业界丨从 AlphaGo 说起, DeepMind 官方回顾 2016 年大事记

AI 科技评论按:“我们正处在最好的时代,我们正处在最坏的时代。”《双城记》的开篇同样适用于今天。

这个时代变化多端,复杂多样,我们正在经历气候变迁,也曾忍受新疾病出现。而在智能系统的帮助下,人类会逐渐解开全新技术的面纱,推动社会向更完善的方向发展。在这一过程中,我们需要一个能够从零开始对现阶段不同问题的理解逐渐加深的通用性系统,以此识别出那些有可能被遗漏的科学突破。这正是 DeepMind 一直以来所关注的焦点。

对于谷歌 DeepMind ,雷锋网也一直关注着它的研究和进展。在 2017 年开篇之际,DeepMind 官方发表文章回顾了 2016 年该公司的大事记。雷锋网根据原文的顺序对每个项目进行了编译和适当补充。

在过去的一年里,DeepMind 已经在不少领域取得了令人兴奋的进展。

AlphaGo

相信很多人都是因为 AlphaGo (阿尔法狗)才知道 DeepMind 的。2016 年, AlphaGo 在古老的围棋比赛中以 4:1 的高分击败了世界大师级冠军李世石,从此一炮而红,并且二度登上《Nature》杂志封面。许多专家认为,人类至少提前十年实现了这一壮举。对于 DeepMind 以及世界围棋界而言,最激动人心的是 AlphaGo 在博弈过程中所表现出来的创造力,甚至有时候它的招数对古老的围棋智慧都造成了挑战。要知道,一直以来围棋都被认为是最需要人类深思熟虑的游戏之一, AlphaGO 的胜利彰显了人工智能的巨大可能性。此外,DeepMind 表示 2017 年也将带来更多机器参与人类游戏的研究。

生成模型领域:WaveNet

在生成模型领域,DeepMind 也取得了意义非凡的进展。研发团队在发表了图像生成 PixelCNN 论文之后,又发布了最新原始音频波形深度生成模型音频 WaveNet 的研究论文。WaveNets 是一种卷积神经网络,能够模拟任意一种人类声音,生成的语音听起来比现存的最优文本(语音系统)更为自然,将模拟生成的语音与人类声音之间的差异降低了 50 % 以上。这种深度生成模型能够模仿人类的声音,生成的原始音频质量优于目前 Google 采用的两种最优文本——语音模型 Parameric TTS 与 Concatenative TTS 。由于 WaveNet 不是将录下的语音样本拼接起来,而是创造出的新的音频波形,所以它很有可能会实现世界上最动听的语音合成。

目前,DeepMind 正计划将这一成果融入谷歌产品中,借此提升数百万用户的产品体验。

可微分计算机 DNC

2016 年,DeepMind 在存储(memory)领域也取得了不小的进步,尤其是在解决如何将神经网络的智能决策和复杂结构化数据的存储、推理能力结合起来的难题。实验室团队提出了可微分神经计算机的神经网络模型(Differentiable Neural Computer,简称 DNC)。这种新型模型将神经网络与可读写的外部存储器结合,既能像神经网络那样通过试错和样本训练进行深度学习,又能像传统计算机一样处理数据。

目前,这些模型已经学会回答有关数据结构(从家谱到地铁交通地图)的问题。DeepMind 表示,这让人类距离使用人工智能在复杂数据组中进行科学发现又近了一步。

开源 DeepMind Lab

今年 12 月, DeepMind 宣布向大众及其他开发者开放其用于众多实验的迷宫类游戏平台,把训练环境的整个源代码发布至开源社区 GitHub,并将其名称由 Labyrinth 更改为 DeepMind Lab。届时,所有开发者都能下载源代码并对其进行个性化设置,以此训练和测试原有的 AI 系统。此外,11 月,该公司还宣布了与动视暴雪 ( Activision Blizzard ) 合作的消息,两者将联手把视频游戏《星际争霸 II 》转换为一个测试平台,以便所有 AI 研究人员都有机会制作出这款复杂游戏的人工智能系统。

