شرکت Google DeepMind یک لابراتوار تحقیقاتی هوش مصنوعی از زیر مجموعه های گوگل است که در سال 2010 در بریتانیا تاسیس گردید و در سال 2014 توسط گوگل خریداری شد و بعد از اینکه در سال 2015 ساختار مالکیتی گوگل دچار تغییر گردید تبدیل به زیر مجموعه شرکت مادر گوگل یعنی Alphabet Inc شد. مقر اصلی و دفتر مرکزی دیپ مایند شهر لندن است اما آنها در کانادا، فرانسه، و آمریکا نیز مرکز تحقیقاتی یا شعبه دارند.
از اولین فعالیت های آنها میتوان به ساخت شبکه ای عصبی اشاره کرد که توانایی یادگیری انجام بازی های ویدئویی را مانند انسان داشت. آنها یک شبکه عصبی دیگر را نیز توسعه داده اند که این توانایی را دارا بود تا مانند ماشین تورینگ حافظه کوتاه مدت انسان گونه داشته باشد.
در سال 2016 آنها توانستند با برنامه به نام AlPhaGo بهترین بازیکن بازی گو (Go) در دنیا به نام Lee Sedol را شکست دهند و به سرتیتر خبر ها تبدیل شوند. فیلم مستندی از این مسابقه بین هوش مصنوعی و انسان ساخته شده ساخته شده که پیشنهاد میکنیم آن را تماشا کنید.
یکی از محصولات دیگر این شرکت به نام AlphaZero پس از چند روز انجام بازی در مقابل خود به روش یادگیری تقویت شده (reinforcement learning) توانست قوی ترین برنامه های کامپیوتری بازی شطرنج، گو و shogi (شطرنج ژاپنی) را شکست دهد. شرکت دیپ مایند در سال 2022 توانستند پیشرفت های فوق العاده ای در یکی از مشکلات بیولوژی به نام protein folding (پیش بینی ساختار پروتئین) دست پیدا کنند آنها اعلام کردند که بیش از 200 میلیون پیش بینی از ساختار پروتئین ها (که تقریبا همه ی حالت های ممکن است) در پایگاه داده شان موجود می باشد.
این شرکت در سال 2022 یک مدل (VLM) توسعه داده که توانایی توصیف محتوی درون تصاویر را به طور دقیق دارا میباشد.
تاریخچه شرکت DeepMind
این شرکت توسط دمیس حسابیس (Demis Hassabis)، شین لگ (Shane Legg ) و مصطفی سلیمان (Mustafa Suleyman) در سال 2012 تاسیس شد. آشنایی حسابیس و لگ به کالج لندن برمی گردد. موسس این شرکت می گوید آنها سعی می کردند هوش مصنوعی را آموزش دهند تا بتواند بازی های ویدئویی دهه هفتاد و هشتاد میلادی را انجام دهد. این دو بدون اینکه قوانین بازی را برای سیستم هوش مصنوعی شرح دهند به آن اجازه می داند تا مدتی به انجام بازی بپردازد پس از مدتی هوش مصنوعی در انجام بازی خبره میشد و می توانست مانند یک انسان بسیار ماهر بازی را به سرانجام برساند، فرایندی که هوش مصنوعی طی می کرد تا یاد بگیرد چگونه بازی را انجام دهد بسیار شبیه فرآیندی بود که انسانی که تا حالا بازی را انجام نداده برای یادگیری آن طی می کند.
هدف اصلی بنیانگذاران این کمپانی توسعه هوش مصنوعی عمومی است که قادر باشد تمام کارها و وظایفی را که به عهده آن میگذارند به نحو صحیح انجام دهد.
شرکت های سرمایه گذاری Horizons Ventures و Founders Fund در کمپانی deepmind سرمایه گذاری کرده اند همچنین کارآفرینان معروف Scott Banister، پیتر تیل و ایلان ماسک از سرمایه گذاران این شرکت به حساب می آیند. در سال 2014 گوگل اعلام کرد که کمپانی دیپ ماین را به مبلغ 500 میلیون دلار خریداری کرده است. این تغییر مالکیت بعد از به نتیجه نرسیدن مذاکرات برای خرید توسط فیسبوک در سال 2013 اتفاق افتد. بعد از اینکه گوگل این شرکت را تصاحب کرد نام آن به Google DeepMind تغییر داد.
