電子發燒友網報道（文/李彎彎）日前，谷歌母公司Alphabet表示合并旗下兩個主要的人工智能研究部門——Google Brain（谷歌大腦）和DeepMind。新部門名為Google DeepMind，將由DeepMind的聯合創始人兼首席執行官Demis Hassabis領導。

同時，Brain團隊的聯合創始人Jeff Dean將接任谷歌研究院（Google Research）和Google DeepMind首席科學家一職。谷歌表示，Dean將領導該公司“與AI有關的最關鍵和最具戰略性的技術項目”，包括一系列新的強大AI項目。

谷歌在人工智能領域的領先地位

一直以來，谷歌都走在人工智能開發浪潮的前沿，引領著人工智能技術的應用。谷歌大腦是谷歌公司內部的一個重要項目，旨在推動人工智能的研究和發展。該項目始于2011年，由谷歌工程師Andrew Ng創立。

谷歌大腦項目在深度學習領域做出了很多重要貢獻。他們提出了一系列先進的神經網絡模型和算法，如深度置信網絡（DBN）、卷積神經網絡（CNN）和循環神經網絡（RNN）等，這些技術的應用已經廣泛地應用于圖像識別、語音識別和自然語言處理等領域。

大家熟知的TensorFlow，最初就是由谷歌大腦團隊開發，用于Google的研究和產品生產，于2015年11月9日開源發布。TensorFlow是一個開源軟件庫，用于各種感知和語言理解任務的機器學習。目前TensorFlow被50個團隊用于研究和生產許多谷歌的商業產品，例如語音識別、谷歌郵箱、谷歌相冊和谷歌的搜索引擎。

DeepMind是一家AI初創公司，成立于2010年，由著名 AI 研究者、游戲設計師 Demis Hassabis 等人聯合創立，致力于將機器學習和系統神經科學的最先進技術結合起來，建立強大的通用學習算法。最初成果主要用于模擬、游戲開發等領域。

2014年，谷歌以 6 億美元的價格收購了 DeepMind。2016 年 3 月，DeepMind 開發的 AI 程序 AlphaGo 以 4:1 擊敗韓國圍棋冠軍李世石，成為近年來 AI 領域的里程碑事件。

在長期人工智能技術研究積累下，2017年，谷歌提出了Transformer 模型，這是一種采用自注意力機制的深度學習模型，旨在處理自然語言等順序輸入數據，可應用于翻譯、文本摘要等任務，可并行處理輸入數據的優勢，使得它成為了自然語言處理問題的首選模型，這也促成了BERT、GPT等預訓練模型的發展。

Transformer模型推出一年后，谷歌在2018年發布了BERT（Bidirectional Encoder Representations from Transformers），翻譯過來是“基于變換器的雙向編碼器表示技術”，是一種用于自然語言處理的預訓練技術。

2021年，谷歌又發布了兩項更強的 AI 技術，分別是對話應用語言模型 LaMDA （Language Model for Dialogue Applications） 和多任務統一模型 MUM （Mutitask Unified Model）。LaMDA 和 MUM 和 BERT、GPT一樣，都是基于 Transformer 模型。

LaMDA像是一個對話機器人，MUM是加強版的BERT，性能提高1000倍，還是個多模態學習模型，意味著它不僅可以輸入文字，還能理解圖片、音頻甚至視頻。

谷歌欲加速人工智能技術研究

可以看到，在過去十幾年時間里，谷歌一直引領人工智能技術發展。然而，直到2022年11月，OpenAI推出的ChatGPT橫空出世，格局由此被打破。

尤其是谷歌在搜索領域的競爭對手微軟，作為OpenAI的投資方，率先使用ChatGPT升級了必應搜索引擎，及辦公軟件，這讓谷歌感覺到了危機。

今年2月，谷歌母公司Alphabet宣布推出Bard，旨在與ChatGPT競爭。不過，由于Bard在一段宣傳視頻中分享了不準確的信息，而未能給谷歌帶來積極影響。

此次，谷歌合并兩個主要的人工智能研究部門——Google Brain（谷歌大腦）和DeepMind的舉措，也正是為了能夠加快公司在人工智能領域的行進步伐。

該公司首席執行官桑達爾·皮查伊（Sundar Pichai）發布博客稱，此舉匯集了谷歌在人工智能領域的兩個領先研究小組，在過去十年中，其在人工智能領域的成就涵蓋了AlphaGo、Transformers、深度強化學習和分布式系統和軟件框架等。皮查伊認為，在谷歌計算資源的支持下，將所有人才整合到一個團隊中，將能夠顯著加快公司在AI方面的進步。

小結

目前來看，雖然谷歌推出的Bard不及ChatGPT影響力大，然而可以看到，谷歌在人工智能各方面都有深厚積累，包括芯片、計算資源、軟件、模型算法等等。如今，谷歌將兩個主要的人工智能部門合并，集中人力，重點發力人工智能研究，未來的進展值得期待。