عندما تم إطلاق DeepMind في عام 2010 ، كان هناك القليل من الاهتمام بمجال الذكاء الاصطناعي (AI) مقارنة بمستويات الاهتمام الموجودة اليوم. لتسريع مجال التكنولوجيا الناشئ ، اعتمد الفريق نهجًا متعدد التخصصات.
لقد دمجوا الأفكار الجديدة مع التطورات في الهندسة ، آلة التعلموالبنية التحتية للمحاكاة والحوسبة وعلم الأعصاب والرياضيات والأساليب الجديدة لتنظيم المساعي العلمية.
تقنيات DeepMind هي شركة بريطانية للذكاء الاصطناعي تابعة لشركة Alphabet Inc. وكان مختبر الأبحاث في لندن المكتسبة بواسطة Google في عام 2014. تمتلك هذه الشركة مراكز أبحاث في فرنسا وكندا والولايات المتحدة. في العام التالي ، أصبحت مملوكة بالكامل لشركة Alphabet.
تعاونت الشركة مع Google لتسريع عملها واستمرت في وضع جدول أعمالها البحثي. لقد تعلمت العديد من برامج DeepMind تشخيص أمراض العيون بكفاءة مثل أفضل الأطباء في العالم وتوفير 30٪ من الطاقة المستخدمة لضمان بقاء مراكز البيانات باردة. تتنبأ البرامج بالأشكال ثلاثية الأبعاد المعقدة للبروتينات التي يمكن أن تغير طريقة اختراع الأدوية في المستقبل.
حققت الشركة نجاحًا مبكرًا في ألعاب الكمبيوتر حيث يستخدمها الباحثون عادةً لاختبار الذكاء الاصطناعي. تعلم أحد البرامج أن يلعب 49 لعبة أتاري مختلفة من الصفر ، فقط من خلال رؤية البكسل والنتائج على الشاشة. كان برنامج AlphaGo أيضًا أول برنامج يتفوق على لاعب Go محترف ، وهو إنجاز يوصف بأنه قبل عقد من الزمن.
على مر السنين ، ابتكر DeepMind ملف الشبكة العصبية يتعلم كيفية لعب ألعاب الفيديو مثل البشر ، وآلة تورينج العصبية ، أو الشبكة العصبية التي يمكنها الوصول إلى ذاكرة خارجية تمامًا مثل آلة تورينج التقليدية. نتج عن التطور جهاز كمبيوتر يحاكي الذاكرة قصيرة المدى للدماغ البشري.
في عام 2016 ، تصدرت DeepMind عناوين الصحف بعد أن نجح برنامج AlphaGo في التغلب على لاعب Go المحترف لي سيدول ، بطل العالم ، في مباراة من 5 مباريات ، أصبحت موضوعًا لفيلم وثائقي.
برنامج عام آخر ، AlphaZero ، تغلب على أقوى برامج لعب الشطرنج و Go و Shogi (الشطرنج الياباني) بعد عدة أيام من اللعب ضد نفسه باستخدام بعض التعلم المعزز. في عام 2020 ، حقق DeepMind تقدمًا كبيرًا في مشكلة طي البروتين.
نظرة عامة على DeepMind
ديميس حسابيس وشين ليج ومصطفى سليمان هم مؤسسو هذه الشركة المزدهرة. التقى ليغ وحسابيس لأول مرة في وحدة غاتسبي لعلوم الأعصاب الحاسوبية في جامعة لندن.
في البداية ، بدأت الشركة العمل على تكنولوجيا الذكاء الاصطناعي لتعليمها لعب بعض الألعاب القديمة منذ عقود.
تضمنت بعض الألعاب Space Invaders و Pong و Breakout. قدم المطورون الذكاء الاصطناعي إلى لعبة واحدة في كل مرة دون أن يكون لديهم أي معرفة سابقة بقواعدها. بعد أن أمضت التكنولوجيا بعض الوقت في تعلم كيفية عمل اللعبة ، سيصبح الذكاء الاصطناعي بعد ذلك خبيرًا فيها:
"يقال إن العمليات المعرفية التي يمر بها الذكاء الاصطناعي تشبه إلى حد بعيد تلك العمليات التي يستخدمها الإنسان الذي لم يشاهد اللعبة من قبل لفهمها ومحاولة إتقانها."
