פתיחת התפריט הראשי

Google DeepMind היא חברה בריטית לפיתוח בינה מלאכותית שהוקמה בספטמבר 2010 תחת השם DeepMind Technologies[3]. שם החברה שונה לאחר רכישתה על ידי גוגל בשנת 2014[4]. ב-2015 זה הועבר מגוגל לאלפאבית[5] החברה אחראית לפיתוח רשת עצבית מלאכותית המסוגלת ללמוד כיצד לשחק משחקי מחשב באופן דומה לבני אדם, בנוסף לרשת עצבית מלאכותית המסוגלת לגשת להתקן זיכרון חיצוני, בדומה למכונת טיורינג קלאסית, מה שבעצם "יוצר" מחשב המסוגל לחקות\לתפעל זיכרון לטווח קצר הדומה לזה הנמצא במוח אנושי[6]. החברה זכתה לפרסום נרחב בשנת 2016, לאחר שתוכנת ה-AlphaGo שלה ניצחה לראשונה שחקן אנושי מקצועי במשחק גו[7]. לאחר מכן התוכנה ניצחה את אלוף העולם בגו לי סידל. תוכנה אחרת של החברה, אלפאזירו (AlphaZero), ניצחה את התוכנות הטובות ביותר בגו, שחמט ושוגי.

Google DeepMind
DeepMind logo.png
סוג חברת בת
מייסדים
תאריך הקמה 2010 (כ-DeepMind Technologies)
חברת אם 2014-2015 גוגל
2015-אלפאבית
מיקום המטה לונדון עריכת הנתון בוויקינתונים
משרד ראשי בריטניהבריטניהלונדון, בריטניה[1]
ענפי תעשייה בינה מלאכותית עריכת הנתון בוויקינתונים
אנשי מפתח לארי פייג'
עובדים >100[2]
 
https://www.deepmind.com
לעריכה בוויקינתונים שמשמש מקור לחלק מהמידע בתבנית OOjs UI icon info big.svg

היסטוריהעריכה

2010–2014עריכה

החברה הוקמה כסטארט אפ בשנת 2010 על ידי דמיס האסביס, שיין לג ומוסטפא סולימאן. האסביס ולג נפגשו לראשונה בקולג' האוניברסיטאי של לונדון[8][8]. מאז הקמתה, מספר קרנות הון-סיכון השקיעו בחברה[9], בנוסף לאישים דוגמת סקוט בניסטר[10] ואילון מאסק[11]. יאן טאלין (ממפתחי סקייפ וקאזה בתחילת שנות האלפיים) השקיע בחברה בשלביה הראשונים ואף שימש בה כיועץ[12]. בשנת 2014, DeepMind קיבלה את פרס "חברת השנה" של הפקולטה למדעי המחשב באוניברסיטת קיימברידג'[13].

הרכישה על ידי גוגלעריכה

ב-26 בינואר 2014, הכריזה חברת גוגל על ההסכמה לעסקה לרכישת DeepMind Technologies[14]. ההכרזה הגיעה לאחר שמשא ומתן לרכישת החברה עם פייסבוק ב-2013 נכשל[15]. לאחר רכישת החברה, שונה שמה ל-Google DeepMind[1]. הסכום המדויק בו נרכשה החברה אינו ידוע, אך ההערכות נעות בין 400 מיליון דולר[16] ליותר מ-500 מיליון פאונד[17][18][19][18].

חזון החברה ולמידת מכונהעריכה

חזון החברה הוא לפתח "בינה מלאכותית כללית", כלומר, בינה מלאכותית שתהיה מסוגלת להגדיר לעצמה את משימותיה ובהתאם, לפתור סוגיות מתחומי חיים שונים לגמרי, גם כאלה שהיא לא אומנה עליהם מראש - שם נוסף שלפעמים מייחסים לחזון זה הוא"בינה מלאכותית חזקה", כאשר הכוונה היא לבינה מלאכותית שיש לה "אינטליגנציה", הכרה ומודעות עצמית לפחות כמו של בן אדם. החברה מאמינה שסוג כזה של "בינה מלאכותית חזקה" עשוי לפתור בעיות יסוד של העולם ובכלל זה, פיתוח חומרים חדשים, פענוח הגנום האנושי, הבנה עמוקה של המבנה התלת ממדי של חלבונים מורכבים, פיתוח תרופות חדשות וכיוצא באלו סוגיות ברומו של עולם.