در سال 2014 این کمپانی جایزه "برترین شرکت سال" از دانشگاه کمبریج را بدست آورد.
در سال 2015 دیپ ماین و وزارت بهداشت بریتانیا تفاهم نامه اشتراک اطلاعات (Information Sharing Agreement) امضا کردند که نتیجه آن به توسعه اپلیکیشنی با نام Streams منجر شد.
در سال 2019 مصطفی سلیمان که یکی از بنیانگذاران این شرکت بود اعلام نمود از این شرکت جدا شده است
در سال 2023 دیپ مایند با بخش هوش مصنوعی گوگل به نام Google Brain ادغام شد هدف از این کار سرعت بخشیدن به توسعه هوش مصنوعی توسط گوگل عنوان شده است.
فنآوری و محصولات DeepMind
بر اساس گفته خود شرکت هدف نهایی آنها ترکیب یادگیری ماشین و علم عصب شناسی به منظور ساخت هوش مصنوعی قدرتمند همه فن حریف می باشد.
این شرکت تا به حال چندین مقاله در رابطه با امنیت هوش مصنوعی و راهای جلوگیری از خطرات بالقوه آن منتشر کرده است. در سال 2017 استانداری به نام GridWorld معرفی کردند که مجموعه از الگوریتمها و ابزار ها و روشهایی است که بررسی میکند آیا یک مدل هوش مصنوعی خواهد توانست دکمه مرگ خود را غیر فعال کند یا یاد بگیرد که رفتار های مخرب از خود بروز دهد.
در سال 2018 در یک پروژه تحقیقاتی آنها توانستند هوش مصنوعی را تربیت کنند که توانایی بازی Quake III Arena را بدست آورد (یک بازی چند نفره سه بعدی اول شخص محصول سال 1999)
تا سال 2022 شرکت دیپ ماند هزاران مقاله منتشر کرده است که 13 تا از آنها توسط مجله های معتبر نیچر و ساینس به چاپ رسیده اند. در جریان برگزاری مسابقات Alpha Go این شرکت به شهرت زیادی رسید و به سر تیتر خبری بسیاری از خبرگزاری ها تبدیل شد.
یادگیری تقویتی عمیق
بر خلاف دیگر سیستم های هوش مصنوعی نظیر IBM Blue و واتسون که برای هدف خاصی طراحی شده اند و فقط توانایی انجام کارها در همان حیطه را دارند کمپانی دیپ مایند ادعا میکند که هوش مصنوعی آنها از قبل برای هدف خاصی تربیت نشده است و از تجربیات خود یاد میگیرد و آموزش میبیند و ورودی آن فقط اطلاعات پیکسل به صورت خام هستند در حقیقت آنها از تکنیک های یادگیری تقویت شده و یادگیری عمیق استفاده میکنند. آنها سعی میکردند سیستم طراحی شده را در مقابل بازی های ویدئویی قدیمی قرار دهند و این کار را بدون تغییر الگوریتم و دستکاری در کد برای بازی های مختلف انجام می دادند. سرانجام پس مدتی هوش مصنوعی بدون هیچ راهنمایی و آموزشی یاد می گرفت که چطور آن بازی را به اتمام برساند.
این شرکت در سال 2013 مقاله ای منتشر کرد که در آن هوش مصنوعی معرفی گردید که قادر بود عملکرد بهتری نسبت به انسان در انجام بازی های مثل Pong ,Breakout ،Beamrider داشته باشد. نتیجه ساخت این هوش مصنوعی و انتشار مقاله ای در مورد آن باعث تصاحب دیپ ماین توسط گوگل شد. پس از مدتی این هوش مصنوعی قادر گردید بازی های ویدئویی دهه 70 و 80 میلادی را انجام دهد و با پیشرفت بیشتر توانست بازی های مدرن تر سه بعدی مانند Quack 3 محصول سال 1999 را به سرانجام برساند.
