DeepMind
DeepMind Technologies Limited (lühinimega DeepMind) on Suurbritannia ettevõte, mis tegeleb tehisintellekti arendamisega. Ettevõte kuulub kontserni Alphabet Inc. DeepMindi peakontor asub Londonis, uurimiskeskused asuvad ka Montréalis ja Edmontonis.[3]
| DeepMind Technologies Limited | |
|---|---|
 | |
| Asutatud | 23.09.2010[1] |
| Asutajad |
|
| Valdkonnad | tehisintellekt |
| Töötajaid | 700 (12.2017 seisuga)[2] |
| Emaettevõte | Alphabet Inc. |
| Koduleht | www.deepmind.com |
DeepMind lõi programmi AlphaGo, mis on tuntud kui esimene elukutselist go-mängijat võitnud programm.[4]
Ajalugu
Ettevõte loodi 2010. aastal. Selle asutajad olid Demis Hassabis, Mustafa Suleyman ja Shane Legg.[3]
Ettevõttesse on investeerinud suured riskikapitalifirmad nagu Horizons Ventures ja Founders Fund[5] ning tuntud ettevõtjad nagu Scott Banister[6] ja Elon Musk[7]. Jaan Tallinn oli ettevõtte nõustaja ja üks algusaja investeerijaid.[8]
2014. aastal omandas DeepMindi Google.[3]
Masinõpe
DeepMindi eesmärk on laiendada tehisintellekti piire ja arendada programme, mis suudavad iga keerulise probleemi lahendada ilma eelneva õpetuseta.[3]
Kasutades oma uurimusi videomängude valdkonnas, suutis DeepMind luua programmi, mis õpetas end mängima ja võitma 49 erinevat Atari mängu, kasutades sisendina vaid piksleid.[3]
DeepMind on oma lehe kaudu avaldanud sadu publikatsioone masinõppe teemal.[9]
AlphaGo
Pikemalt artiklis AlphaGo
(vt samal teemal ka Go#AlphaGo)
DeepMindi loodud go mängimise programm AlphaGo võitis 2015. aasta oktoobris mängu Euroopa meistri Fan Hui vastu. See oli esimene kord, kui tehisintellekt võitis professionaalset go-mängijat.[4] Hiljem võitis AlphaGo paljusid mängijaid, kaasaarvatud Ke Jie'd, keda loeti maailma parimaks go-mängijaks.[10] Go'd peetakse arvutile võitmiseks palju raskemaks mänguks kui teisi mänge, kuna go's on väga palju võimalikke käike, mis teevad traditsiooniliste tehisintellekti meetodite (näiteks toore jõu) kasutamise keeruliseks.[4][11]AlphaGo programm hõlmab kahte närvivõrku. Eeskirjade võrk treeniti, vaadeldes suurt hulka go laudu, mis olid internetti üles laaditud. Vaatluste põhjal loodi mudel, mis ennustab, millise tõenäosusega mingi käik tehakse, arvestades laua hetkeseisu ja eelmisi käike. Võrku treeniti täiendavalt, lastes sel mängida iseenda vastu. Teine, väärtuste võrk ennustab iga laua seisu puhul, kes mängu võidab. Väärtuste võrk aitab eeskirjade võrgul valida oma ennustuste seast parima võimaliku käigu.[4]
2017. aastal võitis programmi täiendatud versioon AlphaGo Zero 100 mängust 100 AlphaGo vastu. Kui AlphaGo vajas mängima õppimiseks mitu kuud aega, siis AlphaGo Zero suutis end treenida vaid kolme päevaga, kasutades sealjuures tunduvalt vähem arvutusjõudlust kui originaalne programm. Ajavõit tuli sellest, et Zero ei analüüsinud suurt hulka inimeste vahel mängitud mänge, vaid alustas ainult mängureeglite tundmisest. Programm õppis iseenda vastu mängimisest.[12]
Uus üldisem programm AlphaZero võitis kõige tugevamate programmide vastu go-, male- ja shōgi-mängud pärast mõnetunnist mängimist iseenda vastu, kasutades stiimulõpet.[13]
Tervishoid
2016. aasta juulis teatati DeepMindi ja Moorfields Eye haigla koostööst, mille eesmärgiks oli tehisintellekti rakendada tervishoius. DeepMindi kasutatakse silmaskaneeringute analüüsiks, et otsida varajasi märke levinud silmahaigustest.[14]
2016. aasta augustis teatati koostöös University College'i Londoni haiglaga algatatud uurimisprogrammist, mille eesmärk on luua algoritm, mis eristab terveid ja vähkkasvajatega kudesid pea ja kaela piirkonnas.[15]
DeepMind lõi mobiilirakenduse Streams, mille abil loodetakse vähendada haiglates surmajuhtumeid, mis on tingitud arstiabi hilinemisest. Rakendus koondab patsiendi meditsiinilise informatsiooni ühte kohta, võimaldades arstidel jälgida patsientide seisundit ka siis, kui nad ei viibi patsientide läheduses. Praegu kasutatakse Streamsi Inglismaal riikliku tervishoiusüsteemi haiglates (Royal Free Hospitals), kus seda rakendatakse peamiselt ägeda neerupuudulikkuse diagnoosimisel.[16]
Valgu kuju
- Pikemalt artiklis CASP
Teadupärast kõik elusorganismid ja viirused eksisteerivad, funktsioneerivad seoses erinevate valkude tööle nende rakkudes (tõsi küll viirustel pole rakulist ehitus ja ollakse eriarvamustel on nad üldse elusorganismid või mitte aga igatahes nad toimivad jätkuvalt hästi ja paljunevad (vaata Koroonapandeemia). Selleks on ka neil tarvis töötavaid, funktsionaalseid valke). Valkude juures on eriti oluline, milline täpselt on nende kuju. Et lahendada seda bioloogia ühte suurt probleemi – kuidas ennustada valkude keerulist lõppstruktuuri, kui teada vaid aminohapete järjestust loodi juba 1994. aastal ühing CASP (Critical Assessment of protein Structure Prediction) (https://www.search.com.vn/wiki/en/CASP). Kuna teadus, eriti selle juhtiv osa on ülemaailmne, siis pole ka ime, et CASP muutus kiiresti rahvusvaheliseks. Selle organisatsiooni raames otsiti lahendust valkude kuju ennustamise probleemile, korraldades konverentse iga 2 aasta tagant. Üle 20 aasta toimunud otsingud liikusid lahenduse poole aeglasemalt kui alguses loodeti. 2020. aastal toimus eelnevaga võrreldes oluline läbimurre. Käesoleva aasta konverentsil CASP14 oli osalejaid üle 100 uurimisgrupi. Tulemus nö võistlejate vahel kuulutati välja 30. novembril 2020, kui teatati, et Google DeepMindi tehisintellekti närvivõrkude programmi AlphaFold täiustatud versioonil 2, koos seda arendanud meeskonnaga õnnestus probleem lahendada peaaegu täielikult. Programmi lahendus on aatomi suurustele lähedase täpsusega 0,16 nm ja on heas kooskõlas eksperimentaalsete andmetega. See murranguline avastus loob nüüdsest alates oluliselt paremad võimalused teadlaste tööle, kelle uurimisobjektiks on valgud.