Djupsinnet

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 8 februari 2021; kontroller kräver 4 redigeringar .
Deep Mind Technologies Limited
Sorts dotterföretag
Bas 2010
Tidigare namn DeepMind Technologies, Google DeepMind
Grundare Shane Legg [d] ,Demis Hassabisoch Mustafa Suleiman [d]
Plats 5 New Street Square, London EC4A 3TW, Storbritannien
Industri artificiell intelligens
Produkter AlphaGo , AlphaFold och AlphaGo Zero
Antal anställda 1 000 (per december 2019) [1]
Moderbolag Alphabet Inc.
Hemsida deepmind.com _ 
 Mediafiler på Wikimedia Commons

DeepMind Technologies Limited , eller DeepMind , är ett brittiskt företag inom artificiell intelligens . Grundades 2010 i London under namnet DeepMind Technologies. Förvärvades av Google 2014 .

Företaget blev känt för utvecklingen av AlphaGo -datorsystemet , som besegrade en professionell Go -spelare [2] . DeepMind har skapat ett neuralt nätverk som kan lära sig att spela videospel på mänsklig nivå [3] . År 2020 utvecklade företaget AlphaFold2-programmet, som gör det möjligt att lösa ett av de grundläggande problemen inom biologisk vetenskap när det gäller att bygga tredimensionella proteinmodeller [4] .

Historik

2010 grundade Demis Hassabis , Shane Legg , Mustafa Suleiman startupen DeepMind Technologies [5] . Innan dess kände Hassabis och Legg varandra redan från University College London , där de arbetade i Gatsby Computational Neuroscience Unit ( www.gatsby.ucl.ac.uk ) [6] .

Stora riskkapitalfonder Horizons Ventures , Founders Fund [7] samt entreprenörerna Scott Banister [8] och Elon Musk [9] investerade i företaget . Jan Tallinn var en av företagets tidiga investerare och rådgivare [10] .

2014 fick DeepMind priset "Årets företag" från Computer Laboratory vid University of Cambridge [11] .

Den 26 januari 2014 tillkännagav Google förvärvet av DeepMind Technologies [12] . Enligt olika rapporter varierade transaktionsbeloppet från 400 till 650 miljoner dollar [13] [14] [15] [16] . Affären ska ha ägt rum efter att Facebook avslutade förhandlingarna om att köpa DeepMind Technologies 2013 [17] . Ett av villkoren för DeepMinds avtal med Google var skapandet av den sista panelen om de etiska problemen med artificiell intelligens [18] .

Efter köpet av Google blev företaget känt som Google DeepMind.

I början av september 2016 togs företaget över av Googles moderbolag Alphabet , och omnämnandet av Google försvann från dess namn, nu är det känt som DeepMind Technologies Limited eller DeepMind. Företagets hemsida har också gjorts om.

Forskningslinje

Företagets mål är att "lösa problemet med intelligens" [19] . För att göra detta använder de "de bästa teknologierna, allt från maskininlärning till systempsykofysiologi , för att så småningom skapa allmänna inlärningsalgoritmer" [19] . De arbetar också med att formalisera intelligens [20] för att inte bara implementera den i maskiner, utan också för att förstå hur den mänskliga hjärnan fungerar. Enligt Demis Hassabis [21] :

... att försöka extrahera essensen av intelligens som en algoritmisk konstruktion kan vara det bästa sättet att förstå de djupaste mysterierna i vårt sinne.

DeepMind ser lösningen på problemet med intelligens i skapandet av universella självlärande intelligenta agenter som självständigt skulle kunna lära sig av rå indata och skulle vara lämpliga för att lösa alla uppgifter, till skillnad från "begränsad AI ", som Deep Blue eller IBM Watson löser endast en fördefinierad uppgift. Förstärkningsinlärning [22] valdes som huvudmetod för att bygga intelligenta agenter .