در سال 2022 هوش مصنوعی به نام Agent57 را معرفی کردند که توانایی انجام بازی های ویدئویی فراتر از انسان در انجام همه 57 بازی Atari 2600 را داشت.
AlphaGo
در سال 2014 ایم شرکت هوش مصنوعی سیستمی را معرفی کرد که توانایی انجام بازی گو (GO) را دارا بود
در سال 2015 برنامه کامپیوتری و هوش مصنوعی به نام Alpha Go توانستن با نتیجه پنج بر صفر قهرمان اروپا را شکست دهد این اولین باری بود که کامپیوتر توانست یک بازیکن حرفه ای گو را شکست دهد. تا قبل از این اتفاق تمام برنامه های موجود می توانستند در سطح مبتدی به انجام این بازی بپردازند. انجام بازی گو نسبت به بازی های دیگر مانند شطرنج به مراتب دشوارتر می باشد دلیل این امر وجود حالت های بسیار بیشتر نسبت به دیگر بازی ها است. به همین دلیل انجام بازی گو برای هوش مصنوعی که به روش های قدیمی تر مانند بروت-فورس تربیت شده غیر ممکن میباشد.
آلفا گو در سال 2016 قهرمان جهان و یکی از بهترین بازیکنان GO به نام Lee Sedol را با نتیجه چهار بر یک شکست داد
در سال 2017 نسخه دیگری از هوش مصنوعی آنها که فقط با تماشای بازی مابین انسان ها تربیت شده بود توانست یکی دیگر از بهترین بازیکنان این بازی بسیار دشوار را شکست دهد.
AlphaGo Zero ورژن بهبود یافته ای بود که در سال 2017 معرفی شد و توانست سیستم قبلی خود شرکت یعنی AlphaGo را با نتیجه صد بر صفر شکست دهد. این سیستم هوش مصنوعی که خودش را آموزش داده بود توانست بر خلاف نوع قبلی که تربیت آن چندین ماه به طول انجامیده بود فقط در عرض سه روز و با صرف انرژی بسیار کمتر خودش را آموزش دهد و در انجام این بازی بسیار سخت و پیچیده استاد شود.
در همان سال ورژن بهبود یافته ای از AlphaGo Zero با نام AlphaZero معرفی شد که مانند پیشینیان خود تنها با انجام بازی در مقابل خود قابلیت های فراتر انسان در انجام بازی های 2 نفره مانند شطرنج و شطرنج ژاپنی (shogi) به دست آورده بود.
مدل دیگری که این شرکت توسعه داده است MuZero نام دارد. هدف این مدل هوش مصنوعی یافتن راهی برای فشرده سازی ویدیوها بدون افت کیفیت بود نتیجه نهایی این سیستم به طور میانگین کاهش 6.28 درصدی نرخ تبادل داده برای فایل های ویدئویی بدون کاهش کیفیت بود.
در سال 2022 نسخه بهبود یافته از AlphaZero با نام AlphaTensor معرفی شد که مقاله مرتبط با این سیستم هوش مصنوعی در مجله نیچر هم به چاپ رسیده است این مدل با استفاده از روش یادگیری تقویت شده راهی را برای ضرب ماتریس ها ابداع کرد که سریع تر از روش های قبلی این کار بود.
AlphaFold
در سال 2016 کمپانی دیپ مایند تمرکز خود را بر روی یکی از قدیمی ترین مشکلات زیست‌شناسی مولکولی به نام protein folding (پیش‌بینی ساختار پروتئین) معطوف کرد. در دسامبر 2018 پروژه آلفا فولد (AlphaFold) این شرکت در رقابتی بین المللی ساختار 25 از 43 پروتئین موجود را به درستی پیش بینی کند.
دمیس حسابیس (مدیر عامل) در رابطه با این پروژه به مجله گواردین گفت این اولین سرمایه گذاری عمده ما از نظر افراد و منابع در یک مشکل علمی اساسی، بسیار مهم، در دنیای واقعی است. در سال 2020 پیش‌بینی‌های AlphaFold به دقتی برابر با تکنیک‌های آزمایشگاهی دست یافتند و دانشمندان فعال در این حوزه اعلام کردند که با وجود دستاوردهای هوش مصنوعی و این تلاش های این شرکت مشکل پیش بینی ساختار پروتئین به طور عمده حل شده است.
