明智的做法是查询最佳的音高板，创建一个高度专业且有效的演示文稿。

通用学习算法

DeepMind在通用学习算法方面非常有趣，它不仅可以改善这一领域，还将帮助人们更好地理解人类大脑。

该公司已经开始通过开发能够玩各种不同游戏的系统来实现这一目标。其中一位创始人提到，他们相信，当一个程序可以玩各种不同的游戏时，就可以达到人类水平的人工智能。

他们的策略得到科学研究的支持，这些科学研究证明，像象棋这样的游戏可以提高战略思维能力。通过学习如何玩这些复杂的游戏，机器将获得思考和采取战略行动的能力。

DeepMind的通用学习算法让机器可以通过游戏化学习，尝试获得类人的智力和行为。

尽管该公司对实现人类智能的机器学习非常感兴趣，但它对使用这些技术的安全性也有客观的看法。

为了避免机器灾难，DeepMind开发了一个开源测试平台，以确定在存在不良行为时，算法是否具有终止开关。这个开源测试平台称为GridWorld，它可确保AI对自身、开发人员和其他接触到它的人都是安全无害的。

DeepMind 的深度强化学习

DeepMind通过实现一个完全不同的技术系统，将深度学习提升到了一个全新的水平。该系统称为深度强化学习，与常规的人工智能系统不同，它是完全独立的。

例如，IBM Watson或Deep Blue是出于特定目的而开发的，并且被编程为仅以所需容量运行。

DeepMind的深度强化学习不是预先编程的，而是像人类一样通过经验学习。从本质上讲，它基于卷积神经网络进行深度学习，并将其与Q-learning进行匹配。随后他们的系统在各种电子游戏上进行了测试，而不需要编写关于如何玩这个游戏的指令。

每件事都由系统独立完成的，它学习如何玩电子游戏，经过多次尝试，它的玩法比任何人都要好。这个系统已经玩了各种游戏，并且比最擅长玩游戏的人掌握的还要好。

深度强化学习消除了任何可能干扰游戏效率的人为错误。它不仅被用于游戏中，还被用于对医疗保健行业产生影响的各种不同的有用系统中。

WaveNet 协作：为语言障碍者重新发声

WaveNet协作是DeepMind促成的最卓越的医疗发展之一。有数百万的人患有语言障碍，无法恢复原来的声音。

文本-语音转换系统通常会产生机械或听起来不自然的声音。DeepMind与Google以及患有肌萎缩性脊髓侧索硬化症(ALS)的蒂姆·肖(Tim Shaw)等语言障碍人士合作。

目的是开发一种听起来像患者自然声音的系统，乍一看似乎是不可能完成任务。再现声音需要个人阅读特定脚本的数小时音频记录。

不幸的是，有语言障碍的人可能没有这种奢侈，因为他们甚至不能轻易地组成一个句子。DeepMind研究了一种算法，该算法只需要少量的录音即可重现声音。

6个月后，WaveNet合作已经在Tim的声音上发挥作用，并将其呈现给他和他的家人。结果使他们感到惊讶，因为这听起来像是在ALS开始影响Tim的语音能力之前的声音。你可以在YouTube上看到人们的反应，因为整个过程都被拍下来并上传了。

对 Google 的其他贡献

DeepMind已经参与了很多开发工作，其中很多是针对Google人工智能部门的。个性化的应用建议是绝大多数人每天使用的最受欢迎的应用之一。DeepMind的人工智能系统会收集你的偏好数据，然后推荐与你之前下载的应用程序类似的应用。

他们进行的一个更复杂的项目是创建算法，用来冷却数据中心中Google服务器的温度。

DeepMind系统已经提高了这些冷却系统的效率，而Google为该公司准备了更大的计划。很快，使用Android Pie设备的用户将拥有自适应亮度和电池等功能。

机器学习将通过调整亮度来适应当前的照明条件，从而帮助这些设备实现节能。

此外，它将使操作系统更容易使用，从而改善用户体验。

由于该项目的规模较小，所以创建这些系统会有些复杂。这种机器学习系统通常需要更大的计算能力才能成功运行。

重点

DeepMind在人工智能领域取得了巨大的进步，推出了许多有用的创新系统。它为谷歌的人工智能部门所做的贡献是非常宝贵的，并且已经在全球范围内得到了应用。

另一方面，DeepMind还与WaveNet等公司合作，为人们的生活增加价值。由于他们所使用的人工智能系统的特殊性，深度强化学习让他们成为Google的首选公司。

你期待 DeepMind 还能再做些什么？或看完这篇文章后，想再挖掘人工智能的哪些可能性？可以在评论区和我们一起讨论哦~

原文链接：

https://hackernoon.com/all-we-need-to-know-about-googles-deepmind-0u6532r9

☞平台抗住日访问量 7 亿次，研发品控流程全公开

☞深度干货！如何将深度学习训练性能提升数倍？

☞“手把手撕LeetCode题目，扒各种算法套路的裤子”

☞北京四环堵车引发的智能交通大构想

☞从Ngin到Pandownload，程序员如何避免面向监狱编程？

☞从Web1.0到Web3.0：详析这些年互联网的发展及未来方向

,