Företaget forskar för närvarande om datorsystem som kan spela en mängd olika spel, från strategispel som go till datorspel . Shane Legge hävdar att artificiell intelligens kommer att kunna nå mänsklig nivå "när en maskin lär sig att spela en bred klass av spel genom att endast använda in- och utsignalerna från den perceptuella strömmen, och överföra förståelse från spel till spel ..." [23 ] . Demis Hassabis förklarar fokus på spel, snarare än mer traditionell robotteknik , genom att säga att " robotar är dyra, långsamma och går ofta sönder... forskaren distraheras av att fixa robotens mekaniska delar..." [22] . Det rapporteras att Google köpte företaget efter publiceringen av en studie om AI som framgångsrikt spelade sju olika Atari- spel (Pong, Breakout, Space Invaders, Seaquest, Beamrider, Enduro, Q*bert) [3] .

I början av 2018 tränade forskare på DeepMind ett av sina system för att spela Quake III Arena PC-spelet . Efter en tid som spenderats på träning, när det gäller spelnivån, kom detta system först ikapp och gick sedan om människor som är starka spelare [24] [25] .

Neural Turing Machine

2014 publicerade DeepMind en hybrid neural nätverksarkitektur bestående av ett återkommande neuralt nätverk och externt minne [26] [27] . Det neurala nätverket använder externt minne för att skriva och sedan läsa information på samma sätt som en Turing-maskin gör , av denna anledning fick arkitekturen namnet "Neural Turing Machine" (Neural Turing Machine). Som uttänkt av forskarna imiterar Turings Neural Machine en persons korttidsminne och gör det möjligt att förstå principerna för dess funktion. I experiment tränades det neurala nätverket framgångsrikt i enkla algoritmer: kopiering, sortering, associativt minne.

Djup förstärkningsinlärning i videospel

DeepMind har avslöjat ett AI-system som kan lära sig att spela klassiska spel från 70- och 80-talen. för spelkonsolen Atari 2600 [28] [29] [30] [31] [32] . I studien tränades AI för att spela 49 videospel. Som ett resultat uppnåddes en spelnivå som var jämförbar med den för en människa, och i 22 spel kunde systemet överträffa en människa. DeepMind AI är inte hårdkodad för ett specifikt spel. I början av träningen vet systemet ingenting om spelets regler och lär sig att spela på egen hand, och använder endast pixelbilden av spelet som input och information om poängen som erhållits under spelet.

AI är baserad på vad DeepMind kallar deep reinforcement learning, eller deep Q-network (DQN) [28] [30] . Detta är en modelllös variant av förstärkningsinlärning med Q-learning , där verktygsfunktionen modelleras med hjälp av ett djupt neuralt nätverk . Ett faltningsneuralt nätverk valdes som arkitekturen för det neurala nätverket ; för närvarande används denna arkitektur effektivt för bildigenkänning .

DeepMind planerar att lära ut AI, byggt på samma principer, hur man spelar mer komplexa 3D-spel från 90-talet, som Doom och racingsimulatorer [22] . I februari 2016 presenterades de första resultaten av AI-träning i 3D-spel [33] [34] . AI:n kunde lära sig att köra bil i 3D-racingsimulatorn TORCS [35] , hitta utgången och priser i den Doom-liknande 3D-labyrinten Labyrinth [36] , utföra enkla uppgifter ( förflyttning , balans, manipulera objekt ) i MuJoCos fysiksimulator ( www.mujoco.org ) [37] . Som tidigare matades endast en pixelbild av "världen" till AI-ingången. Den neurala nätverksarkitekturen har utökats med tillägget av LSTM , en typ av återkommande neurala nätverk .

Alpha Star

På den årliga Blizzcon 2016-festivalen tillkännagav Blizzard , som är initiativtagaren till detta evenemang, sitt partnerskap med DeepMind. Denna händelse publicerades sedan i en artikel på båda företagens officiella bloggar [38] [39] . Syftet med detta samarbete är att introducera och träna AI i Starcraft II . Enligt spelets utvecklare är Starcraft II en idealisk miljö för att lära sig artificiell intelligens, eftersom spelets komplexa regler tillräckligt speglar komplexiteten och mångsidigheten i den verkliga världen. Dessutom ansåg samhället själva att detta spel var det största problemet för AI, som lyckades besegra en person i spelet go, schack och poker [40] .