در سال 2021 نسخه های از این پروژه به نام های RoseTTAFold و AlphaFold2 به طور اوپن سورس منتشر گردید تا دانشمند بتوانید نسخه های مورد نظر خود از این تکنولوژی را توسعه داده و مورد استفاده قرار دهند. چندی بعد دیپ مایند اعلام کرد که آلفا فولد توانسته ساختار تمام پروتئین های موجود در بیولوژی انسان را به طور کامل پیش بینی کند. نتایج به دست آمده تحت عنوان پایگاه داده AlphaFold منتشر گردیده است. در سال 2022 اعلام شد نتیجه پیش بینی ساختار بیش از 200 میلیون پروتئین (تمام پروتئین های موجود) در این دیتابیس منتشر خواهد شد.
در جدیدترین به روز رسانی که با نام AlphaFold3 شناخته میشود و در ماه مه ۲۰۲۴ منتشر شد و قابلیت پیش‌بینی تعاملات پروتئین‌ها با DNA، RNA و انواع دیگر مولکول‌ها را پیدا کرد و در یک بنچمارک خاص مربوط به تعاملات DNA، این مدل هوش مصنوعی (AlphaFold3) به دقت ۶۵٪ دست یافت که به‌طور قابل‌توجهی از دقت ۲۸٪ روش‌های پیشین بهتر بود.
در ماه اکتبر سال ۲۰۲۴، دمیس هسابیس به همراه جان جامپر به‌طور مشترک برنده نیمی از جایزه نوبل شیمی به دلیل پیش‌بینی ساختار پروتئین به کمک AlphaFold2 شدند و این جایزه را دریافت کردند.
WaveNet and WaveRNN
در سال 2016 دیپ مایند یک سیستم تبدیل متن به گفتار (Text To Speech) به نام WaveNet را معرفی کرد. که در ابتدا برای استفاده در دستگاه های معمولی بیش از حد سنگین بود و نیاز به قدرت پردازشی بالایی داشت اما در اواخر سال 2017 برای استفاده در کامپیوتر های معمولی و دستگاه هایی که کاربران عادی از آن استفاده میکنند مناسب شد و در سیستم Google Assistant از آن استفاده گردید. در سال 2018 گوگل یک محصول تجاری تبدیل متن به گفتار در فضای ابری بر اساس تکنولوژی WaveNet عرضه کرد.
در سال 2018 دیپ مایند با همکاری بخش هوش مصنوعی گوگل نسخه بهینه تری از این سیستم به نام WaveRNN توسعه داد که بعد ها در سال 2019 این سیستم هوش مصنوعی برای استفاده در پلتفرم Google Duo مورد استفاده قرار گرفت.
AlphaStar
در سال 2016 دمیس حسابیس بازی StarCraft را به دلیل نیاز آن به تفکر استراتژیک و وجود داده های ناقص چالش آینده شرکتش معرفی کرد. در سال 2019 دیپ مایند هوش مصنوعی AlphaStar که یک سیستم یادگیری ماشین برای انجام بازی StarCraft 2 بود را معرفی نمود. در آموزش AlphaStar از تکنیک یادگیری تقویت شده استفاده گردیده است به این صورت که بازیهای انجام گرفته توسط انسان برای این سیستم یادگیری عمیق باز پخش میشد و به این صورت نحوه بازی را یار می گرفت سپس در مقابل خود به انجام بازی میپرداخت در نتیجه مهارتهایش افزایش پیدا میکرد. هنگامی که آنها AlphaStat را معرفی کردند دانشی معادل 200 سال انجام بازی در خود داشت و توانست در ده بازی پشت سر هم در مقابل دو بازیکن حرفه ای به پیروزی دست پیدا کند.
در سال 2019 آلفا استار به سطح استاد اعظمی در این بازی رسید و تبدیل به اولین هوش مصنوعی شد که در یک بازی بسیار معروف ورزش های الکترونیکی به لیگ قهرمانان جهان وارد شد.
