Google Intelligence Designer

Demis Hassabis sāka spēlēt šahu četru gadu vecumā un drīz vien kļuva par brīnumbērnu. Astoņu gadu vecumā panākumi uz šaha galda lika viņam apdomāt divus jautājumus, kas viņu ir apsēsti kopš tā laika: pirmkārt, kā smadzenes iemācās apgūt sarežģītus uzdevumus; un, otrkārt, vai datori kādreiz varētu darīt to pašu?

Pašlaik 38 gadu vecais Hassabis prāto par šiem jautājumiem uzņēmumam Google, jo šī gada sākumā bija pārdevis savu mazpazīstamo Londonā bāzēto starta uzņēmumu DeepMind meklēšanas uzņēmumam par 400 miljoniem mārciņu (tajā laikā 650 miljoniem USD).

Google izveidoja DeepMind īsi pēc tam, kad tā demonstrēja programmatūru, kas spēj iemācīties spēlēt klasiskās videospēles līdz pārcilvēciskā līmenī (skatiet sadaļu Vai Google virza tirgu uz dziļu mācīšanos? ). Šogad TED konferencē Vankūverā Google izpilddirektors Lerijs Peidžs izteicās par Hassabisu un sauca par viņa uzņēmuma tehnoloģiju. viena no aizraujošākajām lietām, ko esmu redzējis ilgu laiku .

Pētnieki jau meklē veidus, kā DeepMind tehnoloģija varētu uzlabot dažus no Google esošajiem produktiem, piemēram, meklēšanu. Bet, ja tehnoloģija attīstās, kā cer Hassabis, tas varētu mainīt datoru lomu daudzās jomās.

DeepMind cenšas izveidot mākslīgā intelekta programmatūru, kas var mācīties, saskaroties ar gandrīz jebkuru problēmu. Tas varētu palīdzēt risināt dažas no pasaules neatrisināmākajām problēmām, saka Hassabis. Viņš saka, ka mākslīgajam intelektam ir milzīgs potenciāls būt pārsteidzošam cilvēcei. Tas patiešām paātrinās slimības risināšanas progresu un visas šīs lietas, kurās mēs šobrīd progresējam salīdzinoši lēni.

Renesanses cilvēks

Hassabisa centieni izprast un radīt intelektu ir noveduši viņu trīs karjerās: spēļu izstrādātājs, neirozinātnieks un tagad mākslīgā intelekta uzņēmējs. Pēc vidusskolas beigšanas divus gadus agrāk viņš ieguva darbu pie slavenā britu spēļu dizainera Pītera Molinjū. 17 gadu vecumā Hassabis vadīja klasiskās simulācijas spēles Theme Park izstrādi, kas tika izlaista 1994. gadā. Pēc tam viņš ieguva datorzinātņu grādu Kembridžas Universitātē un 1998. gadā nodibināja savu veiksmīgo spēļu uzņēmumu.

Taču veiksmīgu datorspēļu izveides prasības ierobežoja to, cik daudz Hassabis varēja strādāt pie sava patiesā aicinājuma. Es domāju, ka ir pienācis laiks darīt kaut ko tādu, kas koncentrējas uz izlūkošanu kā galveno, viņš saka.

Tāpēc 2005. gadā Hassabis sāka doktora grādu neirozinātnēs Londonas Universitātes koledžā ar domu, ka īstu smadzeņu izpēte varētu atklāt pavedienus, kas varētu palīdzēt mākslīgajam intelektam. Viņš izvēlējās pētīt hipokampu, smadzeņu daļu, kas ir atmiņas un telpiskās navigācijas pamatā un kas joprojām ir salīdzinoši slikti izprotama. Es izvēlējos smadzeņu apgabalus un funkcijas, kurām mums nebija ļoti labu algoritmu, viņš saka.

Kā datorzinātnieks un spēļu uzņēmējs, kurš nebija apguvis vidusskolas bioloģiju, Hassabis izcēlās starp ārstiem un psihologiem savā nodaļā. Es mēdzu jokot, ka vienīgais, ko es zināju par smadzenēm, bija tas, ka tās atrodas galvaskausā, viņš saka.

