Vad är Google DeepMind?

DeepMind: Googles blick på framtiden

Med varningar om den överhängande maskinövertagandet från så betydande siffror som Stephen Hawking, Bill Gates och Elon Musk, AI är säkert ett område som du måste vara otänkbart dumt för bedriva.

Google-ägda DeepMind ligger dock i framkant när det gäller att undersöka AI. Och en sak som de absolut inte är är dumt.

Google köpte DeepMind när det var en redan välfinansierad AI-start i januari 2014, med Facebook sägs också sväva. Det har rapporterats att affären var värd £ 300-400 miljoner.

Så vad är Google DeepMind? Vad arbetar det med? Och kommer dess arbete verkligen att leda till att maskiner tar över världen?

Djupare är viktigt

DeepMind grundades i London 2011. Det bildades av Demis Hassabis, en tidigare brittisk schackunderbarn som blev spelutvecklare som blev neurovetenskapare; Nya Zealander Shane Legg; och den brittiska entreprenören Mustafa Suleyman.

Redan före Googles förvärv var DeepMind känd som en formidabel spelare inom AI-området, och en som sannolikt skulle utmärka sig genom sitt eget banbrytande arbete och vädjar till investerare.

Företaget beskriver dess enda syfte i mycket enkla termer: att ”lösa intelligens”.

Det är lätt nog att säga, men det beskriver inte riktigt vad DeepMind gör. Företaget bygger "kraftfulla inlärningsalgoritmer för allmänt ändamål" genom att kombinera olika tekniker från maskininlärning och systemneurovetenskap.

Företaget har för närvarande cirka 140 forskare vid Kings Cross HQ i norra London.

Spelar systemet

DeepMind skapade ett AI-system som lärde sig hur man spelar 49 klassiska Atari-videospel, inklusive Breakout, ofta till en nivå som ingen mänsklig spelare skulle kunna matcha.

Det som är häpnadsväckande är att detta uppnåddes med endast minimal mänsklig input. Superdatorer har programmerats för att möta schackmästare tidigare - och ibland framgångsrikt på det. Men detta har alltid gjorts genom att mata in en mängd data, baserat på strategier från verkliga spelare, snarare än själva datorn att räkna ut reglerna, läsa tavlan och komma med ett arbete strategi.

Imponerande är också den mångsidiga karaktären hos de 49 spelen, som bland annat inkluderade sidoskrollande skyttar, en-mot-en-stridsspel och racingspel. Detta återspeglar en varierad uppsättning beslutsbehov som AI-agenten var tvungen att anpassa sig till.

Efter att ha publicerat sina resultat i vetenskaplig tidskrift Natur, grundare Hassabis kallade detta genombrott ”den första betydande steget på stegen för att bevisa att allmänna inlärningssystem kan fungera”. Han påpekade också att detta var ”första gången som någon har byggt ett enda allmänt inlärningssystem som kan lära sig direkt av erfarenheten”.

Detta var, helt igenkännbart, AI i en liten men sann form.

Relaterad: De 11 bästa spelen i Storbritannien

Men det är inte bara datorspel som DeepMind har behärskat. I oktober 2015 satte forskare vid DeepMind AI ut mot Europas regerande Go-mästare, Fan Hui. Det gamla brädspelet handlar om att flytta svarta och vita stenar på ett bräde för att göra anspråk på territorium, och har sägs vara exponentiellt mer komplicerat än schack.

Googles AI lyckades slå Hui i fem matcher. Genombrottstiden var resultatet av DeepMind-teamet som lärde AI-tekniken runt 30 miljoner Go-drag från spelare runt om i världen. Forskare satte sedan upp systemet mot sig själv för att utveckla nya drag som skulle kunna användas mot en Go-stormästare.

Vinsten mot Hui var första gången ett program någonsin slog en professionell spelare. Googles AI-seger tillkännagavs bara några timmar efter Facebook VD Mark Zuckerberg förklarade hans företag "kom nära" att slå de bästa mänskliga Go-spelarna.

Praktiska tillämpningar

Som en Trådbunden artikel från februari belyst, Hassabis tror att mekaniken för biologiskt lärande är nyckeln till att främja AI-forskning. "Vi lär oss genom saker som minnesuppspelning genom hippocampus, så det finns korsningar mellan neurovetenskap och detta", sa han.

Den praktiska tillämpningen av detta arbete, som Hassabis uttryckte det, skulle vara att "bygga smarta maskiner för allmänna ändamål", även om han medger att detta fortfarande var många decennier ifrån att uppfyllas.

DeepMind vill tillämpa sin teknik på praktiska, världsomspännande frågor som klimatvetenskap och sjukdomsmodellering. Förmodligen kommer vi troligen att det tillämpas på Googles egna produkter först, inklusive sök- och översättningsverktyg.

Det skulle också vara praktiskt att ha en felfri, anpassningsbar beslutsmaskin i hjärtat av en av Googles förarlösa bilar.

För närvarande avser Hassabis och hans team att öka sina ansträngningar för att ta itu med de mycket mer komplexa spelen på 1990-talet.

