Google DeepMind

ცოდნა სინათლეა - Knowledge is light - Знание свет -  

                          Google DeepMind

Google DeepMind, ყოფილი DeepMind Technologies, არის ბრიტანული ხელოვნური ინტელექტის კომპანია. დაარსდა 2010 წელს ლონდონში, სახელწოდებით DeepMind Technologies. 2014 წელს ის Google-მა შეიძინა.

კომპანია ცნობილი გახდა AlphaGo კომპიუტერული სისტემის შემუშავებით, რომელმაც დაამარცხა პროფესიონალი Go მოთამაშე. DeepMind-მა შექმნა ნერვული ქსელი, რომელსაც შეუძლია ისწავლოს ვიდეო თამაშების თამაში ადამიანის დონეზე. 2020 წელს კომპანიამ შეიმუშავა AlphaFold2 პროგრამა, რომელიც საშუალებას იძლევა გადაჭრას ბიოლოგიური მეცნიერების ერთ-ერთი ფუნდამენტური პრობლემა ცილების სამგანზომილებიანი მოდელების აგებაში.

2022 წელს კომპანიამ შეიმუშავა AlphaTensor ნერვული ქსელის ალგორითმი, რომლის დახმარებითაც მოიძებნა რამდენიმე ახალი ალგორითმი მცირე განზომილებიანი მატრიცების გასამრავლებლად. ასე რომ, 4X4 მატრიცებისთვის შტრასენის ალგორითმი მოითხოვს 49 გამრავლებას, ხოლო AlphaTensor-მა იპოვა ალგორითმი, რომელიც მოითხოვს 47 გამრავლებას, მაგრამ ის მუშაობს მხოლოდ ველზე Z/2Z

2023 წლის აპრილში კომპანია გაერთიანდა Google Brain-თან და გახდა Google DeepMind.

იხ. ვიდეო - Welcome to DeepMind: Embarking on one of the greatest adventures in scientific history - At DeepMind, we’re embarking on one of the greatest adventures in scientific history. Our mission is to solve intelligence, to advance science and benefit humanity. 

To make this possible, we bring together scientists, designers, engineers, ethicists, and more, to research and build safe artificial intelligence systems that can help transform society for the better.

By combining creative thinking with our dedicated, scientific approach, we’re unlocking new ways of solving complex problems and working to develop a more general and capable problem-solving system, known as artificial general intelligence (AGI). Guided by safety and ethics, this invention could help society find answers to some of the most important challenges facing society today. 

We regularly partner with academia and nonprofit organisations, and our technologies are used across Google devices by millions of people every day. From solving a 50-year-old grand challenge in biology with AlphaFold and synthesising voices with WaveNet, to mastering complex games with AlphaZero and preserving wildlife in the Serengeti, our novel advances make a positive and lasting impact. 

Incredible ideas thrive when diverse people join together. With headquarters in London and research labs in Paris, New York, Montreal, and Mountain View, CA, we’re always looking for great people from all walks of life to join our mission.

Learn more at deepmind.com/about and apply for open roles at deepmind.com/careers.

იისტორია - ამბავი

2010 წელს დემის ჰასაბისმა, შეინ ლეგმა და მუსტაფა სულეიმანმა დააარსეს სტარტაპი DeepMind Technologies. მანამდე ჰასაბისი და ლეგი ერთმანეთს უკვე იცნობდნენ ლონდონის საუნივერსიტეტო კოლეჯიდან, სადაც მუშაობდნენ გეტსბის გამოთვლითი ნეირომეცნიერების განყოფილებაში (www.gatsby.ucl.ac.uk).

კომპანიაში ინვესტიცია მოახდინეს მსხვილმა ვენჩურული ფონდებმა Horizons Ventures, Founders Fund, ასევე მეწარმეებმა Scott Banister და Elon Musk. იან ტალინი იყო კომპანიის ერთ-ერთი ადრეული ინვესტორი და მრჩეველი.

2014 წელს DeepMind-მა მიიღო წლის კომპანიის ჯილდო კემბრიჯის უნივერსიტეტის კომპიუტერული ლაბორატორიისგან.

