Natrue封面随便上这家超geek

对AI感兴趣的同学，应该都听说过DeepMind的大名。九月底，被称作科学界奥斯卡的科学突破奖在旧金山颁发。

两位科学家DemisHassabis和JohnJumper，因研发了能准确预测蛋白质结构的AI工具AlphaFold荣获此奖项。

生物学家施一公也曾公开

表达对AlphaFold的赞赏：

“依我之见，这是AI对科学领域最大的一次贡献，也是人类在21世纪取得的最重要的科学突破之一。”

这个夸奖一点也没有夸大。因为AlphaFold不仅破解了50年前诺奖化学得主斯蒂安·安芬森提出的蛋白质折叠难题，甚至还打破了蛋白质研究的壁垒，让整个结构生物学迎来新一轮发展阶段。堪称是史上最牛的AI工具了。

而这项划时代的项目以及两位获奖科学家，都来自伦敦的DeepMind。

DeepMind有多牛？

作为一家通用人工智能公司，它研发的AI项目涉及计算机科学、神经科学、国际象棋、游戏等各项领域。只要你能想到的Ai研发方向这家公司都在做，研发成果多到可以组成一个AI全家桶。

如果你是行外人，或许没听过DeepMind，但却也一定知道它旗下的阿尔法狗，追过它与柯洁的那场世纪对战。

但DeepMind最牛的既不是他的行业地位，也不是他的享誉度，而是它无与伦比的科研实力。

要知道，DeepMind每出一次项目结果，基本必发一次Natrue期刊。因为它的研究领域够尖端、够新潮，没有任何竞争者，完全就是Natrue随便发的节奏。

在10.5号，DeepMind又一次携最新研发项目登上了Natrue封面。

在这篇最新的论文中，DeepMind介绍了旗下的新项目AlphaTensor。

论文称“AlphaTensor是第一个可用于为矩阵乘法等基本任务发现新颖、高效且可证明正确的算法的人工智能系统。”

简单说，矩阵乘法曾经是数学届公认效率最高的算法，也是目前计算机使用最广的基础算法之一。

50年前，德国数学家VolkerStrassen曾提出一种Strassen算法，使矩阵乘法的运算效率达到顶峰。但在Strassen算法出现的50年之后，矩阵乘法的运算效率再也没有获得进一步的发展，处于完全停滞不前的阶段。

而AlphaTensor诞生后，却发现了一种更为快速的矩阵乘法算法，直接打破了Strassen算法的记录。

业内人士称

AlphaTensor的这项发现可以直接使计算器的一些计算步骤提速20%，间接提高了许多软件的运行效率。

这就难怪DeepMind的内部员工也忍不住发了条推说道：当我在DeepMind工作6年后，本以为没什么东西能够让我吃惊了，但看到这项研究我仍然倒吸了一口凉气。

特别会“搞事情”的

DeepMind

如果把DeepMind的AI比作人类学霸，它完全不是那种书呆子，而是又聪明又会玩的那种。

要知道，DeepMind不仅爱发期刊，还特别会“搞事情”，研究成果简直是全面开花。

和象棋国手对战过；

单挑过星际争霸的职业选手，

开发过“有三观”的聊天机器人，

甚至还试图控制核反应堆；

.....

要在所有游戏中战胜人类

年，DeepMind公布了一个消息：

它旗下的Ai了AlphaStar在与自己对战年后（采用加速游戏的方式），已经成功达到了大师水准。

这也意味着这款AI目前已经能在比赛中击败99.8%的人类玩家，而这完全仰仗于AlphaStar使用的通用强化学习技术。

在更早些时候，AlphaStar还曾经约战过星际争霸的职业选手。在这场人工智能与人类的大战中，AlphaStar以5:0战胜了职业选手TLO和年WSC奥斯汀站亚军MaNa，拿下了十分喜人的战绩。