החברה עוסקת גם ברבדים הפילוסופיים העמוקים של הנושא והיא משקיעה משאבים ואנרגיות בניסוח פורמלי של התחום ובפיתוח המרכיבים האתיים והביטחותיים שלו.

האסטרטגיה של החברה, כדי להתקדם לכוון של חזון ה"בינה מלאכותית חזקה", היא לפתח יכולת לנצח במשחקי מחשב.

בשלב ראשון, החברה פיתחה יכולת לשחק "נגד" המחשב במשחקי "אטארי", דו ממדיים פשוטים - כאשר המידע שנכנס לרשת הנוירונים המלאכותית הוא פשוט זרם הפיקסלים של מסך המחשב. פונקציית ההתכנסות גם היא מוגדרת היטב - רשת הנוירונים צריכה למקסם את הניקוד במשחק. תוך מספר שנים מועט יחסית, החברה פיתחה רשתות נוירונים מלאכותיות שמצליחות לנצח כל שחקן אנושי לאחר אימון של שעות בודדות בלבד ומבלי שהן מקבלות מראש את חוקי המשחק - אלא שהן מצליחות ללמוד את החוקים על בסיס צבירת ניסיון וצפייה במשחקים אנושיים. הז'אנר שבו החברה מתמחה נקרא "למידה באמצעות חיזוקים".

בשלב שני, החברה התמודדה עם היכולת לשחק מול שחקנים אנושיים, במשחקי מחשב שבהם יש ליגה מקצוענית עולמית ובמשחקים מורכבים בהרבה ממשחקי "אטארי" ובכלל זה "שחמט", בשלב ראשון, ו"גו" בשלב שני. בשני המיקרים, החברה הצליחה לנצח כל אדם או תוכנת מחשב שקדמה לפיתוח שלהם, תוך זמן קצר יחסית. גם בשלב הזה, גישת החברה התבססה על למידה באמצעות חיזוקים כאשר הלימוד מתחיל, בדרך כלל, מצפייה במיליוני משחקים קודמים שבהם התמודדו אדם מול אדם במשחק. רשת הנוירונים שהתפרסמה במיוחד, נקראה AlphaGo והיא הרשת שניצחה את כל השחקנים האנושיים במסגרת תחרות פומבית שריתקה אליה את כל העולם המדעי. פיתוח היכולת לנצח במשחקי "גו" חייב את אנשי החברה לפתח יכולת להבין לאיזה מהצדדים במשחק יש יתרון - בהינתן מצב נתון של הכלים על הלוח. מכיוון שבמשחק "גו" יש מספר עצום של אפשרויות - לא ניתן לנסח "חוק" מתמטי, דטרמניסטי פשוט - שבאמצעותו אפשר להבין למי ממהצדדים יש בכלל יתרון במצב נתון. ניצחון המכונה על האדם, בהקשר למשחק ה"גו", התרחש 10 או עשרים שנה מוקדם מכפי שמדענים העריכו שזה יהיה אפשרי. העובדה שכן נשאר הצורך ללמוד ממאות אלפי משחקים קודמים, משחקים שבהם שיחק אדם כנגד אדם - גרמה לכך שקהיליית העוסקים בנושא המשיכו "להתנחם" בכך שהמכונה אמנם מנצחת - אבל היא לא יכולה הייתה ללמוד איך לשחק בלי לראות דוגמאות אנושיות.

במהלך מפתיע ובלוחות זמנים מאוד קצרים, החברה פיתחה את AlphaZero - גרסה זו של רשתות הנוירונים המלאכותית מנצחת כל שחקן אנושי, תוכנת מחשב ואפילו את AlphaGo, מבלי שהיא נזקקת ללמוד ממשחקים קודמים של אנשים בכלל - אלא שכל הלימוד שלה או, למעשה, צבירת הניסיון, מתבצעים על בסיס משחקים נגד עצמה.

