DeepMind Technologies成立于2010年9月，是一家英国人工智能公司和研究实验室。凭借其开创性的创新和对机器学习的独特方法，特别是在强化学习和神经网络方面，它迅速在人工智能领域获得了知名度[1]。2014年，DeepMind被谷歌以约5亿美元的价格收购，使该组织能够利用谷歌丰富的资源和基础设施来进一步推进其研究目标[1][2]。
最初，DeepMind的重点是开发能够学习玩视频游戏的算法，他们成功地利用神经网络完成了这一目标。这些网络表现出学习和适应的能力，类似于人类玩家[1]。在此期间的一个显著成就是开发了神经图灵机，这是一种可以访问外部记忆的神经网络，模仿人脑的短期记忆能力[1]。
DeepMind的影响超越了游戏；它在多个领域取得了重大进展，包括医疗保健，在该领域利用人工智能快速识别眼科疾病，速度超过传统方法[3]。该组织在金融领域也发挥了关键作用，推动人工智能应用的进步，解决了风险管理、欺诈检测和交易优化等挑战[3][2]。
公司的研究还专注于人工智能的伦理考虑，成立了一个专门的伦理团队，旨在确保人工智能系统的安全和透明部署。该团队与学术机构和政策制定者合作，制定减小与人工智能相关的风险（如偏见和隐私侵犯）的指导方针[4]。
DeepMind的研究组合涵盖了多种领域，旨在推动人工智能（AI）及其在社会利益方面的应用。该组织的重点从基础科学研究扩展到医疗保健和机器人技术的实际应用。
DeepMind 继续在强化学习领域进行创新，基于连接神经科学与人工智能的基础原则。自 2013 年以来，该组织专注于深度强化学习，利用深度神经网络有效地解决复杂问题。该领域已经取得了重大进展，特别是在通过奖励和惩罚学习的算法上，这些算法不需要明确的指令[5]。分布式强化学习作为一种强大的方法已经出现，在各种基准测试中表现出了相对于传统算法的显著改进[5]。
通过这些多样的研究领域，DeepMind 努力不仅推动人工智能领域的发展，还确保其应用与积极的社会结果和伦理考虑保持一致。
设计高效、健壮和可扩展的算法仍然是DeepMind的一个高优先级任务。在这一领域的重大进展包括推出AlphaDev，一个利用强化学习发现改进算法的AI系统。例如，AlphaDev识别出一种更快的排序算法，从而改善了LLVM libc++排序库，在较短的序列上实现了高达70%的性能提升，较大数据集上也达到了约1.7%的性能提升[6]。此外，该组织积极发布研究成果，并参与各种会议，为全球学术界做出贡献，去年 alone 发表了超过500篇论文[6]。
AI在转变医疗流程方面的潜力是巨大的。DeepMind的初始Med-PaLM模型因在美国医疗执照考试中获得及格分而引人注目，而其后继者Med-PaLM 2则将专家级准确率提高到了86.5%[6]。这些模型促进了临床医生与患者之间关于复杂医疗条件的对话，并通过Google Cloud整合到医疗环境中。此外，DeepMind还探索了可以解读医学影像和文本数据的多模态模型，进一步推动了AI在临床工作流程中的整合[6]。
DeepMind的机器人研究将先进的AI模型与机器人能力相结合。PaLM-E的开发，作为一种具身的多模态模型，示范了语言、视觉和机器人控制如何结合以提高性能[6]。该组织对四足机器人机动性进行了基准测试，并探索了语言在制定明确奖励函数中的作用，以更好地将人类指令与机器人动作联系起来[6]。
认识到应对伦理和社会影响的重要性，DeepMind 积极与各类利益相关者互动。该组织寻求来自生物伦理学、生物安全和人权领域领导者的外部意见，以指导其研究方向，并确保在包括被忽视的疾病在内的资金不足领域实现公平的利益[7][8]。这一承诺还包括与学术机构和研究小组建立合作伙伴关系，支持与全球健康优先事项相一致的创新项目[7][8]。
DeepMind 开发了一系列 Gemini 模型，其中包括三种不同的型号：Nano、Pro 和 Ultra。Nano 模型经过优化以提高效率，非常适合像 Pixel 这样的产品应用。Pro 模型则旨在实现各种任务的可扩展性，而 Ultra 模型则代表了处理复杂挑战的最先进能力。Gemini Ultra 展现了卓越的性能，在 LLM 研究的 32 个学术基准中，有 30 个超过了最先进的成果，包括在 MMLU 基准测试中取得 90.04% 的得分，首次超越了人类专家。[6]
AlphaFold，一个由DeepMind开发的突破性人工智能系统，通过准确预测蛋白质结构，彻底改变了计算生物学。这项创新显著加快了研究过程，可能为全球研究人员节省了估计达4亿年的累积研究工作。AlphaFold与大规模测序数据集的结合进一步增强了其在药物发现和结构生物学中的实用性。在2020年推出后，AlphaFold2在CASP14竞赛中表现出无与伦比的准确性，并自此通过AlphaFold数据库公开了超过2亿个结构预测，标志着生物医学研究的重大进展。[9]