يهدف المؤسسون إلى إنشاء ذكاء اصطناعي للأغراض العامة يمكن استخدامه بفعالية وكفاءة لأي شيء تقريبًا. Horizons Ventures and Founders Fund هي بعض المشاريع الرئيسية التي استثمرت في الشركة. أيضا ، رجال الأعمال البارزين مثل بيتر تيلوسكوت بانيستر و إيلون ماسك استثمر في الشركة خلال أيامها الأولى.
في 26 يناير 2014 ، استحوذت Google على DeepMind مقابل 500 مليون دولار في نفس العام عندما حصلت على جائزة Cambridge Computer Laboratory "شركة العام". جاء البيع إلى Google بعد أن أنهى Facebook مفاوضاته مع الشركة في عام 2013. بعد ذلك ، تم تغيير اسم الشركة إلى Google DeepMind وحافظت على الاسم لمدة عامين.
وقعت Royal Free NHS Trust و DeepMind أول اتفاقية لمشاركة المعلومات (ISA) في سبتمبر 2015 لإنشاء Streams ، وهو تطبيق لإدارة المهام السريرية. بعد الاستحواذ من قبل Google ، أنشأت الشركة مجلسًا لأخلاقيات الذكاء الاصطناعي للبحث ، لكن لا يزال الأمر غامضًا حيث رفضت الشركتان تحديد من يجلس على مجلس الإدارة.
انضمت الشركة إلى Facebook و Amazon و Microsoft و Google و IBM لإطلاق "شراكة حول الذكاء الاصطناعي" المكرسة لواجهة المجتمع والذكاء الاصطناعي. افتتحت DeepMind وحدة جديدة تُعرف باسم DeepMind Ethics and Society تركز بشكل أساسي على الأسئلة الأخلاقية والمجتمعية التي تثيرها تقنية الذكاء الاصطناعي. الفيلسوف البارز ، نيك بوستروم ، هو مستشار "المجتمع".
منتجات وتقنيات DeepMind
تسعى الشركة جاهدة لدمج أفضل التقنيات من علم الأعصاب للأنظمة والتعلم الآلي لإنشاء خوارزمية تعليمية قوية للأغراض العامة. في عام 2016 ، بحث جوجل نشر ورقة حول أمان الذكاء الاصطناعي وكيفية تجنب السلوك غير المرغوب فيه أثناء عملية الذكاء الاصطناعي.
في عام 2017 ، أصدرت DeepMind GridWorld ، وهو اختبار مفتوح المصدر لتقييم ما إذا كانت الخوارزمية تتعلم تعطيل مفتاح القفل أو تعرض بعض السلوكيات غير المرغوب فيها. في وقت ما في يوليو 2018 ، قام الباحثون في الشركة بتدريب أحد أنظمتها للعب لعبة الكمبيوتر Quake III Arena.
اعتبارًا من العام الماضي ، نشرت الشركة أكثر من ألف بحث ، تم قبول 13 منها بواسطة Science أو Nature. هنا بعض من أعلى منتجات DeepMind.
التعلم المعزز العميق
على عكس أنظمة الذكاء الاصطناعي الأخرى التي تم تطويرها لأغراض محددة مسبقًا وتعمل في مساحة محدودة ، تقول DeepMind أن نظامها غير مبرمج مسبقًا. تتعلم التكنولوجيا من التجربة من خلال استخدام وحدات البكسل الخام فقط كمدخلات للبيانات.
يستخدم في الغالب التعلم العميق الذي يعمل على شبكة عصبية تلافيفية باستخدام نوع جديد من Q-Learning. Q-Learning هو نوع من التعلم المعزز الخالي من النماذج. تختبر التكنولوجيا النظام على ألعاب الفيديو ، بما في ذلك في وقت مبكر العاب الورق مثل Breakout و Space Invaders.