当然，这并不是DeepMind涉足游戏界的终点。

AlphaStar还曾经推出过一款叫Agent57的智能体。这款AI智能体可以在57种经典Atari游戏中击败人类。

而在今年9月，DeepMind宣布自己新研发的智能体MEME，比之前的Agent57整整提速了倍，这也意味着MEME将在所有Atari游戏中都能战胜人类。

让机器人拥有三观

让人工智也能拥有三观，这听起来十分的科幻，但这的确是DeepMind正在做的事情。

缺乏三观

在多年前，DeepMind就开始研发各种对话智能体。但是研究人员们发现，基于LLM的对话智能体虽然能和人类用户对话，但却会因为缺乏三观回复一些“不安全”、“捏造或虚构”、“含有歧视性”的语言。

Sparrow模型

为了让对话型AI能够变得更加安全，DeepMind的研究人员们提出了一种Sparrow模型，并找来大量参与者，让他们评估Sparrow在同一问题下生成的多个答案哪个最讨人喜欢。

而Sparrow通过人类的反馈，搜集了大量数据集开始强化训练，最终达到了优化语言安全性的目标。

语言模型人类价值观

而最近DeepMind与爱丁堡大学联合发布的一篇30页的论文，也探讨了如何使语言模型与人类价值观保持一致的问题。

控制核反应堆

今年年初，Natrue刊登了一篇关于AI通过深度强化学习，成功控制托卡马克装置中的等离子的研究论文。而这自然又是DeepMind的一项杰作。

在过去3年里，DeepMind一直在和瑞士洛桑联邦理工学院研究如何用AI来自主控制核聚变反应堆内的等离子体。

要知道，核聚变是业内非常看好的一种新型能源，但是制造核聚变却是一件很难的事情。因为创造一个等离子体，需要超过1亿摄氏度的高温环境。

目前，创造核聚变的办法，是使用托卡马斯来制造这种高温环境。但是使用托卡马斯来控制等离子体的过程是非常精细的。

研究人员们一个失手就可能导致实验失败，或是容器损坏。而DeepMind与EPFL团队却通过RL算法与托卡马克模拟器的交互，成功让AI完成了这样精准的控制，这让许多人都为之惊叹。

入不敷出的烧钱机器

虽然拥有如此先进、如此之多的AI项目，但DeepMind却曾经是一个入不敷出的烧钱机器。

年，DeepMind的创始人DemisHassabis在拿到一笔天使投资后，与另外两位联合人创立了DeepMind实验室。

DemisHassabis本人是一位科研大佬：

16岁读剑桥；

17岁就设计了一个含有人工智能元素的游戏《主题公园》；

在UCl读神经学博士期间，他关于大脑海马体与情境记忆的研究还曾被《科学》期刊评为年度突破。

因此在创立DeepMind之后，追求理想的Demis立刻主导推进了大量的AI项目，励志要像人类首次登月那样，打造一个AGI领域的“阿波罗计划”。但这也让DeepMind成了不折不扣的烧钱工具。

卖给google

创立4年间，DeepMind拥有了许多很拿的出手的研究项目，但公司却狂亏了20亿英镑，已经到了破产的边缘。这也让Demis在年决定以6亿美元的价格，将这家初创公司卖给google。

亏损还在继续

虽然Google在收购后，直接承担了DeepMind之前的全部亏损额，但新的亏损却扔在持续。

到了年，DeepMind的亏损额已经达到了6.49亿美元，共约42亿人民币。

与此同时，DeepMind的研发成本也是惊人的。只员工工资这一项，DeepMind每年就需要支付近4个亿的英镑，平均下来DeepMind员工的年收入已经突破了万人民币。之所以薪资如此之高，也是因为DeepMind的员工都是其他公司抢着要的那种技术大佬。

终于盈利的时刻

幸运的是，DeepMind的烧钱之路很快就迎来了尽头。到了年，DeepMind终于迎来了诞生之后的首次盈利，实现了年利润万美元。这下Google的老板大概也要长舒一口气，肯定自己的投资眼光了。

可以预测的是，在未来十数年间DeepMind仍会是AI领域的霸主，持续引领着AI的发展方向。如果你

转载请注明：http://www.abuoumao.com/hytd/4237.html