DeepMind 还利用人工智能应对紧迫的全球挑战，尤其是在气候变化缓解方面。该组织已扩展洪水预报能力覆盖80个国家，影响超过4.6亿人。应对野火的研究项目包括通过卫星图像进行实时边界跟踪，以及改善应急疏散策略。与美国森林等组织的合作帮助利用像树冠项目这样倡议的数据，以解决城市树木公平问题。[6]
AI在健康领域的整合推动了编程和推理能力的发展。基于前任成功的AlphaCode 2的推出，显示出在问题解决效率上有了显著提高，在编程挑战中超越了85%的竞争对手。此外，Bard这一对话式AI工具通过Gemini Pro模型得到了增强，在总结和推理等任务中的熟练程度得到了提升，从而使其成为用户更强大的资源。[6]
DeepMind 在天气预测技术方面取得了显著进展，特别是 MetNet-3 的开发，其在长达二十四小时的时间内超越了传统的数值天气模拟。与欧洲中期天气预报中心（ECMWF）合作发布的 WeatherBench-2 提供了一个评估天气预报准确性的基准框架，从而有助于改进预测方法论。[6]
在开发伦理人工智能系统的背景下，政治哲学家约翰·罗尔斯在1970年代提出的无知之幕概念已成为促进决策过程公平性的重要框架。罗尔斯建议，个体在决策时不应知晓自己的社会地位或财富，以确保公正[10]。DeepMind进行的研究对这一理论进行了测试，通过将参与者置于无知之幕之下，让他们选择指导人工智能系统的伦理原则。结果表明，不知道自己地位的参与者更倾向于优先考虑帮助弱势群体成员的原则，而不是其他有利于自身的原则[10]。这反映了无知之幕在各个领域的更广泛应用，鼓励进行公平和公正的决策。
理解和评估生成性人工智能系统的伦理影响至关重要，因为它们正越来越多地融入社会。已经提出了一个全面的框架，包括三层评估：人工智能系统能力、人类互动和系统影响[11]。这种分层方法旨在识别不仅仅是人工智能系统的能力，还有它们运作的背景以及对用户和整个社会可能带来的风险。例如，虽然开发者负责评估系统能力，但应用开发者和公共机构必须检查功能和外部性，而更广泛的利益相关者可以评估社会影响[11]。
DeepMind 认识到系统性地解决与先进 AI 技术相关的社会和伦理风险的重要性。他们近期的研究旨在描绘受 AI 助理影响的复杂道德格局，强调对技术在包括经济和环境等多个领域的影响进行细致理解的必要性[12]。该组织与多位专家合作，以预测这些影响，并确保 AI 技术能够惠及每一个人，同时最大限度地减少偏见和误用等风险[4]。
DeepMind 已成立一个责任与安全委员会，以监督其人工智能系统的伦理部署，该委员会由组织内的关键领导共同担任主席。该委员会针对人工智能原则评估研究、项目和合作，旨在促进负责任的治理并减少潜在危害[13]。公司还与外部实体合作，利用人工智能以应对全球挑战，同时主动管理相关风险，体现出对伦理人工智能发展的承诺，优先考虑社会利益[13][4]。
人工智能（AI）的伦理和社会影响是该领域的重要研究方向，促使来自人文学科、社会科学和技术领域的专家进行跨学科的研究努力。这种合作方式旨在审视AI技术对社会系统的影响，并为设计负责任且有益的AI解决方案提供参考。[14] DeepMind强调在这些讨论中纳入多元观点的重要性，承认AI必须与社会优先事项和关切相一致，才能真正服务于公众利益。[14]
AI在革命性改变医疗保健方面的潜力引起了广泛关注，特别是随着像Med-PaLM这样的模型的发展。该模型在美国医学执照考试中获得了及格分数，展示了AI在支持临床医生诊断和讨论复杂医学病症方面的能力。[6] 此外，DeepMind在医疗保健方面的举措，包括与联合国等组织合作以推动可持续发展目标（SDGs），突显了AI在应对全球挑战和改善健康结果方面的重要作用。[6]
为了确保AI技术能够满足多样化人群的需求，DeepMind在构建准确代表不同文化和语言群体的数据集方面取得了进展。与霍华德大学等机构的合作旨在提高AI系统对非洲裔美国英语(AAE)的理解能力，从而促进AI应用的更大包容性。[6] 对公平代表性的承诺也扩展到评估AI如何帮助创造更具包容性的媒体内容，从而解决历史上在流行叙事中的代表性不足问题。[6]
先进人工智能技术的崛起带来了机遇与风险。对与生成性人工智能相关的社会和伦理风险的研究表明，有必要对人工智能系统进行更全面的评估，以理解其在更广泛社会中的影响。[12] 与来自不同领域的外部专家进行互动，对于识别潜在差异和确保人工智能惠及资金不足的研究领域，尤其是受忽视疾病影响的卫生部门，起到了关键作用。[7]