2014 წლის 26 იანვარს Google-მა გამოაცხადა DeepMind Technologies-ის შეძენა. სხვადასხვა ინფორმაციით, ტრანზაქციის თანხა 400-დან 650 მილიონ დოლარამდე მერყეობდა. გავრცელებული ინფორმაციით, გარიგება შედგა მას შემდეგ, რაც Facebook-მა დაასრულა მოლაპარაკებები DeepMind Technologies-ის შესაძენად 2013 წელს.DeepMind-ის Google-თან გარიგების ერთ-ერთი პირობა იყო ამ უკანასკნელის დაფის შექმნა ხელოვნური ინტელექტის ეთიკურ საკითხებზე.

Google-ის შეძენის შემდეგ კომპანია გახდა ცნობილი როგორც Google DeepMind.

2016 წლის სექტემბრის დასაწყისში კომპანია გადავიდა Google-ის მშობელ კომპანიაში, Alphabet, და Google-ის ხსენება გაქრა მისი სახელიდან; ახლა ის ცნობილია როგორც DeepMind Technologies Limited ან DeepMind. დიზაინი შეიცვალა კომპანიის ვებსაიტმაც.

2023 წლის აპრილში, DeepMind გაერთიანდა Google-ის ტვინის განყოფილებასთან და ჩამოაყალიბა Google DeepMind, როგორც კომპანიის მუდმივი ძალისხმევის ნაწილი ხელოვნური ინტელექტის შესახებ მუშაობის დაჩქარების მიზნით.

კვლევის მიმართულება

კომპანიის მიზანია „დაზვერვის პრობლემის გადაჭრა“. ამისათვის ისინი იყენებენ „საუკეთესო ტექნოლოგიებს, დაწყებული მანქანური სწავლებიდან სისტემურ ფსიქოფიზიოლოგიამდე, რათა საბოლოოდ შექმნან ზოგადი დანიშნულების სწავლის ალგორითმები“ . ისინი ასევე მუშაობენ ინტელექტის ფორმალიზებაზე, რათა არა მხოლოდ დანერგონ ის მანქანებში, არამედ გაიგონ, როგორ მუშაობს ადამიანის ტვინი. დემის ჰასაბისის მიხედვით:

...დაზვერვის არსის ალგორითმულ კონსტრუქციაში გამოხდის მცდელობა შეიძლება იყოს საუკეთესო გზა ჩვენი გონების ღრმა საიდუმლოებების გასაგებად.

DeepMind ხედავს ინტელექტის პრობლემის გადაწყვეტას უნივერსალური თვითსწავლის ინტელექტუალური აგენტების შექმნაში, რომლებიც შეძლებენ ავტონომიურად ისწავლონ ნედლეული შეყვანის მონაცემებიდან და გამოდგება ნებისმიერი პრობლემის გადასაჭრელად, განსხვავებით „შეზღუდული AI“-სგან, როგორიცაა Deep Blue ან IBM. Watson, რომლებიც წყვეტენ მხოლოდ ერთ წინასწარ განსაზღვრულ ამოცანას. ინტელექტუალური აგენტების შექმნის მთავარ მიდგომად არჩეულ იქნა განმტკიცების სწავლება.

კომპანია ამჟამად იკვლევს კომპიუტერულ სისტემებს, რომლებსაც შეუძლიათ სხვადასხვა თამაშების თამაში, სტრატეგიული თამაშებიდან, როგორიცაა Go და დამთავრებული კომპიუტერული არკადული თამაშებით. შეინ ლეგი ამტკიცებს, რომ ხელოვნური ინტელექტი შეძლებს მიაღწიოს ადამიანურ დონეებს „როცა მანქანა ისწავლის თამაშების ფართო კლასის თამაშს მხოლოდ აღქმის ნაკადის შეყვანისა და გამომავალი სიგნალების გამოყენებით და გაგების გადაცემას თამაშიდან თამაშში...“. დემის ჰასაბისი ხსნის თამაშებზე ფოკუსირებას და არა უფრო ტრადიციულ რობოტიკაზე იმით, რომ „რობოტები ძვირია, ნელი და ხშირად იშლება... მკვლევარი იშლება რობოტის მექანიკური ნაწილების დაფიქსირებით...“. გავრცელებულია ინფორმაცია, რომ Google-მა კომპანია იყიდა ზუსტად მას შემდეგ, რაც გამოქვეყნდა კვლევა იმის შესახებ, რომ AI წარმატებით თამაშობდა შვიდ სხვადასხვა Atari თამაშს (Pong, Breakout, Space Invaders, Seaquest, Beamrider, Enduro, Q*bert).