AlphaZero מאפשרת כיום לנצח בכל משחק של אדם נגד אדם, ללא תלות ברמתו של השחקן האנושי. אחת התגליות המרתקות במהלך פיתוחחים אלה, היו כמה וכמה "צעדים מפתיעים" שאוכלוסיית שחקני ה"גו" העולמית לא הכירה. גילויים אלו הדגימו את התופעה של "הינעלות" על גישות מסוימות בסוג של "אופטימיזציה מקומית" והתקבעות של דרכי פעולה שאומצו על ידי בני האנוש לאורך אלפי השנים שבהם משחקים "גו".

בשלב שלישי, החברה נכנסה לפיתוח יכולות לשחק ב"משחקי אסטרטגיה רבי משתתפים" - כאשר במשחקים אלו נכנסות דרגות חופש חדשות לגמרי של משחק. ראשית, חלקים גדולים מזירת ההתמודדות אינם חשופים לשחקנים וכחלק מהאסטרטגיה צריך "לגלות אותם". שנית, יש במשחק משתתפים רבים, מה שמאפשר לפתח כל מיני סוגים של "בריתות". שלישית, המשחק מחייב סוג של "מודעות עצמית" בכל הקשור לכמות המשאבים שעומדים לרשות השחקן ואיזה "יחידות לוחמות" עומדות לרשותו. המערכת שפותחה במסגרת פעילות זו נקראה AlphaStar והמשחק הראשון איתו התמודדו המפתחים היה StarCraft II. במקביל, החברה נכנסה גם לפיתוח היכולת להתמודד עם משחקי מבוך תלת ממדיים.

בשלב רביעי שמנוהל במקביל בחלקו - החברה החלה לפתח יכולות שיש להן תרומה ל"עולם האמיתי" - כדי להתקרב למימוש חזון החברה. שתי פעילויות בולטות בהקשר זה הן פיתוח מערכת AlphaFold שתכליתה לפתור את המבנה התלת ממדי - מרחבי של חלבונים, בהינתן המבנה הכימי שלהם וכניסתה של החברה לתחום הפענוח של הדמאות רפואיות

קישורים חיצונייםעריכה

הערות שולייםעריכה

  1. ^ 1.0 1.1 http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html
  2. ^ https://www.youtube.com/watch?v=rbsqaJwpu6A&feature=youtu.be&t=327
  3. ^ https://beta.companieshouse.gov.uk/company/07386350
  4. ^ https://medium.com/the-physics-arxiv-blog/the-last-ai-breakthrough-deepmind-made-before-google-bought-it-for-400m-7952031ee5e1
  5. ^ [1], [2]
  6. ^ http://www.technologyreview.com/view/533741/best-of-2014-googles-secretive-deepmind-startup-unveils-a-neural-turing-machine/
  7. ^ http://www.lemonde.fr/pixels/article/2016/01/27/premiere-defaite-d-un-professionnel-du-go-contre-une-intelligence-artificielle_4854886_4408996.html
  8. ^ 8.0 8.1 http://www.bloomberg.com/news/2014-01-27/google-buys-u-k-artificial-intelligence-company-deepmind.html
  9. ^ http://www.ft.com/cms/s/0/b09dbd40-876a-11e3-9c5c-00144feab7de.html#axzz3G6ykG7uq
  10. ^ https://angel.co/deepmind-technologies-limited
  11. ^ http://www.ibtimes.co.uk/elon-musk-artificial-intelligence-potentially-more-dangerous-nukes-1459710
  12. ^ http://recode.net/2014/01/26/exclusive-google-to-buy-artificial-intelligence-startup-deepmind-for-400m/
  13. ^ https://www.cl.cam.ac.uk/ring/awards.html
  14. ^ http://www.reuters.com/article/2014/01/27/google-deepmind-idUSL2N0L102A20140127
  15. ^ https://www.theinformation.com/Google-beat-Facebook-For-DeepMind-Creates-Ethics-Board
  16. ^ http://www.economist.com/news/science-and-technology/21645108-you-can-teach-computer-play-games-better-it-teach-itself-computers
  17. ^ http://www.theguardian.com/technology/2014/jan/27/google-acquires-uk-artificial-intelligence-startup-deepmind
  18. ^ 18.0 18.1 http://techcrunch.com/2014/01/26/google-deepmind/
  19. ^ http://www.reuters.com/article/2014/01/27/us-google-deepmind-idUSBREA0Q03220140127