随着人工智能技术的不断发展，研究人员、开发者和政策制定者今天所做的选择将显著影响其应用和社会整合。越来越多的人认识到，需要建立严格的评估框架和监管监督，以减轻潜在风险，同时利用人工智能的变革潜力。[15] 这种前瞻性的观点强调了所有利益相关者的共同责任，以引导人工智能的发展，以最大化对人类的利益。[15]
DeepMind 从事多种合作与伙伴关系，旨在推动人工智能的发展并解决现实世界中的挑战。这些合作伙伴关系涵盖多个领域，包括医疗、金融和物流，通常涉及联合开发项目，利用 DeepMind 先进的 AI 技术创造具有影响力的解决方案[16]。
DeepMind 与行业领袖建立战略联盟，将其 AI 解决方案应用于实际场景。这些合作促进了市场扩展，并帮助将创新的 AI 应用引入各个领域。通过参与这些项目，DeepMind 不仅拓宽了其市场覆盖范围，还对不同领域的 AI 发展做出了贡献[16]。
DeepMind 积极参与开源社区，发布工具、框架和数据集，以促进人工智能技术的协作和创新。通过分享其研究和资源，DeepMind 营造了一个协作环境，使全球的开发者和研究人员能够在其工作基础上进行构建，加速该领域的创新步伐[16]。
承认学术合作的重要性，DeepMind 与领先的研究实验室和大学紧密合作。它支持诸如人工智能合作伙伴关系等倡议，该倡议将学术界、慈善机构和行业聚集在一起，以应对人工智能发展中的共同挑战[13]。DeepMind 还资助研究实验室及其博士生追求自己的研究优先事项，促进学术机构与行业之间的共生关系[8]。这种对齐增强了人才、专业知识和伦理考量的共享，这对于人工智能的负责任发展至关重要[8]。
DeepMind 强调了在人工智能开发中多样性的重要性，主动与促进该领域包容性的组织合作。倡议包括与大学的伙伴关系，以支持代表性不足的群体，以及与以社区为中心的组织（例如 Raspberry Pi 基金会）的合作，以为教师开发教育资源[13]。这些努力旨在确保人工智能的发展反映社会的多样化需求，并惠及所有社区[13]。
DeepMind 对全球合作的承诺在其协作项目中显而易见，这些项目旨在应对重要挑战，例如气候变化和粮食安全。通过与多方利益相关者合作，包括学术研究人员、气象学家和可再生能源公司，DeepMind 希望利用其 AI 模型为更大的利益服务，展现出解决人类面临的紧迫问题的积极主动态度[17]。
通过这些合作与伙伴关系，DeepMind 正在塑造人工智能的未来，并巩固其在该领域的领导地位，同时努力确保 AI 技术得到负责任和公平的开发。
深度思维内部：谷歌的人工智能实验室如何塑造人类未来 是对深度思维技术公司（DeepMind Technologies）的探索，该公司成立于2010年，并于2014年被谷歌收购。深度思维以其在机器学习和神经网络方面的突破性进展而著称，对游戏、医疗保健和气候科学等多个领域产生了重大影响，同时也在关注人工智能技术的伦理影响。其对创新的承诺不仅改变了人工智能的认知和应用方式，还引发了关于与这些强大技术相关的责任的重要讨论。
深度思维最显著的成就包括开发了AlphaFold，这一技术通过准确预测蛋白质结构，彻底改变了计算生物学领域，可能为研究人员节省了数百万小时的研究时间。[1] 此外，其Gemini模型在语言处理领域设定了新的基准，表现出色，符合众多学术标准。[2] 该组织在医疗保健方面也取得了进展，以其Med-PaLM模型为例，该模型在医学执照考试中的准确度达到了专家级水平，并且正在临床环境中整合以改善诊断过程。[3]
然而，深度思维的快速进展也引发了关于人工智能伦理使用及其技术对社会影响的争议。该组织积极建立了伦理团队，以解决偏见、隐私侵犯和人工智能系统公平部署等问题。[4] 此外，它还与外部专家进行合作，确保其研究符合社会需求，旨在最大化人工智能的益处，同时最小化潜在风险。[5]
随着人工智能的不断发展，深度思维仍处于探索其能力和局限性的前沿，强调责任治理和包容性在人工智能发展中的重要性。通过与各方利益相关者合作并进行跨学科研究，深度思维不仅在塑造技术的未来，也在塑造其对整个人类的影响。[6][7]
寻求专业报道请联系微信：LiteraryIntelligence
原创图片授权请联系微信：EmbodiedIntelligence
文章转载授权请联系微信：HumanoidIntelligence
文字内容修正请联系微信：SpacialIntelligence
Sure! Please provide the text you would like to translate into Chinese, and I’ll assist you with that.
