Hva er Google DeepMind?

DeepMind: Googles blikk på fremtiden

Med advarsler om den forestående maskinovertakelsen som kommer fra så viktige figurer som Stephen Hawking, Bill Gates og Elon Musk, AI er helt sikkert et felt som du må være utrolig tåpelig for forfølge.

Imidlertid er Google-eid DeepMind i forkant av forskning på AI. Og en ting de absolutt ikke er, er tåpelig.

Google kjøpte DeepMind da det var en allerede godt finansiert AI-oppstart i januar 2014, med Facebook også å være svevende. Det er rapportert at avtalen var verdt £ 300-400 millioner.

Så hva er Google DeepMind? Hva jobber det med? Og vil arbeidet virkelig føre til at maskiner overtar verden?

Dypere betyr noe

DeepMind ble etablert i London i 2011. Den ble dannet av Demis Hassabis, en tidligere britisk sjakkunderbarn som ble spillutvikler som ble nevroforsker; New Zealander Shane Legg; og den britiske gründeren Mustafa Suleyman.

Allerede før Googles oppkjøp var DeepMind kjent som en formidabel aktør innen AI-feltet, og en som sannsynligvis ville utmerke seg gjennom sitt eget banebrytende arbeid og appellere til investorer.

Firmaet beskriver sitt eneste formål i veldig enkle ord: å “løse intelligens”.

Det er lett nok å si, men det beskriver egentlig ikke hva DeepMind gjør. Selskapet bygger "kraftige generelle læringsalgoritmer" ved å kombinere ulike teknikker fra maskinlæring og systemvitenskap.

Selskapet har for tiden rundt 140 forskere ved Kings Cross HQ i Nord-London.

Spill systemet

DeepMind opprettet et AI-system som lærte seg selv å spille 49 klassiske Atari-videospill, inkludert Breakout, ofte til et nivå som ingen menneskelig spiller ville være i stand til å matche.

Det som er oppsiktsvekkende er at dette ble oppnådd med bare minimale menneskelige innspill. Superdatamaskiner har blitt programmert til å ta sjakkmestere tidligere - og noen ganger vellykket på det. Men dette har alltid vært gjort ved å mate inn data, basert på strategier fra virkelige spillere, i stedet for datamaskinen selv å finne ut av reglene, lese tavlen og komme opp med et arbeid strategi.

Også imponerende er den mangfoldige naturen til disse 49 spillene, som blant annet inkluderte sideskrollende skyttere, en-mot-en-kampspill og racingspill. Dette gjenspeiler et variert sett med beslutningskrav som AI-agenten måtte tilpasse seg.

Etter å ha publisert funnene i science journal Natur, medstifter Hassabis kalte dette gjennombruddet for "det første betydningsfulle trinnet på stigen for å bevise at generelle læringssystemer kan fungere". Han påpekte også at dette var "første gang noen har bygget et enkelt generelt læringssystem som kan lære direkte av erfaring".

Dette var, ganske gjenkjennelig, AI i en liten, men sann form.

I slekt: De 11 beste spillene i Storbritannia

Men det er ikke bare dataspill som DeepMind har mestret. I oktober 2015 stilte forskere ved DeepMind AI mot Europas regjerende Go-mester, Fan Hui. Det eldgamle brettspillet innebærer å flytte svarte og hvite steiner på et brett for å gjøre krav på territorium, og har blitt sagt å være eksponentielt mer komplisert enn sjakk.

Googles AI klarte å slå Hui på fem kamper. Gjennombruddsøyeblikket var resultatet av DeepMind-teamet som lærte AI-teknologien rundt 30 millioner Go-trekk fra spillere over hele verden. Forskere satte deretter systemet mot seg selv for å utvikle nye trekk som kunne brukes mot en Go stormester.

Seieren mot Hui var første gang et program noensinne hadde slått en profesjonell spiller. Googles AI-seier ble kunngjort bare timer etter Facebook-sjef Mark Zuckerberg erklærte selskapet hans var i nærheten av å slå de beste menneskelige Go-spillerne.

Praktiske applikasjoner

Som en Kablet artikkel fra februar fremhevet, mener Hassabis at mekanikken i biologisk læring holder nøkkelen til å fremme AI-forskning. "Vi lærer gjennom ting som hukommelsesspill gjennom hippocampus, så det er krysninger mellom nevrovitenskap og dette," sa han.

Den praktiske anvendelsen av dette arbeidet, som Hassabis sa det, ville være å "bygge smarte maskiner", selv om han innrømmer at dette fortsatt var mange tiår unna å bli oppfylt.

DeepMind vil bruke teknologien til slike praktiske, verdensomspennende spørsmål som klimavitenskap og sykdomsmodellering. Antagelig vil vi sannsynligvis se at den blir brukt på Googles egne produkter først, inkludert søke- og oversettelsesverktøyene.

Det ville også være praktisk å ha en feilfri, tilpasningsdyktig beslutningstaker i hjertet av en av Googles førerløse biler.

For nå har Hassabis og teamet hans til hensikt å øke sin innsats for å takle de langt mer komplekse spillene på 1990-tallet.