AlphaCode
در سال 2022 این شرکت از آلفا کد (AlphaCode) پرده برداشت. این سیستم هوش مصنوعی قادر است مانند یک برنامه نویس معمولی کد های کامپیوتری تولید نماید. در یک چالش برنامه نویسی این سیستم توانستد پس از اینکه با hsjthni از کد های گیت هاب (GitHub) تربیت شد به امتیازی معادل 54 درصد دست پیدا کند. راه حل ها و کدهای تولید شده توسط آن تکراری نبود و از کدهای موجود کپی برداری نکرده بود.
Gato
هوش مصنوعی Gato یک دستیار عمومی است که توانایی انجام کارهای مختلف را به صورت همزمان دارا میباشد.
Archaeology
گوگل از بک برنامه اسناد باستان شناسی به نام Ithaca پرده برداشت. این نرم افزار به باستان شناسان کمک میکند تا قسمت های نابود شده اسناد تاریخی را بازآفرینی کنند و خاستگاه آن را به درستی حدس بزند ایم سیستم توانستد به دقت 62 درصدی در بازیابی اسناد مخدوش شده و 71 درصدی در به دست آوردن خاستگاه آن دست پیدا کند. در حال حاضر این سامانه توسط باستان شناسان یونان باستان مورد استفاده قرار میگیرد. تیم طراحی این هوش مصنوعی در حال حاضر بر روی توسعه آن برای درک دیگر زبان های باستانی مشغول فعالیت هستند.
AlphaDev
آلفا دو (AlphaDev) سیستم هوش مصنوعی است که با استفاده از تکنیک یادگیری تقویتی الگوریتمهای پیشرفته علوم کامپیوتر را کشف میکند هدف آن یافتن نسخه های پیشرفته تر الگوریتمهای موجود که برای ده هاست در علوم کامپیوتر مورد استفاده قرار میگیرند است. در ژوئن 2023 دیپ ماین اعلام کرد این سیستم هوش مصنوعی (AlphaDev) توانسته سریع ترین الگوریتم موجود برای مرتب سازی (Sorting) داده ها را کشف کند. این الگوریتم در مرتب سازی داده های با حجم کم 70 درصد بهینه تر از بهترین الگوریتم قبلی عمل میکند همچنین برای داده ای بیشتر از 250 هزار رکورد، بهبود عملکردی 1.7 درصدی دارد.
Robocat
ربو کت رباتی است که قابلیت منحصر به فرد 'رهگیری و تصحیح' اهداف و وظایف مختلف را دارد. این وظایف طیف وسیع از سناریوهای دنیای واقعی را در بر دارد. بر طبق ادعای دیپ ماین این موارد پیش از این هرگز در هیچ تکنولوژی وجود نداشته است. بر طبق اسناد منتشر شده توسط کمپانی سازنده ربات های هوش مصنوعی رایج توانایی انجام کارها و حل مسائل را در زمانهای طولانی دارند اما ROBOCAT به لطف پیشرفت های هوش مصنوعی توانایی انجام کارها با سرعت بیشتری را دارد. همچنین این تکنولوژی به لطف هوش مصنوعی قابلیت انجام وظایفی را که قبلا مشاهده نکرده و برای آنها آماده نشده است را هم دارد.
کمیته اخلاق و جامعه DeepMind
دیپ مایند در سال 2017 یک واحد تحقیقاتی جدید به نام DeepMind Ethics & Society را معرفی کرد. هدف آنها از این کار سرمایه گذاری و پشتیبانی از تحقیقات در زمینه حریم خصوصی، شفافیت، عدالت، تاثیرات اقتصادی، تاثیر در دولتها و مسئولیت و اخلاقیات و ریسکهای مرتبط با سیستم های هوش مصنوعی است و این که چگونه با استفاده از هوش مصنوعی میتوان چالش های دنیای واقعی را پاسخ داد. آنها امید دارند تا درک بهتری از پیچیدگیهای اخلاقیات و هوش مصنوعی داشته باشند و بتوانند با استفاده از هوش مصنوعی به جامعه کمک کنند. این کمیته اخلاقی جدا از کمیته ای بود که گوگل هنگام تصاحب دیپ مایند بر راه اندازی آن توافق نموده است
Powered by Froala Editor