作者 | James Murphy
譯者 | 天道酬勤 責編 | Carol
出品 | AI科技大本營（ID:rgznai100）
人工智慧(AI)的子集已經成倍增長，並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行管理任務、人臉識別、下棋，甚至翻譯語言。
毫無疑問，人工智慧到來的十年帶來了許多發展。此外，深度學習從非結構化資料中學習來編寫分析報告或執行無人監督的任務。
所有這些發展都為不同的公司發揮作用並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，來繼續發展這一領域。
你對其有哪些瞭解？今天就來看一下有關Google DeepMind的一切吧！
DeepMind Technologies於2010年在倫敦成立，但是4年後，Google收購了這家公司。它的所有權在2015年也發生了變化，因為它後來被Alphabet，Inc收購，從那以後，它一直是該公司的子公司。
DeepMind最初是由Demis Hassabis，Mustafa Suleyman和Shane Legg創立的，他們都是人工智慧的愛好者，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之後，開始得到許多人的認可。
遊戲被記錄下來，在人們看到這些之後，他們開始信任這家公司。除此之外，他們還開發了另一個名為AlphaZero的程式，可以下國際象棋、日本象棋並取得了最佳成績。
由於斯科特•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援。
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。如果你也有一個創新而有前途的想法，明智的做法是查詢最佳的音高板，建立一個高度專業且有效的簡報。
DeepMind在通用學習演算法方面非常有趣，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。
該公司已經開始透過開發能夠玩各種不同遊戲的系統來實現這一目標。其中一位創始人提到，他們相信，當一個程式可以玩各種不同的遊戲時，就可以達到人類水平的人工智慧。
他們的策略得到科學研究的支援，這些科學研究證明，像象棋這樣的遊戲可以提高戰略思維能力。透過學習如何玩這些複雜的遊戲，機器將獲得思考和採取戰略行動的能力。
DeepMind的通用學習演算法讓機器可以透過遊戲化學習，嘗試獲得類人的智力和行為。
儘管該公司對實現人類智慧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開發了一個開源測試平臺，以確定在存在不良行為時，演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、開發人員和其他接觸到它的人都是安全無害的。
DeepMind透過實現一個完全不同的技術系統，將深度學習提升到了一個全新的水平。該系統稱為深度強化學習，與常規的人工智慧系統不同，它是完全獨立的。
例如，IBM Watson或Deep Blue是出於特定目的而開發的，並且被程式設計為僅以所需容量執行。
DeepMind的深度強化學習不是預先程式設計的，而是像人類一樣透過經驗學習。從本質上講，它基於卷積神經網路進行深度學習，並將其與Q-learning進行匹配。隨後他們的系統在各種電子遊戲上進行了測試，而不需要編寫關於如何玩這個遊戲的指令。
每件事都由系統獨立完成的，它學習如何玩電子遊戲，經過多次嘗試，它的玩法比任何人都要好。這個系統已經玩了各種遊戲，並且比最擅長玩遊戲的人掌握的還要好。
深度強化學習消除了任何可能干擾遊戲效率的人為錯誤。它不僅被用於遊戲中，還被用於對醫療保健行業產生影響的各種不同的有用系統中。
WaveNet協作是DeepMind促成的最卓越的醫療發展之一。有數百萬的人患有語言障礙，無法恢復原來的聲音。
文字-語音轉換系統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症(ALS)的蒂姆·肖(Tim Shaw)等語言障礙人士合作。
目的是開發一種聽起來像患者自然聲音的系統，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指令碼的數小時音訊記錄。
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研究了一種演算法，該演算法只需要少量的錄音即可重現聲音。
6個月後，WaveNet合作已經在Tim的聲音上發揮作用，並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並上傳了。
DeepMind已經參與了很多開發工作，其中很多是針對Google人工智慧部門的。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的人工智慧系統會收集你的偏好資料，然後推薦與你之前下載的應用程式類似的應用。
他們進行的一個更復雜的專案是建立演算法，用來冷卻資料中心中Google伺服器的溫度。
DeepMind系統已經提高了這些冷卻系統的效率，而Google為該公司準備了更大的計劃。很快，使用Android Pie裝置的使用者將擁有自適應亮度和電池等功能。
機器學習將透過調整亮度來適應當前的照明條件，從而幫助這些裝置實現節能。
此外，它將使作業系統更容易使用，從而改善使用者體驗。
由於該專案的規模較小，所以建立這些系統會有些複雜。這種機器學習系統通常需要更大的計算能力才能成功執行。
DeepMind在人工智慧領域取得了巨大的進步，推出了許多有用的創新系統。它為谷歌的人工智慧部門所做的貢獻是非常寶貴的，並且已經在全球範圍內得到了應用。
另一方面，DeepMind還與WaveNet等公司合作，為人們的生活增加價值。由於他們所使用的人工智慧系統的特殊性，深度強化學習讓他們成為Google的首選公司。
你期待 DeepMind 還能再做些什麼？或看完這篇文章後，想再挖掘人工智慧的哪些可能性？可以在評論區和我們一起討論哦~
https://mp.weixin.qq.com/s/EDNEVKC_HOp7wUEJeIcRJw
來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2686493/，如需轉載，請註明出處，否則將追究法律責任。