DeepMind Health

I februar 2016 kunngjorde DeepMind planer om å opprette en medisinsk teknologidivisjon for å undersøke hvordan AI kunne forbedre helsen. Det nye prosjektet involverer DeepMind-ingeniører og forskere som jobber med Imperial College og Royal Free London NHS Foundation.

I en uttalelse på nettstedet sa DeepMind-teamet: ”National Health Service er enormt viktig for teamet vårt. NHS bidro til å bringe mange av oss til verden, og har passet våre kjære når de mest har trengt hjelp. Vi ønsker å se NHS trives.

"Vi i DeepMind Health har som mål å støtte klinikere ved å tilby den tekniske ekspertisen som trengs for å bygge og skalere teknologier som hjelper dem med å gi pasientene best mulig pleie."

En måte som prosjektet allerede har hatt innflytelse på, er gjennom en mobilapp som heter Streams. Appen ble designet av DeepMind Health-teamet og presenterer informasjon i tide som hjelper sykepleiere og leger lettere å oppdage tilfeller av akutt nyreskade. Hele 20 prosent av innleggelsene i akuttmottak på sykehus skyldes tilstanden.

DeepMind utviklet Streams-appen for å identifisere akutt nyreskade

Streams integrerer også arbeid utført av professor Ara Darzi og dr Dominic King fra Imperial College London. Appen deres, Hark, er et tidlig klinisk oppgavehåndteringssystem som er lagt til Streams for å “revolusjonere oppgavehåndtering på sykehus”.

I fremtiden sier DeepMind at de vil produsere flere verktøy for å støtte sykepleiere og leger og jobbe videre med ny teknologi som forbedrer eksisterende systemer og oppmuntrer til innovasjon fra klinikere og teknologer.

På maskiner som overtar verden

Så hva med den godt omtalte frykten for tre av verdens lyseste sinn, som forutsier en Terminator-lignende overtakelse av ondskapsfull AI?

DeepMind-medstifter Mustafa Suleyman mener at slik snakk er lite nyttig og noe bisarr. "Fortellingen har skiftet fra" Er det ikke forferdelig at AI har vært en slik fiasko? "Til" Er det ikke forferdelig at AI har vært en så suksess? '' sa Suleyman mens han snakket på en nylig maskinlæringshendelse i London.

“Måten vi tenker på AI er at det kommer til å bli et enormt kraftig verktøy som vi kontrollerer og som vi leder, hvis mulighetene vi begrenser, akkurat som du gjør med andre verktøy vi har i verden rundt oss, enten det er vaskemaskiner eller traktorer. Vi bygger dem for å styrke menneskeheten og ikke for å ødelegge oss. "

Hvis det ikke løser nervene dine, bør du vurdere at DeepMind insisterte på en rekke beskyttelsesforhold når du godtar Googles anskaffelse. Den ene var å opprette et etikk- og sikkerhetsnemnd for å føre tilsyn med arbeidet.

Et annet krav var at ingen av DeepMinds AI-arbeid kunne brukes til militære eller etterretningsinnsamlende formål.

AI-rivaler

Google er selvfølgelig ikke det eneste teknologiselskapet som er interessert i AI. Faktisk har stort sett alle de store internettaktørene investert mye i det og fortsetter å pochere talent fra AI-laboratorier.

Facebook, som som diskutert var interessert i DeepMind før Google, har sin egen AI-gruppe ledet av "deep learning" professor Yann LeCun.

I fjor ble det i mellomtiden avslørt at Elon Musk og Mark Zuckerberg hadde slått seg sammen for å investere 40 millioner dollar i Vicarious, et selskap som “utvikler maskinlæringsprogramvare basert på menneskets beregningsprinsipper hjerne".

Mye lenger nede på ambisjonsskalaen, men mer umiddelbart praktisk, har en rekke teknologibedrifter (inkludert Google) investert i datasynet. Dette innebærer å produsere algoritmer som gjør det mulig for datamaskiner å gjenkjenne innholdet i bilder og bilder.

Det mest kjente eksemplet på dette er Googles nylig relanserte Photos-tjeneste, men denne er verken ny eller eksklusiv. For eksempel kjøpte Dropbox-leder Dropbox i 2012 datasystemfirmaet Anchovi Labs, mens Yahoos IQ Engines og LookFlow har gjort lignende ting for Flickr.

Men DeepMinds spesielle bildegjenkjenningssystem ble kjent i 2015 da ingeniører ved Googles forskningslaboratorier utførte et eksperiment. I det vesentlige ba de nevrale nettverk om å identifisere mønstre i bilder og deretter overdrive dem. Hvis DeepMind for eksempel gjenkjente det som så ut som et ansikt, ville det få det til å se enda mer ut som et ansikt.

Fordi systemet ble trent for det meste ved å mate bilder av dyr inn i databasen, så de resulterende bildene ut som surrealistisk kunst med dyreansikter og psykadeliske mønstre.

Bildene var så slående at mange av dem ble solgt av på en auksjon i San Francisco, hvor noe av kunstverket gikk for så mye som $ 8000.

Men det brukes, enten det er for å løse menneskehetens største problemer, eller for å skape surrealistisk kunst uunngåelig at AI og maskinlæring skal spille en massiv rolle i hverdagen vår - eller i det minste vår barnas liv.