0
| 本文作者： 劉子榆 | 2017-01-04 16:55 |
雷鋒網按：“我們正處在最好的時代，我們正處在最壞的時代?！?/span>《雙城記》的開篇同樣適用于今天。
這個時代變化多端，復雜多樣，我們正在經歷氣候變遷，也曾忍受新疾病出現(xiàn)。而在智能系統(tǒng)的幫助下，人類會逐漸解開全新技術的面紗，推動社會向更完善的方向發(fā)展。在這一過程中，我們需要一個能夠從零開始對現(xiàn)階段不同問題的理解逐漸加深的通用性系統(tǒng)，以此識別出那些有可能被遺漏的科學突破。這正是 DeepMind 一直以來所關注的焦點。
對于谷歌 DeepMind ，雷鋒網也一直關注著它的研究和進展。在 2017 年開篇之際，DeepMind 官方發(fā)表文章回顧了 2016 年該公司的大事記。雷鋒網根據原文的順序對每個項目進行了編譯和適當補充。
在過去的一年里，DeepMind 已經在不少領域取得了令人興奮的進展。
相信很多人都是因為 AlphaGo （阿爾法狗）才知道 DeepMind 的。2016 年， AlphaGo 在古老的圍棋比賽中以 4:1 的高分擊敗了世界大師級冠軍李世石，從此一炮而紅，并且二度登上《Nature》雜志封面。許多專家認為，人類至少提前十年實現(xiàn)了這一壯舉。對于 DeepMind 以及世界圍棋界而言，最激動人心的是 AlphaGo 在博弈過程中所表現(xiàn)出來的創(chuàng)造力，甚至有時候它的招數對古老的圍棋智慧都造成了挑戰(zhàn)。要知道，一直以來圍棋都被認為是最需要人類深思熟慮的游戲之一， AlphaGO 的勝利彰顯了人工智能的巨大可能性。此外，DeepMind 表示 2017 年也將帶來更多機器參與人類游戲的研究。
關于 AlphaGo 的報道詳情見《登頂世界第一! 相比其他AI，AlphaGo究竟有何不同？| IJCAI2016特邀演講》。
在生成模型領域，DeepMind 也取得了意義非凡的進展。研發(fā)團隊在發(fā)表了圖像生成 PixelCNN 論文之后，又發(fā)布了最新原始音頻波形深度生成模型音頻 WaveNet 的研究論文。WaveNets 是一種卷積神經網絡，能夠模擬任意一種人類聲音，生成的語音聽起來比現(xiàn)存的最優(yōu)文本（語音系統(tǒng)）更為自然，將模擬生成的語音與人類聲音之間的差異降低了 50 % 以上。這種深度生成模型能夠模仿人類的聲音，生成的原始音頻質量優(yōu)于目前 Google 采用的兩種最優(yōu)文本——語音模型 Parameric TTS 與 Concatenative TTS 。由于 WaveNet 不是將錄下的語音樣本拼接起來，而是創(chuàng)造出的新的音頻波形，所以它很有可能會實現(xiàn)世界上最動聽的語音合成。
目前，DeepMind 正計劃將這一成果融入谷歌產品中，借此提升數百萬用戶的產品體驗。
更多 WaveNet 的報道見《DeepMind發(fā)布最新原始音頻波形深度生成模型WaveNet，將為TTS帶來無數可能》。
2016 年，DeepMind 在存儲（memory）領域也取得了不小的進步，尤其是在解決如何將神經網絡的智能決策和復雜結構化數據的存儲、推理能力結合起來的難題。實驗室團隊提出了可微分神經計算機的神經網絡模型（Differentiable Neural Computer，簡稱 DNC）。這種新型模型將神經網絡與可讀寫的外部存儲器結合，既能像神經網絡那樣通過試錯和樣本訓練進行深度學習，又能像傳統(tǒng)計算機一樣處理數據。
目前，這些模型已經學會回答有關數據結構（從家譜到地鐵交通地圖）的問題。DeepMind 表示，這讓人類距離使用人工智能在復雜數據組中進行科學發(fā)現(xiàn)又近了一步。
更多“可微分神經計算機 ”的報道請見《Deepmind 開發(fā)可微分神經計算機： 我們離會推理的機器人還有多遠》 和 《谷歌 DeepMind 的可微分神經計算機 DNC 怎么樣？看 Facebook AI 研究員田淵棟、賈揚清怎么說》。