StarCraft II är den perfekta miljön för att ta AI-forskning till nästa nivå. Spelets komplexa regler återspeglar på ett adekvat sätt mångsidigheten och slumpmässigheten i den verkliga världen. Först lär du dig att utvinna resurser, sedan bygger du enkla byggnader, utforskar kartan och letar efter fienden. Är det värt att producera fler enheter eller skulle det vara bättre att förstärka försvarslinjen? Kommer du att attackera tidigt eller fokusera på utveckling?

Just nu pågår arbetet med "Starcraft 2 API", som gör att AI kan interagera fullt ut med spelgränssnittet, vem som helst kan ta del av utvecklingen, för vilken tekniska uppgifter har publicerats [41] , som är planerade att bli genomfördes under första kvartalet 2017. AI själv kommer att lära sig genom att se repriser av andra spelare som har deltagit i rankade spel.

I en turnering den 19 december 2018 mellan AlphaStar och två topp 100 professionella spelare TLO och MaNa, vann AlphaStar med 10-0. Samtidigt lyckades MaNa vinna ett extra-legal spel [42] [43] [44]

Den 24 januari 2019 introducerades AlphaStar-programmet, specialiserat på StarCraft II - spelet i realtidsstrategigenren . AlphaStar lärde först ut programmet från inspelningar av folks spel, och inkluderade det sedan i "AlphaStar League", där AI:n spelade inte bara mot sig själv utan också "exploitativa" agenter, som var versioner av AI som specifikt riktade in sig på AlphaStars svagheter och representerade var och en av de tre raserna [40] . Träningen säkerställde att AlphaStar skulle vara en formidabel motståndare för alla tre loppen och varje spelstrategi. Vid tidpunkten för presentationen hade AlphaStar kunskapen motsvarande 200 års speltid. [45] . Samtidigt försökte utvecklarna att begränsa förmågan hos AI, till exempel genom att begränsa antalet åtgärder per minut, likställa det med det genomsnittliga antalet åtgärder för en bra spelare (vilket inte hindrar programmet från att visa omöjliga resultat för människor), på grund av vilket programmet tvingades lära sig att vinna med en långsiktig strategi [40] . Reaktionshastigheten är cirka 3 bilder från fiendens utseende i siktzonen till responsen. Minskade storleken på AI:s synfält till spelarens synfält.

I slutet av oktober 2019 blev AI spelets stormästare och överträffade 99,8 % av registrerade mänskliga spelare i Starcraft II. Det tog AlphaStar 44 dagars träning för att uppnå denna prestation. [40] .

Spelar Go

I oktober 2015 besegrade DeepMinds AlphaGo [46] go spelmjukvara Europa Go-mästaren Fan Hui (2:a dan ) med 5-0 [2] . Nyheten tillkännagavs först den 27 januari 2016, samtidigt som en artikel publicerades i tidskriften Nature [2] .

Detta är första gången i historien som en AI har besegrat ett proffs på Go [47] ; innan AlphaGo spelade alla kända AI:er Go endast på amatörnivå. Go anses vara ett spel som är ganska svårt för en dator att vinna (jämfört med liknande spel, till exempel schack) på grund av det stora antalet alternativ för drag, på grund av detta är den traditionella AI-metoden för att räkna drag praktiskt taget otillämplig [ 2] [48] . I mars 2016 vann programmet en match mot en av de starkaste goisterna i världen, Lee Sedol , med 4-1.

Andra destinationer

DeepMind-publikationer täcker följande ämnen [49] : förståelse av naturligt språk med maskiner [50] , mallbaserad bildgenerering med hjälp av neurala nätverk [51] , taligenkänning , algoritmer för utbildning av neurala nätverk.