2018 წლის დასაწყისში, DeepMind-ის მკვლევარებმა გაწვრთნეს მათი ერთ-ერთი სისტემა კომპიუტერული თამაშის Quake III Arena-ს სათამაშოდ. ვარჯიშზე დახარჯული გარკვეული დროის შემდეგ, თამაშის დონის მიხედვით, ეს სისტემა ჯერ დაეწია და შემდეგ აჯობა ადამიანებს, რომლებიც ძლიერი მოთამაშეები არიან.

ნერვული ტურინგის მანქანა

2014 წელს DeepMind-მა გამოაქვეყნა ჰიბრიდული ნერვული ქსელის არქიტექტურა, რომელიც შედგებოდა მორეციდივე ნერვული ქსელისა და გარე მეხსიერებისგან . ნერვული ქსელი იყენებს გარე მეხსიერებას ინფორმაციის ჩასაწერად და შემდეგ წასაკითხად ისე, როგორც ამას აკეთებს ტურინგის მანქანა, ამ მიზეზით არქიტექტურას მიენიჭა სახელი "ნერვული ტურინგის მანქანა". მკვლევარების აზრით, ნერვული ტურინგის მანქანა ადამიანის მოკლევადიანი მეხსიერების იმიტაციას ახდენს და საშუალებას გვაძლევს გავიგოთ მისი მოქმედების პრინციპები. ექსპერიმენტებში ნერვულმა ქსელმა წარმატებით ივარჯიშა მარტივ ალგორითმებში: კოპირება, დახარისხება, ასოციაციური მეხსიერება.

ღრმა განმტკიცების სწავლა ვიდეო თამაშებში

DeepMind-მა წარმოადგინა AI სისტემა, რომელსაც შეუძლია ისწავლოს კლასიკური თამაშების თამაში 70-იან და 80-იან წლებში. Atari 2600 სათამაშო კონსოლისთვის. კვლევაში, ხელოვნური ინტელექტი გაწვრთნილი იყო 49 ვიდეო თამაშის სათამაშოდ. შედეგად, მიღწეული იქნა ადამიანის დონის შესადარებელი თამაშის დონე და 22 თამაშში სისტემამ შეძლო ადამიანზე აჯობა. DeepMind's AI არ არის მყარი კოდირებული კონკრეტული თამაშისთვის. ვარჯიშის დასაწყისში სისტემამ არაფერი იცის თამაშის წესების შესახებ და სწავლობს დამოუკიდებლად თამაშს, შეყვანის სახით იყენებს თამაშის მხოლოდ პიქსელის სურათს და ინფორმაციას თამაშის დროს მიღებული ქულების შესახებ.

AI ეფუძნება მიდგომას, რომელსაც DeepMind უწოდებს ღრმა განმტკიცების სწავლა, ან ღრმა Q-ქსელი (DQN). ეს არის Q-learning გამოყენებით მოდელის გარეშე გაძლიერებული სწავლის ვარიაცია, რომელშიც სასარგებლო ფუნქცია მოდელირებულია ღრმა ნერვული ქსელის გამოყენებით. ნერვული ქსელის არქიტექტურად არჩეულია კონვოლუციური ნერვული ქსელი; ამჟამად ეს არქიტექტურა ეფექტურად გამოიყენება გამოსახულების ამოცნობისთვის.

