Google DeepMind: відмінності між версіями

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку
[перевірена версія][неперевірена версія]
Вилучено вміст Додано вміст
BunykBot (обговорення | внесок)
м Додавання дати до шаблону
Dimagp (обговорення | внесок)
Виправлено та вичитано мовні помилки.
Рядок 1: Рядок 1:
{{помилки|дата=листопад 2016}}
{{помилки|дата=листопад 2016}}
'''[[DeepMind]] Technologies Limited —''' це британська компанія [[Штучний інтелект|штучного інтелекту]], заснована у 2010 році, яку в 2014 році придбала компанія [[Google]]. У цій компанії створили [[Штучна нейронна мережа|нейронну мережу]], що грає у [[Відеогра|відеоігри]] схожим чином, що і люди, а також [[Neural Turing Machine|Нейронну Машину Тюрінга]], або нейронну мережу, що здатна дістатись до зовнішньої пам'яті, як і звичайна [[Машина Тюрінга]], що в результаті дає комп'ютер, який імітує [[Короткочасна пам'ять|короткочасну пам'ять]] людського мозку.
'''[[DeepMind]] Technologies Limited —''' це британська компанія [[Штучний інтелект|штучного інтелекту]], заснована у 2010 році, яку в 2014 році придбала компанія [[Google]]. У цій компанії створили [[Штучна нейронна мережа|нейронну мережу]], що здатна навчитись грати у [[Відеогра|відеоігри]] подібно людині, а також [[Neural Turing Machine|Нейронній Машині Тюрінга]], або нейронній мережі, що здатна отримати доступ до зовнішньої пам'яті, як і звичайна [[Машина Тюрінга]], в кінцевому результаті це комп'ютер, який імітує [[Короткочасна пам'ять|короткочасну пам'ять]] людського мозку.


Компанія потрапила на перші шпальти у 2016 році після того, як їхня програма [[AlphaGo]] вперше випередила професійного гравця в [[Ґо (гра)|Ґо]].
Компанія потрапила на перші шпальти у 2016 році після того, як їхня програма [[AlphaGo]] вперше випередила професійного гравця в [[Ґо (гра)|Ґо]].
Рядок 14: Рядок 14:


== Машинне навчання ==
== Машинне навчання ==
Метою DeepMind Technologies є «розв'язати інтелект», чого вони намагаються досягти шляхом поєднання «найкращих технік [[Машинне навчання|машинного навчання]] та [[Systems neuroscience|системної психофізіології]], аби збудувати могутні навчальні алгоритми загального призначення». Вони прагнуть формалізувати інтелект не лише задля втілення його у машини, але й щоб зрозуміти людський мозок.
Метою DeepMind Technologies є «вирішити інтелект», чого вони намагаються досягти шляхом поєднання «найкращих технік [[Машинне навчання|машинного навчання]] та [[Systems neuroscience|системної психофізіології]], аби збудувати могутні навчальні алгоритми загального призначення». Вони прагнуть формалізувати інтелект не лише задля втілення його у машини, але й щоб зрозуміти людський мозок.


У 2016 році Google Research випустили статтю на тему [[Дружній штучний інтелект|безпеки штучного інтелекту]] (ШІ) та уникання небажаної поведінки протягом навчального процесу ШІ. 
У 2016 році Google Research випустили статтю на тему [[Дружній штучний інтелект|безпеки штучного інтелекту]] та уникання небажаної поведінки протягом навчального процесу [[Штучний інтелект|ШІ]]


Станом на сьогодні, компанія опублікувала дослідження про комп'ютерні системи, що здатні грати ігри, та розробку таких систем, починаючи від стратегій на кшталт [[Ґо (гра)|Ґо]] і до [[Аркада (гра)|аркад]]. Зі слів Шейна Леґґа, штучного інтелекту людського рівня можна досягнути, «коли машина зможе навчитись грати широкий спектр ігор через входи та виходи перцепційного потоку, та переносити розуміння на інші ігри […]». Дослідження з описом ШІ, що грає сім різних відеоігор [[Atari]] ([[Pong]], [[Breakout (video game)|Breakout]], [[Space Invaders]], [[Seaquest (video game)|Seaquest]], [[Beamrider]], [[Enduro (video game)|Enduro]] та [[Q*bert]]) призвело до купівлі Google їхньої компанії. Хассабіс згадав популярну спортивну гру [[StarCraft]] як можливий майбутній виклик, оскільки це вимагатиме високого рівня стратегічного мислення та вправляння з недосконалою інформацією.
Станом на сьогодні, компанія опублікувала дослідження про комп'ютерні системи, що здатні грати ігри, та розробку таких систем, починаючи від стратегій на кшталт [[Ґо (гра)|Ґо]] і до [[Аркада (гра)|аркад]]. Зі слів Шейна Леґґа, [[Штучний інтелект|штучного інтелекту]] людського рівня можна досягнути, «коли машина зможе навчитись грати широкий спектр ігор через входи та виходи [[Перцепція|перцепційного]] потоку, та переносити розуміння на інші ігри […]». Дослідження з описом ШІ, що грає сім різних відеоігор [[Atari]] ([[Pong]], [[Breakout (video game)|Breakout]], [[Space Invaders]], [[Seaquest (video game)|Seaquest]], [[Beamrider]], [[Enduro (video game)|Enduro]] та [[Q*bert]]) призвело до купівлі Google їхньої компанії. Хассабіс згадав популярну спортивну гру [[StarCraft]] як можливий майбутній виклик, оскільки це вимагатиме високого рівня стратегічного мислення та вправляння з недосконалою інформацією.