今年 12 月， DeepMind 宣布向大眾及其他開發(fā)者開放其用于眾多實驗的迷宮類游戲平臺，把訓練環(huán)境的整個源代碼發(fā)布至開源社區(qū) GitHub，并將其名稱由 Labyrinth 更改為 DeepMind Lab。屆時，所有開發(fā)者都能下載源代碼并對其進行個性化設置，以此訓練和測試原有的 AI 系統(tǒng)。此外，11 月，該公司還宣布了與動視暴雪 ( Activision Blizzard ) 合作的消息，兩者將聯(lián)手把視頻游戲《星際爭霸 II 》轉換為一個測試平臺，以便所有 AI 研究人員都有機會制作出這款復雜游戲的人工智能系統(tǒng)。
更多 DeepMind Lab 報道請見《繼 OpenAI 之后，DeepMind 開源深度學習訓練平臺 DeepMind Lab》。
2016 年， DeepMind 與英國國家醫(yī)療服務體系 NHS 旗下的基金會 Royal Free London 簽訂了為期五年的合同，目標處理 172 萬患者的醫(yī)療記錄。同時， DeepMind 還獲得了來自倫敦醫(yī)院的兩個數據庫，一個是讓 AI 軟件確定退行性眼病早期征兆的一百萬張視網膜掃描報告，一個是訓練 AI 軟件來識別健康組織和癌變組織的頭頸部癌癥圖像。
DeepMind 希望探索出運用先進技術來改善數百萬患者醫(yī)療條件的方案，并且通過其開發(fā)的移動應用和基礎設施改進臨床護理。
詳情報道見《DeepMind 與 NHS 打造未來醫(yī)療五年計劃，前景雖好隱憂不斷》 以及 《DeepMind與帝國理工學院醫(yī)院合作，獲得100萬患者數據》。
此外，DeepMind 還參與建立了非盈利 AI 合作組織（Partnership on AI）， 與 Facebook、亞馬遜、IBM、微軟等科技巨頭一起，在諸如算法的透明性和安全性等領域探索出最好的實踐方式，從而找到用 AI 實現(xiàn)社會利益最大化的方法。
DeepMind 在推動智能系統(tǒng)運用于現(xiàn)實世界的同時，也關注如何提升自身的學習效率。2016 年，Google 宣布 DeepMind 研發(fā)的學習軟件已經成功讓谷歌數據中心的能耗減少了大約五分之二。據悉，這種軟件通過學習數據中心的操作日志進行壓縮，進行大規(guī)模的模擬操作，最終實現(xiàn)了過程的優(yōu)化。
此外，DeepMind 前不久還發(fā)布了論文《非監(jiān)督輔助任務中的強化學習》（”REINFORCEMENT LEARNING WITH UNSUPERVISED AUXILIARY TASKS”），介紹了一種極大提高代理學習速度和最終成效的方法。研究人員通過讓代理在訓練中執(zhí)行兩個附加任務，對標準的深度強化學習方法進行增強。
更多 DeepMind 的報道請見《DeepMind 黑科技！顛覆傳統(tǒng)強化學習方法，代理學習速度提高十倍（附視頻）》 以及《牛津大學聯(lián)合 DeepMind 發(fā)布 LipNet ：用深度學習讀懂你的唇語》。
DeepMind 是一家位于英國的人工智能公司，成立于 2010 年，它曾經讓 Facebook、Google 等科技巨頭都為之著迷，最后 Google 在 2014 年 1 月以 2.63 億美元成功將 DeepMind 收入囊中。
2016 年 3月，AlphaGo 以 4:1 的傲人成績擊敗了世界圍棋冠軍李世石，自此，其背后的研發(fā)者 DeepMind 也開始進入到大眾的視野中。
在 2017 年，DeepMind 希望可以進一步在算法突破、社會影響與最佳道德實踐三個方面獲得進展，繼續(xù)為整個科學領域乃至世界作出持續(xù)，有價值的貢獻。雷鋒網也同樣期待 DeepMind 的下一個成果。
Via DeepMind
*文中圖片及封面均來源于 DeepMind。
【兼職召集令！】
如果你對未來充滿憧憬，喜歡探索改變世界的科技進展，look no further！
我們需要這樣的你：
精通英語，對技術與產品感興趣，關注人工智能學術動態(tài)的蘿莉&萌妹子&技術宅；
文字不求妙筆生花，但希望通俗易懂；
在這里，你會收獲：
一群來自天南地北、志同道合的小伙伴；
前沿學術科技動態(tài)，每天為自己充充電；
更高的生活品質，翻翻文章就能掙到零花錢；
有意向的小伙伴們把個人介紹/簡歷發(fā)至 guoyixin@leiphone.com，如有作品，歡迎一并附上。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