DeepMind გეგმავს ასწავლოს იმავე პრინციპებზე აგებული ხელოვნური ინტელექტი 90-იანი წლების უფრო რთული 3D თამაშების სათამაშოდ, როგორიცაა Doom და სარბოლო სიმულატორები. 2016 წლის თებერვალში, 3D თამაშებში ხელოვნური ინტელექტის მომზადების პირველი შედეგები იყო წარმოდგენილი. AI-მ შეძლო ესწავლა მანქანის მართვა 3D სარბოლო სიმულატორში TORCS, იპოვა გასასვლელი და პრიზები Doom-ის მსგავს 3D ლაბირინთში  და შეასრულა მარტივი დავალებები (მოძრაობა, წონასწორობის შენარჩუნება, ობიექტების მანიპულირება) ფიზიკურ სიმულატორში MuJoCo (www.mujoco. org). როგორც ადრე, "სამყაროს" მხოლოდ პიქსელის გამოსახულება მიეწოდება AI შეყვანას. ნერვული ქსელის არქიტექტურა გაფართოვდა LSTM-ის დამატებით, მორეციდივე ნერვული ქსელის ტიპით.

AlphaStar

მთავარი სტატია: AlphaStar (ხელოვნური ინტელექტი)

ყოველწლიურ Blizzcon 2016 ფესტივალზე Blizzard-მა, რომელიც ამ ღონისძიების ინიციატორია, გამოაცხადა DeepMind-თან თანამშრომლობა. შემდეგ ამ მოვლენის შესახებ სტატია გამოქვეყნდა ორივე კომპანიის ოფიციალურ ბლოგზე. ამ თანამშრომლობის მიზანია AI-ის დანერგვა და მომზადება თამაშში Starcraft II. თამაშის დეველოპერების თქმით, Starcraft II იდეალური გარემოა ხელოვნური ინტელექტის მომზადებისთვის, რადგან თამაშის რთული წესები საკმარისად ასახავს რეალური სამყაროს სირთულეს და მრავალფეროვნებას. გარდა ამისა, თავად საზოგადოებამ ეს თამაში ყველაზე დიდ პრობლემად მიიჩნია AI-სთვის, რომელმაც მოახერხა ადამიანის დამარცხება Go, ჭადრაკისა და პოკერის თამაშში.

StarCraft II იდეალური გარემოა ხელოვნური ინტელექტის კვლევის შემდეგ დონეზე გადასაყვანად. თამაშის რთული წესები საკმარისად ასახავს რეალური სამყაროს მრავალფეროვნებას და ქაოსს. ჯერ ისწავლით რესურსების მოპოვებას, შემდეგ ააგეთ მარტივი შენობები, შეისწავლეთ რუკა და ეძებთ მტერს. მეტი ერთეული უნდა ვაწარმოოთ თუ თავდაცვის ხაზის გაძლიერება ჯობია? ადრე შეტევას აპირებთ თუ ყურადღებას გაამახვილებთ განვითარებაზე?

ამჟამად მიმდინარეობს მუშაობა „Starcraft 2 API“-ზე, რომელიც AI-ს საშუალებას აძლევს სრულად იმოქმედოს თამაშის ინტერფეისთან; ნებისმიერს შეუძლია მონაწილეობა მიიღოს განვითარებაში; ამისთვის გამოქვეყნებულია ტექნიკური ამოცანები, რომლებიც დაგეგმილია. განხორციელდება 2017 წლის პირველ კვარტალში. თვით ხელოვნური ინტელექტი შეისწავლის სხვა მოთამაშეების გამეორებების ყურებით, რომლებიც მონაწილეობდნენ რეიტინგულ თამაშებში.

2018 წლის 19 დეკემბერს გამართულ ტურნირში, AlphaStar-სა და ორ პროფესიონალ ტოპ 100 მოთამაშე TLO-სა და MaNa-ს შორის, AlphaStar-მა გაიმარჯვა ანგარიშით 10:0. ამავდროულად, MaNa-მ მოახერხა ერთი არაღონისძიების მოგება