Bet Hassabis drīz izdarīja atzīmi. 2007. gada pētījumā, ko atzina žurnāls Zinātne ir ir Gada izrāviens , viņš parādīja, ka pieci pacienti, kuri cieš no amnēzijas hipokampa bojājuma dēļ, cīnījās, lai iedomāties nākotnes notikumus. Tas liecināja, ka smadzeņu daļai, kas, domājams, rūpējas tikai par pagātni, ir arī izšķiroša nozīme nākotnes plānošanā.

Šī atmiņa un nākotnes plānošana ir savstarpēji saistītas, bija viena no idejām, ko Hassabis ņēma sev līdzi savā nākamajā pasākumā. 2011. gadā viņš pameta pēcdoktorantūras pētnieka dzīvi, lai nodibinātu uzņēmumu DeepMind Technologies, kura noteiktais mērķis bija atrisināt izlūkošanas informāciju.

Augsts rezultāts

Hassabis kopā ar kolēģi AI speciālistu nodibināja DeepMind Šeins Legs un sērijveida uzņēmējs Mustafa Suleyman. Uzņēmums nolīga vadošos pētniekus mašīnmācībā un piesaistīja ievērojamus investorus, tostarp Pītera Tīla firmu Founders Fund un Tesla un SpaceX dibinātāju Elonu Masku. Taču DeepMind saglabāja zemu profilu līdz 2013. gada decembrim, kad tā organizēja sava veida debitanta brīdi vadošā pētniecības konferencē par mašīnmācību.

Harrah’s kazino Tahoe ezera krastā DeepMind pētnieki demonstrēja programmatūru, kas bija iemācījusies spēlēt trīs klasiskās Atari spēles - Pong, Breakout un Enduro - labāk nekā pieredzējis cilvēks. Programmatūra nebija ieprogrammēta ar informāciju par to, kā spēlēt; tas bija aprīkots tikai ar piekļuvi vadības ierīcēm un displejam, zināšanām par rezultātu un instinktu, lai šis rezultāts būtu pēc iespējas augstāks. Programma kļuva par pieredzējušu spēlētāju, izmantojot izmēģinājumus un kļūdas.

Neviens nekad nebija demonstrējis programmatūru, kas varētu iemācīties apgūt tik sarežģītu uzdevumu no nulles. DeepMind bija izmantojis nesen modernu mašīnmācīšanās paņēmienu, ko sauc par dziļo mācīšanos, kas ietver datu apstrādi, izmantojot rupji simulētu neironu tīklus (skatiet 10 Breakthrough Technologies 2013: Deep Learning ). Bet tas bija apvienojis dziļu mācīšanos ar citiem trikiem, lai izveidotu kaut ko ar negaidītu intelekta līmeni.

Cilvēki bija nedaudz šokēti, jo viņi negaidīja, ka mēs to spēsim šajā tehnoloģijas posmā, saka Stjuarts Rasels , profesors un mākslīgā intelekta speciālists Kalifornijas Universitātē Bērklijā. Es domāju, ka tas daudziem cilvēkiem radīja pauzi.

DeepMind bija apvienojis dziļo mācīšanos ar paņēmienu, ko sauc par pastiprināšanas mācīšanos, ko iedvesmojis dzīvnieku psihologu, piemēram, B.F. Skinera, darbs. Tas noveda pie programmatūras, kas mācās, veicot darbības un saņemot atsauksmes par to ietekmi, kā to bieži dara cilvēki vai dzīvnieki.