بعد ذلك ، وبدون تغيير الكود ، يبدأ نظام الذكاء الاصطناعي في فهم كيفية لعب اللعبة وبعد لعب بضع جلسات ، يتم تشغيلها بكفاءة أكبر من أي إنسان. في عام 2013 ، نشر DeepMind بحثًا متعمقًا حول نظام ذكاء اصطناعي يمكنه تجاوز القدرات البشرية في ألعاب مختلفة ، مما أدى إلى استحواذ Google عليه.
في العام الماضي ، أطلقت الشركة العنان لـ Agent57 ووكيل الذكاء الاصطناعي الذي تجاوز مستوى الأداء البشري في جميع الألعاب الـ 57 لمجموعة Atari2600.
AlphaGo والخلفاء
في عام 2014 ، نشرت الشركة بحثًا عن أنظمة الكمبيوتر مع القدرة على لعب لعبة Go. لاحقًا في أكتوبر 2015 ، فاز برنامج AlphaGo ، وهو برنامج كمبيوتر Go ، طورته الشركة على بطل أوروبا Go Fan Hui ، بفارق خمسة إلى صفر. كانت تلك هي المرة الأولى التي يهزم فيها برنامج الذكاء الاصطناعي لاعب Go محترف.
في مارس 2016 ، تغلب AlphaGo على Lee Sedol ، أحد اللاعبين الأعلى تصنيفًا في جميع أنحاء العالم ، برصيد 4-1. خلال قمة Future of Go لعام 2017 ، فاز الذكاء الاصطناعي بمباراة من 3 مباريات مع المصنف الأول عالميًا في ذلك الوقت ، Ke Jie. استخدم النظام بروتوكول تعلم خاضع للإشراف ، ودرس العديد من الألعاب التي يلعبها البشر ضد بعضهم البعض.
هزمت نسخة AlphaGo Zero المحسنة النسخة السابقة نظام AlphaGo 100 لعبة مقابل صفر في عام 0. كانت استراتيجيات الإصدار الأحدث ذاتية التعلم وتغلبت على سابقتها في غضون ثلاثة أيام بقوة معالجة أقل من AlphaGo. في وقت لاحق من العام ، اكتسب AlphaZero نسخة معدلة من AlphaGo Zero ، قدرات خارقة في لعبة shogi والشطرنج.
كل هذه الإصدارات من أنظمة الذكاء الاصطناعي الخاصة بـ DeepMind تعلمت اللعب فقط من خلال اللعب الذاتي. تم تصميم تقنية AlphaGo لاستخدام نهج التعلم المعزز العميق لتمكينها من التحسين بمرور الوقت من خلال التعلم الذاتي.
استخدم النظام شبكتين عصبيتين عميقتين لتمكينه من تقييم احتمالات الحركة وشبكة القيمة لتقييم المواقف. تم تدريب شبكة السياسات هذه من خلال التعلم الخاضع للإشراف ثم تم تنقيحها من خلال التعلم المعزز للتدرج السياسي. في هذا السياق ، تعلمت شبكة القيم تحديد الفائزين في الألعاب التي تلعبها شبكة السياسة ضد نفسها.
في وقت لاحق ، استخدمت الشبكة نظرة متقدّمة البحث عن شجرة مونت كارلو (MCTS) التي استخدمت شبكة سياسة لتحديد التحركات عالية الاحتمالية المرشحة حيث قامت شبكة القيمة بتقييم مواقف الشجرة في وقت واحد. كان النظام يستخدم التعلم المعزز حيث لعب النظام الملايين من هذه الألعاب ضد نفسه بهدف زيادة معدل الفوز.
والجدير بالذكر أن البحث الشجري المبسط يعتمد بشكل أساسي على شبكتها العصبية لتقييم المواضع وعينات التحركات دون استخدام عروض مونت كارلو. مع هذه التحسينات ، احتاج نظام AlphaZero إلى طاقة حوسبة أقل من AlphaGo ، حيث يعمل على أربعة معالجات AI متخصصة تُعرف باسم جوجل تي بي يو بدلاً من 48 التي يستخدمها AlphaGo.
