近期，因?yàn)镈eepmind的人工智能在星際爭霸2上打敗了人類選手，DeepMind又一次進(jìn)入了人們的視野。AlphaGo作為DeepMind的核心創(chuàng)造物之一，絕不僅是挑戰(zhàn)圍棋和游戲而生。事實(shí)上，近幾年來，除了 DeepMind 以外，也已經(jīng)有越來越多的人工智能公司或者研究機(jī)構(gòu)投身到開發(fā)AI的浪潮中了，國內(nèi)誕生了如曠視科技、商湯科技、極鏈科技Video＋＋、依圖科技等優(yōu)秀的初創(chuàng)AI企業(yè)，都在各自的賽道中進(jìn)行技術(shù)的深耕。

2014年，DeepMind被谷歌收購，總部和項(xiàng)目保留在倫敦，人員對外也保持著高度的神秘性。即使對DeepMind有了解的人，知道的也是它的創(chuàng)始人Demis hassabis，作為一位天才少年，4歲下國際象棋，16歲進(jìn)入劍橋。但DeepMind作為一家創(chuàng)業(yè)企業(yè)的規(guī)劃、產(chǎn)品序列和目標(biāo)實(shí)施情況，好像總是隱藏在一些面紗之后。

據(jù)悉，目前谷歌AI與DeepMind依舊保持著高度的獨(dú)立屬性，雖然有戰(zhàn)略和技術(shù)上的結(jié)合，但谷歌AI的重點(diǎn)推進(jìn)工程列表中可以說是完全不見DeepMind的蹤影。而AlphaGo作為DeepMind的核心創(chuàng)造物之一，絕不僅是為了挑戰(zhàn)人類圍棋界而生，卻作為核心的領(lǐng)域技術(shù)的關(guān)鍵載體，承接著整個公司戰(zhàn)略的上下銜接。那么DeepMind除了AlphaGo還做了哪些呢？

進(jìn)駐Tensorflow

2015年將研究全面進(jìn)駐到了谷歌的TensorFlow開源架構(gòu)當(dāng)中。并且官方高度肯定了TensorFlow的高度適用性、延展度和操作體驗(yàn)。2016年，DeepMind還開發(fā)了一個能在TensorFlow上快速創(chuàng)建神經(jīng)網(wǎng)絡(luò)模塊的高級框架Sonnet，并且對其進(jìn)行了開源處理。

由此可見，對于谷歌AI體系的核心業(yè)務(wù)和生態(tài)基礎(chǔ)，DeepMind是支持的，并且愿意在這個領(lǐng)域幫助谷歌完善生態(tài)。谷歌所需要的，也是DeepMind需要作為企業(yè)在生態(tài)核心上提供更多支持，面向大眾的事可以谷歌做，但業(yè)務(wù)支持的時候還是離不開DeepMind。

可微分神經(jīng)計算機(jī)的誕生

2016年底，DeepMind公布了他們打造的一臺“可微分神經(jīng)計算機(jī)”（DNC）。DNC的特點(diǎn)是結(jié)合了神經(jīng)網(wǎng)絡(luò)的運(yùn)作原理和經(jīng)典計算機(jī)的運(yùn)算能力和外部儲存能力。簡單來說，其解決方案就是將神經(jīng)計算機(jī)的本體以人類大腦為生物網(wǎng)絡(luò)藍(lán)本設(shè)置的精神網(wǎng)絡(luò)，與可讀寫的外部存儲器相分離，架設(shè)雙層的處理與運(yùn)算結(jié)構(gòu)。

這樣打造的運(yùn)算系統(tǒng)，核心特征是解決了神經(jīng)網(wǎng)絡(luò)實(shí)際運(yùn)作當(dāng)中的機(jī)器記憶問題，做出了一臺像人類一樣思考，又能像計算機(jī)一樣的高速運(yùn)算、記憶數(shù)據(jù)的機(jī)器。在發(fā)布的論文中，這臺計算機(jī)可以規(guī)劃相距甚遠(yuǎn)的地鐵站之間的最佳路線，弄清楚紛繁復(fù)雜的親戚關(guān)系，尤其這些都是在沒有先驗(yàn)數(shù)據(jù)的前提下。

從初出茅廬的這件作品，可以看出DeepMind的幾個特點(diǎn)。首先是擅長多種復(fù)雜技術(shù)的集成，其次對于AI應(yīng)用有遠(yuǎn)超于業(yè)界水準(zhǔn)的解決能力。

相比于針對數(shù)據(jù)樣本的機(jī)器學(xué)習(xí)系統(tǒng)，DeepMind開源的體系可以專注于AI在實(shí)際環(huán)境中進(jìn)行視覺＋感知的交互。這對于AI行業(yè)來說可謂是打開了巨大的腦洞，尤其對于無人駕駛、AR、地圖導(dǎo)航、機(jī)器人記憶等領(lǐng)域的研究與創(chuàng)業(yè)者來說，可謂是福音。

語音生成系統(tǒng)WaveNet

除了“玩游戲”，DeepMind也做了一些其他的事。比如近兩年，DeepMind先后公布了其在圖像生成和語音生成領(lǐng)域的成果。比如16年公布的語音生成系統(tǒng)WaveNet，號稱將計算機(jī)輸出音頻與人類自然語音差距縮小了50％。至少根據(jù)試用者的說法，這一系統(tǒng)比谷歌和蘋果的語音生成系統(tǒng)都聽起來自然流暢許多。

結(jié)語

隨著新技術(shù)的出現(xiàn)，競爭格局已經(jīng)變得極具顛覆性，迫使企業(yè)分析新的市場趨勢，提高運(yùn)營效率，并找到適當(dāng)?shù)膭?chuàng)新關(guān)鍵。在技術(shù)探索方面，DeepMind也更多指向以高度模擬人腦的方式，在核心領(lǐng)域超過人類已有水平的AI系統(tǒng)。無論是圍棋、游戲，還是環(huán)境判斷、圖像與音頻生成，都指向這個巨大的野心。