Mākslīgā intelekta pētnieki gadu desmitiem ilgi ir nodarbojušies ar mācīšanās pastiprināšanu. Taču līdz DeepMind's Atari demonstrācijai neviens nebija izveidojis sistēmu, kas spētu iemācīties kaut ko gandrīz tik sarežģītu kā datorspēļu spēlēšanu, saka Hassabis. Viens no iemesliem, kāpēc tas bija iespējams, bija triks, kas aizgūts no viņa iecienītākās smadzeņu zonas. Daļa no Atari atskaņošanas programmatūras mācību procesa ietvēra tās pagātnes pieredzes atkārtošanu atkal un atkal, lai mēģinātu iegūt visprecīzākos ieteikumus par to, kas tai būtu jādara nākotnē. Mēs zinām, ka smadzenes to dara, saka Hassabis. Kad jūs ejat gulēt, jūsu hipokamps atkārto dienas atmiņu garozā.

Gadu vēlāk Rasels un citi pētnieki joprojām ir neizpratnē par to, kā šis triks un citi, ko izmantoja DeepMind, noveda pie tik ievērojamiem rezultātiem un kam vēl tos varētu izmantot. Google neņēma ilgi, lai atpazītu centienu nozīmi, mēnesi pēc Tahoe demonstrācijas paziņojot, ka ir iegādājies DeepMind.

Uzņēmuma cilvēks

Mūsdienās Hassabis vada to, ko tagad sauc par Google DeepMind. Tās galvenā mītne joprojām atrodas Londonā, un tās misija joprojām ir atrisināšanas informācija. Brīdī, kad uzņēmums Google pievienojās aptuveni 75 cilvēkiem, Hassabis ir teicis, ka plānoja pieņemt darbā vēl aptuveni 50 cilvēkus. Apmēram 75 procenti grupas strādā pie fundamentālajiem pētījumiem. Pārējie veido lietišķo pētījumu komandu, kas meklē iespējas pielietot DeepMind metodes esošajos Google produktos.

DeepMind tehnoloģiju varētu izmantot, lai uzlabotu YouTube ieteikumus vai uzlabotu uzņēmuma mobilo meklēšanu ar balsi, saka Hassabis. Viņš saka, ka dažos nākamajos gados jūs redzēsiet, ka dažas no mūsu tehnoloģijām būs iestrādātas šādās lietās. Google nav vienīgais, kas ir pārliecināts, ka šī pieeja varētu būt naudas griezējs. Pagājušajā mēnesī Hassabis saņēma Apvienotās Karalistes Karaliskās biedrības Mularda balvu par darbu, kas varētu dot labumu valsts ekonomikai.

Taču Hassabis izklausās sajūsmīgāks, runājot par to, ka ne tikai uzlabo mūsdienu produktu algoritmus. Viņš sapņo izveidot AI zinātniekus, kas varētu darīt tādas lietas kā radīt un pārbaudīt jaunas hipotēzes par slimībām laboratorijā. Pēc tam viņš arī saka, ka DeepMind programmatūra varētu būt noderīga arī robotikai, jomai, kurā Google nesen ir ieguldījis lielus ieguldījumus (skatiet sadaļu The Robots Running This Way). Viens no iemesliem, kāpēc mums nav vairāk robotu, kas dara noderīgākas lietas, ir tas, ka tie parasti ir iepriekš ieprogrammēti, viņš saka. Viņi ļoti slikti tiek galā ar negaidītajiem vai apgūst jaunas lietas.

Hassabisa nevēlēšanās runāt par lietojumprogrammām varētu būt kautrība, vai arī viņa pētnieki joprojām ir sākumposmā, lai saprastu, kā uzlabot uzņēmuma AI programmatūru. Viens spēcīgs rādītājs, ka Hassabis sagaida ātru progresu ceļā uz jaudīgu jaunu AI veidu, ir tas, ka viņš Google iekšienē izveido ētikas padomi, lai apsvērtu progresīvā mākslīgā intelekta iespējamās negatīvās puses. Tas ir kaut kas, kas mums vai citiem Google darbiniekiem ir jāapzinās. Pašlaik mēs joprojām spēlējam Atari spēles, viņš smejoties saka. Bet mēs esam uz kāpņu pirmajiem pakāpieniem.

Šis stāsts tika atjaunināts 3. decembrī, lai atspoguļotu, ka DeepMind Atari atskaņošanas programmatūra nav iemācījusies pārspēt cilvēku ekspertu Space Invaders.

paslēpties