近期，因為Deepmind的人工智能在星際爭霸2上打敗了人類選手，DeepMind又一次進入了人們的視野。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行技術的深耕。

2014年，DeepMind被谷歌收購，總部和項目保留在倫敦，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)品序列和目標實施情況，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立屬性，雖然有戰(zhàn)略和技術上的結(jié)合，但谷歌AI的重點推進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，卻作為核心的領域技術的關鍵載體，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？

進駐Tensorflow

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

由此可見，對于谷歌AI體系的核心業(yè)務和生態(tài)基礎，DeepMind是支持的，并且愿意在這個領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)務支持的時候還是離不開DeepMind。

可微分神經(jīng)計算機的誕生

2016年底，DeepMind公布了他們打造的一臺“可微分神經(jīng)計算機”（DNC）。DNC的特點是結(jié)合了神經(jīng)網(wǎng)絡的運作原理和經(jīng)典計算機的運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)計算機的本體以人類大腦為生物網(wǎng)絡藍本設置的精神網(wǎng)絡，與可讀寫的外部存儲器相分離，架設雙層的處理與運算結(jié)構(gòu)。

這樣打造的運算系統(tǒng)，核心特征是解決了神經(jīng)網(wǎng)絡實際運作當中的機器記憶問題，做出了一臺像人類一樣思考，又能像計算機一樣的高速運算、記憶數(shù)據(jù)的機器。在發(fā)布的論文中，這臺計算機可以規(guī)劃相距甚遠的地鐵站之間的最佳路線，弄清楚紛繁復雜的親戚關系，尤其這些都是在沒有先驗數(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。首先是擅長多種復雜技術的集成，其次對于AI應用有遠超于業(yè)界水準的解決能力。

相比于針對數(shù)據(jù)樣本的機器學習系統(tǒng)，DeepMind開源的體系可以專注于AI在實際環(huán)境中進行視覺+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、地圖導航、機器人記憶等領域的研究與創(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，提高運營效率，并找到適當?shù)膭?chuàng)新關鍵。在技術探索方面，DeepMind也更多指向以高度模擬人腦的方式，在核心領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。