2019 წლის 24 იანვარს დაინერგა AlphaStar პროგრამა, რომელიც სპეციალიზირებულია რეალურ დროში სტრატეგიულ თამაშში StarCraft II. AlphaStar-მა ჯერ პროგრამა ასწავლა ადამიანების თამაშების ჩანაწერებიდან, შემდეგ ჩართო იგი "AlphaStar League"-ში, სადაც AI თამაშობდა არა მხოლოდ თავის წინააღმდეგ, არამედ "ექსპლუატაციურ" აგენტებსაც, რომლებიც AI-ის ვერსიებს წარმოადგენდნენ, რომლებიც კონკრეტულად მიზნად ისახავდნენ AlphaStar-ს. სისუსტეები და სამი რასიდან თითოეულს წარმოადგენს. ტრენინგი უზრუნველყოფდა, რომ AlphaStar გახდება სამივე რბოლისა და ყველა თამაშის სტრატეგიის შესანიშნავი მეტოქე. პრეზენტაციის დროს AlphaStar-ს ჰქონდა ცოდნის ექვივალენტი 200 წლის თამაშის დროის.. ამავდროულად, დეველოპერები ცდილობდნენ შეეზღუდათ ხელოვნური ინტელექტის შესაძლებლობები, მაგალითად, წუთში მოქმედებების რაოდენობის შეზღუდვით, კარგი მოთამაშის ქმედებების საშუალო რაოდენობასთან გათანაბრება (რაც ხელს არ უშლის პროგრამას შედეგების ჩვენებაში. შეუძლებელია ადამიანისთვის), რის გამოც პროგრამა იძულებული გახდა ესწავლა გამარჯვება გრძელვადიანი სტრატეგიით. რეაქციის სიჩქარე არის დაახლოებით 3 ჩარჩო მტრის გამოჩენიდან ხილვადობის ზონაში პასუხამდე. შემცირდა AI-ს ხედვის ველის ზომა, რათა შეესაბამებოდეს მოთამაშის ხედვის ველს.

2019 წლის ოქტომბრის ბოლოს, AI გახდა თამაშის დიდოსტატი, რომელმაც დაამარცხა Starcraft II-ში რეგისტრირებული მოთამაშეების 99.8%. ამ მიღწევის მისაღწევად AlphaStar–ს 44 დღიანი ტრენინგი დასჭირდა

წადი თამაში

მთავარი სტატია: AlphaGo

2015 წლის ოქტომბერში, Go პროგრამამ AlphaGo[49], შემუშავებული DeepMind-ის მიერ, დაამარცხა ევროპის Go ჩემპიონი ფან ჰუი (მე-2 დან) ანგარიშით 5-0. სიახლე გამოცხადდა მხოლოდ 2016 წლის 27 იანვარს, ჟურნალ Nature-ში სტატიის გამოქვეყნების პარალელურად.

ეს არის ისტორიაში პირველი შემთხვევა, როდესაც AI-მ გაიმარჯვა Go-ს პროფესიონალთან. AlphaGo-მდე ყველა ცნობილი AI თამაშობდა Go-ს მხოლოდ სამოყვარულო დონეზე. Go ითვლება თამაშად, რომლის მოგებაც საკმაოდ რთულია კომპიუტერისთვის (მსგავს თამაშებთან შედარებით, მაგალითად, ჭადრაკი) სვლების ვარიანტების დიდი რაოდენობის გამო, ამის გამო სვლების ჩამოთვლის ტრადიციული AI მეთოდი პრაქტიკულად გამოუსადეგარია.. 2016 წლის მარტში პროგრამამ მოიგო მატჩი მსოფლიოს ერთ-ერთ უძლიერეს გოისტთან, ლი სედოლთან, ანგარიშით 4-1.

სხვა მიმართულებები

DeepMind-ის პუბლიკაციები მოიცავს შემდეგ თემებს: მანქანების მიერ ბუნებრივი ენის გაგება, შაბლონიდან სურათების გენერირება ნერვული ქსელების გამოყენებით, მეტყველების ამოცნობა, ნერვული ქსელის სასწავლო ალგორითმები.

DeepMind ჯანმრთელობა

DeepMind Health არის DeepMind-ის განყოფილება, რომელიც მუშაობს ხელოვნური ინტელექტის სფეროში მედიცინაში. მისი გახსნა 2016 წლის 24 თებერვალს კომპანიის ვებგვერდზე გამოცხადდა. ქვედანაყოფს მუსტაფა სულეიმანი ხელმძღვანელობს.