На початку 2018 року дослідники з DeepMind навчили одну зі своїх систем грати в відому комп'ютерну гру «Quake III Arena». Через деякий час, витрачений на тренування, за рівнем гри ця система спочатку наздогнала, а потім і перегнала людей, які є найкращими в цій справі<ref>[https://www.engadget.com/2018/07/03/deepmind-ai-quake-iii-arena-human/ «DeepMind AI's new trick is playing ‘Quake III Arena’ like a human»] Engadget, 7 березня 2018</ref>.
На початку 2018 року дослідники з DeepMind навчили одну зі своїх систем грати в відому комп'ютерну гру «Quake III Arena». Через деякий час, витрачений на тренування, за рівнем гри ця система спочатку наздогнала, а потім і перегнала людей, які є найкращими в цій справі<ref>[https://www.engadget.com/2018/07/03/deepmind-ai-quake-iii-arena-human/ «DeepMind AI's new trick is playing ‘Quake III Arena’ like a human»] Engadget, 7 березня 2018</ref>.


=== Навчання з глибинним підкріпленням ===
=== Навчання з глибинним підкріпленням ===
На противагу іншим ШІ, як-от [[Deep Blue]] чи [[IBM Watson|Watson]] від [[IBM]], які було розроблено із заздалегідь визначеною метою та єдиною функцією, DeepMind стверджує, що їхня система не є запрограмованою; натомість, вона навчається з власного досвіду, використовуючи для входу даних лише пікселі. Технічно вона використовує [[глибинне навчання]] на [[Згорткова нейронна мережа|згортковій нейронній мережі]], з новітньою формою [[Q-навчання]], різновидом безмодельного [[навчання з підкріпленням]]. Вони тестують систему на відеоіграх, з-поміж яких варто виділити ранні аркади на кшталт [[Space Invaders]] чи [[Breakout (video game)|Breakout]]. Без внесення змін у власний код ШІ починає розуміти як грати гру, та, після певного часу гри, у деяких іграх (найпомітніше у Breakout), робить це більш ефективно, ніж це робила колись людина.
На противагу іншим ШІ, як-от [[Deep Blue]] чи [[IBM Watson|Watson]] від [[IBM]], які було розроблено із заздалегідь визначеною метою та єдиною функцією, DeepMind стверджує, що їхня система не є запрограмованою: вона навчається з власного досвіду, використовуючи для входу даних лише необроблені дані. Технічно вона використовує [[глибинне навчання]] на [[Згорткова нейронна мережа|згортковій нейронній мережі]], з новітньою формою [[Q-навчання]], різновидом безмодельного [[навчання з підкріпленням]]. Вони тестують систему на відеоіграх, з-поміж яких варто виділити ранні аркади на кшталт [[Space Invaders]] чи [[Breakout (video game)|Breakout]]. Без внесення змін у власний код ШІ починає розуміти як грати гру, та, після певного часу гри, у деяких іграх (найпомітніше у Breakout), робить це більш ефективно, ніж це робила колись людина.


=== AlphaGo ===
=== AlphaGo ===

Версія за 08:53, 20 травня 2020

DeepMind Technologies Limited — це британська компанія штучного інтелекту, заснована у 2010 році, яку в 2014 році придбала компанія Google. У цій компанії створили нейронну мережу, що здатна навчитись грати у відеоігри подібно людині, а також Нейронній Машині Тюрінга, або нейронній мережі, що здатна отримати доступ до зовнішньої пам'яті, як і звичайна Машина Тюрінга, в кінцевому результаті це комп'ютер, який імітує короткочасну пам'ять людського мозку.

Компанія потрапила на перші шпальти у 2016 році після того, як їхня програма AlphaGo вперше випередила професійного гравця в Ґо.