用技术改善医疗

2016 年, DeepMind 与英国国家医疗服务体系 NHS 旗下的基金会 Royal Free London 签订了为期五年的合同,目标处理 172 万患者的医疗记录。同时, DeepMind 还获得了来自伦敦医院的两个数据库,一个是让 AI 软件确定退行性眼病早期征兆的一百万张视网膜扫描报告,一个是训练 AI 软件来识别健康组织和癌变组织的头颈部癌症图像。

DeepMind 希望探索出运用先进技术来改善数百万患者医疗条件的方案,并且通过其开发的移动应用和基础设施改进临床护理。

其他

此外,DeepMind 还参与建立了非盈利 AI 合作组织(Partnership on AI), 与 Facebook、亚马逊、IBM、微软等科技巨头一起,在诸如算法的透明性和安全性等领域探索出最好的实践方式,从而找到用 AI 实现社会利益最大化的方法。

DeepMind 在推动智能系统运用于现实世界的同时,也关注如何提升自身的学习效率。2016 年,Google 宣布 DeepMind 研发的学习软件已经成功让谷歌数据中心的能耗减少了大约五分之二。据悉,这种软件通过学习数据中心的操作日志进行压缩,进行大规模的模拟操作,最终实现了过程的优化。

此外,DeepMind 前不久还发布了论文《非监督辅助任务中的强化学习》(”REINFORCEMENT LEARNING WITH UNSUPERVISED AUXILIARY TASKS”),介绍了一种极大提高代理学习速度和最终成效的方法。研究人员通过让代理在训练中执行两个附加任务,对标准的深度强化学习方法进行增强。

结语

DeepMind 是一家位于英国的人工智能公司,成立于 2010 年,它曾经让 Facebook、Google 等科技巨头都为之着迷,最后 Google 在 2014 年 1 月以 2.63 亿美元成功将 DeepMind 收入囊中。

2016 年 3月,AlphaGo 以 4:1 的傲人成绩击败了世界围棋冠军李世石,自此,其背后的研发者 DeepMind 也开始进入到大众的视野中。

在 2017 年,DeepMind 希望可以进一步在算法突破、社会影响与最佳道德实践三个方面获得进展,继续为整个科学领域乃至世界作出持续,有价值的贡献。雷锋网也同样期待 DeepMind 的下一个成果。

Via DeepMind

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-01-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

小数据学习对 AI 究竟有着怎样的影响? | CCAI 2017

982
来自专栏人工智能头条

自然语言处理的十个发展趋势

1523
来自专栏人工智能快报

欧盟专家介绍神经形态计算技术发展概况

2016年8月,欧盟人脑计划(HBP)项目负责人KarlheinzMeier教授在高性能计算机技术国际会议“ISC 2016”上介绍了神经形态计算的发展概况,如...

2097
来自专栏AI科技大本营的专栏

CCAI 2017 | 自然语言处理的十个发展趋势

文/CSDN 苏靖芝 近日,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017...

2736
来自专栏新智元

神经网络到底要做多少层?沈向洋专访

【新智元导读】 沈向洋在专访中表示,神经网络到底要多少层?这个问题一直没有得到回答。我觉得应该有人写这样一篇基础的论文(来回答这个问题),这肯定会是一篇获奖论文...

40712
来自专栏新智元

【iPhone10周年】王威廉谈NLP:智能助理几家仍需努力

【新智元导读】什么是自然语言处理?在 iPhone十周年之际,王威廉应 UC Santa Barbara Current 之邀请,谈了谈人工智能,并简要介绍了自...

3825
来自专栏人工智能头条

资讯 | 讯飞百度阿里360深度学习大神论道DL与HPC

1113
来自专栏ATYUN订阅号

IBM开发全新的深度学习芯片,旨在极大提高利用率

深度学习领域仍在不断变化,但有些事情已经开始着手解决。特别是专家们认识到,如果芯片使用低精度数学近似得出答案,神经网络可以用很少的能量完成大量的计算。这在移动和...

673
来自专栏新智元

进阶图灵测试暴露人工智能短板:机器理解人类还有多远?

【新智元导读】在被称为“进阶版的图灵测试” 的 Winograd Schema 挑战赛上,来自中国科技大学的参赛者获冠军,但是却没能拿到2万5千美元的大奖。为什...

3407
来自专栏PPV课数据科学社区

CCAI 2017 | 自然语言处理的十个发展趋势

近日,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)在杭州国际会议中心盛...

2425

扫码关注云+社区