თავის მუშაობაში DeepMind Health ითანამშრომლებს დიდი ბრიტანეთის ჯანდაცვის ეროვნულ სამსახურთან. DeepMind Health გეგმავს მიაწოდოს ექიმებს ტექნიკური ექსპერტიზა, რათა განავითარონ და გააუმჯობესონ პაციენტების მოვლის ტექნოლოგიები. განსაკუთრებული ყურადღება დაეთმობა პაციენტის მონაცემების უსაფრთხოებას და კონფიდენციალობას. განყოფილების საქმიანობას განიხილავს დამოუკიდებელი ექსპერტების საბჭო, მათ შორის რიჩარდ ჰორტონი, პატივცემული სამედიცინო ჟურნალის The Lancet-ის რედაქტორი.

DeepMind Health ამჟამად მუშაობს ელექტრონული ხელსაწყოების შექმნაზე, რათა გაუადვილოს ექიმის საქმე. დაინერგა სმარტფონის აპლიკაცია, რომელიც ხელს უწყობს თირკმლის მწვავე დაზიანების უფრო ზუსტად დიაგნოსტირებას. DeepMind-მა ასევე იყიდა სამედიცინო აპლიკაცია, სამუშაო მენეჯერი ექიმებისთვის. ლონდონის იმპერიული კოლეჯის ექიმების გუნდი, რომელმაც შექმნა იგი, უერთდება DeepMind Health-ს. ტრანზაქციის თანხა არ არის გამჟღავნებული.

2020 წლის დეკემბერში, DeepMind-ის გუნდმა გამოაცხადა გადაწყვეტა ცილის სტრუქტურის პროგნოზირების ფუნდამენტური სამეცნიერო პრობლემის შესახებ. კომპანიის მიერ შემუშავებულმა და ნერვულ ქსელებზე დაფუძნებულმა პროგრამამ შეძლო ცილის სტრუქტურის წინასწარმეტყველება 90%-იანი სიზუსტით (რაც უკეთესია სკანირების თანამედროვე მეთოდებზე). ეს შესაძლებელს ხდის ცილების სამგანზომილებიანი მოდელების აგებას კოდირების გენომიური თანმიმდევრობის საფუძველზე, რასაც დიდი მნიშვნელობა აქვს ახალი მედიკამენტების შემუშავებისა და ზოგადად ბიოქიმიური პროცესების გააზრებისთვის.

თანამშრომლობა უნივერსიტეტებთან

2014 წელს DeepMind-მა დაიწყო თანამშრომლობა ოქსფორდის უნივერსიტეტთან. DeepMind ქირაობს ორ უახლესი გუნდს ოქსფორდიდან, რომლებიც მუშაობენ ხელოვნური ინტელექტის სფეროში. ეს არის მსოფლიოს წამყვანი ექსპერტების გუნდი მანქანების მიერ ბუნებრივი ენის გაგების სფეროში ღრმა სწავლის გამოყენების სფეროში: პროფესორები ნანდო დე ფრეიტასი და ფილ ბლანკომი, დოქტორები ედვარდ გრფენშტეტი და კარლ მორიცი. და მანქანური ხედვის სფეროში მსოფლიოს წამყვანი ექსპერტების გუნდი: დოქტორი კარენ სიმონიანი და მაქს იადენბერგი, პროფესორი ენდრიუ ზისერმანი. თანამშრომლობის ფარგლებში კომპიუტერული მეცნიერების ფაკულტეტი და ინჟინერიის ფაკულტეტი Google-ისგან მნიშვნელოვან დაფინანსებას მიიღებენ. DeepMind ასევე გეგმავს სტუდენტური სტაჟირების პროგრამას, კითხულობს ლექციებს და ატარებს სემინარებს სტუდენტებისთვის.

DeepMind-თან სხვა უნივერსიტეტების მეცნიერებიც მუშაობენ. დევიდ სილვერი, AlphaGo-ს ნაშრომის[61] და მრავალი სხვა DeepMind პუბლიკაციის თანაავტორი განმამტკიცებელი სწავლის შესახებ, კითხულობს ლექციებს ლონდონის საუნივერსიტეტო კოლეჯში. ზოგიერთი DeepMind პუბლიკაცია თანაავტორია შემდეგი ორგანიზაციების მეცნიერების მიერ[52]: ტორონტოს უნივერსიტეტი, მონრეალის უნივერსიტეტი, ავსტრალიის ეროვნული უნივერსიტეტი, ამსტერდამის უნივერსიტეტი, კალიფორნიის უნივერსიტეტი ბერკლიში, INRIA.