DeepMind Health

I februari 2016 meddelade DeepMind planer på att skapa en medicinteknisk avdelning för att undersöka hur AI kan förbättra hälsan. Det nya projektet involverar DeepMind-ingenjörer och forskare som arbetar med Imperial College och Royal Free London NHS Foundation.

I ett påstående på sin webbplats sa DeepMind-teamet: ”National Health Service är oerhört viktigt för vårt team. NHS hjälpte till att få många av oss till världen och har passat våra nära och kära när de mest behövde hjälp. Vi vill se NHS frodas.

"Vi på DeepMind Health strävar efter att stödja kliniker genom att tillhandahålla den tekniska expertis som behövs för att bygga och skala teknologier som hjälper dem att ge bästa möjliga vård till sina patienter."

Ett sätt på vilket projektet redan har påverkat är genom en mobilapp som heter Streams. Appen designades av DeepMind Health-teamet och presenterar aktuell information som hjälper sjuksköterskor och läkare att lättare upptäcka fall av akut njurskada. Så många som 20 procent av vårdinläggningarna beror på tillståndet.

DeepMind utvecklade appen Streams för att identifiera akut njurskada

Streams integrerar också arbete som utförts av professor Ara Darzi och Dr Dominic King från Imperial College London. Deras app, Hark, är ett tidigt stadium kliniskt uppgiftshanteringssystem som har lagts till Streams för att ”revolutionera uppgiftshantering på sjukhus”.

I framtiden säger DeepMind att de kommer att producera fler verktyg för att stödja sjuksköterskor och läkare och arbeta vidare med ny teknik som förbättrar befintliga system och uppmuntrar innovation från kliniker och tekniker.

På maskiner som tar över världen

Så vad sägs om den väl publicerade rädslan för tre av världens ljusaste hjärnor, som förutsäger ett Terminator-liknande övertagande av illvillig AI?

DeepMind-grundare Mustafa Suleyman tycker att sådant samtal är ohjälpsamt och något bisarrt. ”Berättelsen har skiftat från” Är det inte hemskt att AI har varit ett sådant misslyckande? ”Till” Är det inte hemskt? att AI har varit en sådan framgång? ”sa Suleyman medan han talade vid ett maskininlärningsevenemang nyligen i London.

”Sättet vi tänker på AI är att det kommer att bli ett enormt kraftfullt verktyg som vi kontrollerar och som vi styr, vars kapaciteter vi begränsar, precis som du gör med alla andra verktyg vi har i världen omkring oss, oavsett om det är tvättmaskiner eller traktorer. Vi bygger dem för att stärka mänskligheten och inte för att förstöra oss. ”

Om det inte löser dina nerver, tänk på att DeepMind insisterade på ett antal skyddsvillkor när du godkänner Googles förvärv. En var att inrätta en etik- och säkerhetsnämnd för att övervaka sitt arbete.

Ett annat krav var att inget av DeepMinds AI-arbete kunde användas för militära eller underrättelsetjänständamål.

AI-rivaler

Google är naturligtvis inte det enda tekniska företaget som är intresserat av AI. I själva verket har i stort sett alla stora internetaktörer investerat mycket i det och fortsätter att pochera talang från AI-laboratorier.

Facebook, som som diskuterat var intresserat av DeepMind innan Google, har sin egen AI-grupp som leds av "deep learning" -professorn Yann LeCun.

Förra året avslöjades det att Elon Musk och Mark Zuckerberg hade slagit ihop för att investera 40 miljoner dollar i Vicarious, ett företag som "utvecklar maskininlärningsprogramvara baserad på människans beräkningsprinciper hjärna".

Mycket längre ner på ambitionsskalan, men mer omedelbart praktiskt, har ett antal teknikföretag (inklusive Google) investerat i datorsynen. Det handlar om att producera algoritmer som gör det möjligt för datorer att känna igen innehållet i foton och bilder.

Det mest kända exemplet på detta är Googles nylanserade Photos-tjänst, men den är varken ny eller exklusiv. Till exempel förvärvade molnlagringsledaren Dropbox 2012 datorsynföretaget Anchovi Labs, medan Yahoos IQ Engines och LookFlow har gjort liknande saker för Flickr.

Men DeepMinds speciella bildigenkänningssystem blev känt 2015 när ingenjörer på Googles forskningslaboratorier utförde ett experiment. I huvudsak bad de det neurala nätverket att identifiera mönster i bilder och sedan överdriva dem. Om DeepMind till exempel kände igen vad som såg ut som ett ansikte, skulle det få det att se ut ännu mer som ett ansikte.

Eftersom systemet utbildades mestadels genom att mata bilder av djur i sin databas såg de resulterande bilderna ut som surrealistisk konst med djuransikten och psykadeliska mönster.

Bilderna var så slående att många av dem såldes på en auktion i San Francisco där en del av konstverket gick för så mycket som 8 000 dollar.

Men det används, oavsett om det löser mänsklighetens största problem eller skapar surrealistisk konst, verkar det oundvikligt att AI och maskininlärning kommer att spela en enorm roll i vår vardag - eller åtminstone vår barnens liv.