Історія

У 2010 році Деміс Хассабіс, Шейн Леґґ та Мустафа Сулейман заснували стартап[7]. 26 січня 2014 року Google оголосили про придбання DeepMind за 500 мільйонів доларів США та домовленість прийняти DeepMind Technologies.

З того часу в компанію інвестували провідні венчурні фірми Horizons Ventures та Founders Fund, а також підприємці Скот Баністер[17] та Ілон Маск[18]. Йаан Таллін був консультантом та одним з перших інвесторів компанії. Google купив компанію після того, як Facebook закінчив переговори з DeepMind Technologies у 2013 році. Після того компанію перейменували на Google DeepMind, ця назва зберігалась протягом двох років.

У 2014 році DeepMind отримала нагороду «Компанія року» від Комп'ютерної лабораторії Кембриджу.

Після продажу компанія заснувала раду етики штучного інтелекту. Склад ради етики досліджень штучного інтелекту зберігається в таємниці. 

Машинне навчання

Метою DeepMind Technologies є «вирішити інтелект», чого вони намагаються досягти шляхом поєднання «найкращих технік машинного навчання та системної психофізіології, аби збудувати могутні навчальні алгоритми загального призначення». Вони прагнуть формалізувати інтелект не лише задля втілення його у машини, але й щоб зрозуміти людський мозок.

У 2016 році Google Research випустили статтю на тему безпеки штучного інтелекту та уникання небажаної поведінки протягом навчального процесу ШІ

Станом на сьогодні, компанія опублікувала дослідження про комп'ютерні системи, що здатні грати ігри, та розробку таких систем, починаючи від стратегій на кшталт Ґо і до аркад. Зі слів Шейна Леґґа, штучного інтелекту людського рівня можна досягнути, «коли машина зможе навчитись грати широкий спектр ігор через входи та виходи перцепційного потоку, та переносити розуміння на інші ігри […]». Дослідження з описом ШІ, що грає сім різних відеоігор Atari (Pong, BreakoutSpace Invaders, Seaquest, Beamrider, Enduro та Q*bert) призвело до купівлі Google їхньої компанії. Хассабіс згадав популярну спортивну гру StarCraft як можливий майбутній виклик, оскільки це вимагатиме високого рівня стратегічного мислення та вправляння з недосконалою інформацією.

На початку 2018 року дослідники з DeepMind навчили одну зі своїх систем грати в відому комп'ютерну гру «Quake III Arena». Через деякий час, витрачений на тренування, за рівнем гри ця система спочатку наздогнала, а потім і перегнала людей, які є найкращими в цій справі[1].

Навчання з глибинним підкріпленням

На противагу іншим ШІ, як-от Deep Blue чи Watson від IBM, які було розроблено із заздалегідь визначеною метою та єдиною функцією, DeepMind стверджує, що їхня система не є запрограмованою: вона навчається з власного досвіду, використовуючи для входу даних лише необроблені дані. Технічно вона використовує глибинне навчання на згортковій нейронній мережі, з новітньою формою Q-навчання, різновидом безмодельного навчання з підкріпленням. Вони тестують систему на відеоіграх, з-поміж яких варто виділити ранні аркади на кшталт Space Invaders чи Breakout. Без внесення змін у власний код ШІ починає розуміти як грати гру, та, після певного часу гри, у деяких іграх (найпомітніше у Breakout), робить це більш ефективно, ніж це робила колись людина.

AlphaGo

У жовтні 2016 року комп'ютерна програма Ґо під назвою AlphaGo, розроблена DeepMind, з рахунком 5:0 переграла Фена Гуі, європейського чемпіона з Ґо. Це вперше штучний інтелект переміг професійного гравця, раніше комп'ютери були відомі як гравці Ґо «аматорського» рівня. Ґо вважають за гру, в якій комп'ютерам значно важче перемогти людину, в порівнянні з іншими іграми на кшталт шашок, через значно більшу кількість можливих ходів, що робить традиційні методи ШІ (наприклад, метод «грубої сили») непомірно складними до застосування. У березні 2016 року AlphaGo з рахунком 4:1 перемогла Лі Седола, одного з найбільш рейтингових світових гравців Ґо.

Охорона здоров'я

У липні 2016 року було оголошено про співпрацю між DeepMind та офтальмологічною клінікою Moorfields Eye Hospital. DeepMind буде застосовано в аналізі анонімізованих відбитків ока та пошуках ранніх ознак захворювань, що призводять до втрати зору.

У серпні 2016 року було оголошено про початок дослідницької програми з лікарнею Університетського коледжу Лондона (УКЛ) з метою розробки алгоритму автоматичного розрізняння здорових та ракових тканин в зонах голови та шиї.

Примітки

Посилання