AlphaFold
في وقت ما من عام 2016 ، حولت شركة DeepMind أبحاثها في مجال الذكاء الاصطناعي وتطويرها إلى واحدة من أصعب التحديات الموجودة في العلوم ، وهي طي البروتين. بالكاد بعد عامين ، ظهرت AlphaFold من DeepMind أعطي جائزة جائزة التقييم النقدي الثالث عشر لتقنيات التنبؤ ببنية البروتين (CASP) بعد أن نجحت في تحديد الهيكل الأكثر دقة لـ 13 من أصل 25 بروتينًا.
علق حسابيس في مقابلة مع الجارديان:
"هذا مشروع منارة ، وهو أول استثمار كبير لنا من حيث الأفراد والموارد في مشكلة علمية أساسية ومهمة جدًا في العالم الحقيقي."
في العام الماضي ، خلال الدورة الرابعة عشرة من CASP ، حصلت توقعات AlphaFold على درجة دقة مقارنة بتقنيات المختبر. قال أحد أعضاء لجنة التحكيم العلميين ، الدكتور أندري كريشتافوفيتش ، إن الإنجاز كان "رائعًا حقًا ، وأضاف أن مشكلة التنبؤ بكيفية طي البروتينات قد تم حلها على نطاق واسع.
منتجات DeepMind البارزة الأخرى
قدمت الشركة أ نظام تحويل النص إلى كلام، WaveNet ، في عام 2016. في البداية ، كانت عملية حسابية مكثفة للغاية لاستخدامها في المنتجات الاستهلاكية ولكنها أصبحت جاهزة للاستخدام في تطبيقات مثل Google Assistant في أواخر عام 2017. في العام التالي ، كشفت Google النقاب عن Cloud Text-to-Speech ، وهو إعلان تجاري منتج تحويل النص إلى كلام ، استنادًا إلى WaveNet.
في وقت لاحق من عام 2018 ، طور DeepMind نموذجًا عالي الكفاءة يُعرف باسم WaveRNN تم تطويره بشكل مشترك باستخدام Google AI الذي تم طرحه لمستخدمي Google Duo في عام 2019.
تقول Google أن خوارزميات DeepMind قد زادت بشكل كبير من كفاءة تبريد معظم مراكز البيانات الخاصة بها. أيضا ، التكنولوجيا تساعد Google Playتوصيات التطبيق المخصصة وتعاونت مع فريق Android لإنشاء زوج من الميزات المتاحة لأجهزة Android Pie.
تشمل الميزات الجديدة Adaptive Brightness و Adaptive Battery التي تستخدم التعلم الآلي لتوفير الطاقة وجعل الأجهزة التي تعمل بنظام التشغيل أكثر سهولة في الاستخدام. كانت تلك هي المرة الأولى التي دمجت فيها DeepMind هذه التقنيات على نطاق صغير مع تطبيقات التعلم الآلي العادية التي تحتاج إلى الكثير من قوة الحوسبة.
مكّن تلسكوب هابل التابع للشركة الناس من النظر بشكل أعمق في الفضاء ، مع الأدوات المتاحة بالفعل لتوسيع المعرفة البشرية ، وبالتالي إحداث تأثير عالمي إيجابي. تتمثل مهمة DeepMind طويلة المدى في حل الذكاء ، وإنشاء أنظمة معممة وفعالة لحل المشكلات ، يطلق عليها اسم الذكاء العام الاصطناعي (AGI).
مسترشدًا تمامًا بالأخلاق والسلامة ، قد يتم عقد الاختراع في المجتمع للحصول على حلول قابلة للتطبيق لبعض القضايا العلمية الأكثر تحديًا والأساسية في العالم.
في الوقت الحالي ، تواصل الشركة تطوير تقنيتها وتهدف إلى توسيع قابليتها للاستخدام في جميع الجوانب المهمة للإنسانية تقريبًا بما في ذلك الصحة والألعاب والحفاظ على البيئة.
كوينسمارت. Beste Bitcoin-Börse في أوروبا
المصدر: https://e-cryptonews.com/deepmind-ai-products/