Deep Mind Health

DeepMind Health är en avdelning av DeepMind som arbetar inom området artificiell intelligens inom medicin [52] [53] [54] . Öppnandet tillkännagavs den 24 februari 2016 på företagets hemsida. Divisionen leds av Mustafa Suleiman .

I sitt arbete kommer DeepMind Health att samarbeta med UK National Health Service . DeepMind Health planerar att förse läkare med teknisk expertis för att utveckla och förbättra patientvårdsteknologier. Särskild uppmärksamhet kommer att ägnas åt säkerheten för patientuppgifter och konfidentialitet. Enhetens prestation kommer att granskas av en styrelse av oberoende experter, inklusive Richard Horton ., redaktör för den respekterade medicinska tidskriften The Lancet .

DeepMind Health arbetar för närvarande med att skapa elektroniska verktyg som förenklar läkarens arbete. En smartphone-app har introducerats för att mer exakt diagnostisera akut njurskada . DeepMind köpte också en medicinsk applikation, en uppgiftshanterare för läkare. Teamet av läkare från Imperial College London som skapade det ansluter sig till DeepMind Health. Storleken på affären avslöjades inte.

I december 2020 meddelade DeepMind-teamet att de hade löst det grundläggande vetenskapliga problemet med förutsägelse av proteinstruktur. Programmet, utvecklat av företaget och baserat på neurala nätverk, kunde förutsäga proteinets struktur med 90 % noggrannhet (vilket är bättre än moderna skanningsmetoder). Detta gör det möjligt att bygga 3D-proteinmodeller baserade på den kodande genomiska sekvensen, vilket är av stor betydelse för utvecklingen av nya läkemedel och förståelsen av biokemiska processer i allmänhet. [55]

Samarbete med universitet

2014 inleder DeepMind ett samarbete med University of Oxford [56] [57] . DeepMind anställer två banbrytande AI-team från Oxford. Detta är ett team av världens ledande experter på tillämpning av djupinlärning på naturlig språkförståelse med maskiner : professorerna Nando De Freitas och Phil Blancom, drs Edward Grevenstett och Karl Moritz. Och ett team av några av världens ledande experter inom maskinseende : Dr. Karen Simonyan och Max Jadenberg, professor Andrew Zisserman. Som en del av samarbetet kommer datavetenskapliga fakulteten och tekniska fakulteten att få betydande finansiering från Google. DeepMind planerar även ett studentpraktikprogram, föreläsningar och seminarier för studenter.

Forskare från andra universitet arbetar också med DeepMind. David Silver, medförfattare till AlphaGo -uppsatsen [58] och många andra DeepMind-publikationer om förstärkningsinlärning , föreläser vid University College London [59] . Vissa DeepMind-publikationer är medförfattare av forskare från följande organisationer [49] : University of Toronto , University of Montreal , Australian National University , University of Amsterdam , UC Berkeley , INRIA .

Anteckningar

  1. ↑ DeepMind exec Andrew Eland lämnar för att starta uppstart . Hämtad 6 februari 2020. Arkiverad från originalet 30 december 2019.
  2. ↑ 1 2 3 4 Google uppnår AI-genombrott genom att slå Go-mästaren - BBC  News . BBC Nyheter. Tillträdesdatum: 8 februari 2016. Arkiverad från originalet 30 januari 2016.
  3. ↑ 1 2 Physics arXiv Blog. Det senaste AI-genombrottet som DeepMind gjorde innan Google köpte det för 400 miljoner dollar: slutet är nära. Människor har förlorat ytterligare en viktig kamp i kriget mot datorherravälde . Medium (29 januari 2014). Hämtad 8 februari 2016. Arkiverad från originalet 1 maj 2019.
  4. ↑ DeepMind algoritm förutspådde proteinstruktur från aminosyrasekvens Arkivkopia daterad 5 december 2020 på Wayback Machine
  5. ↑ Amy Thomson. Google köper det brittiska företaget DeepMind för artificiell intelligens . Bloomberg.com. Hämtad 8 februari 2016. Arkiverad från originalet 7 mars 2016.
  6. ↑ Gibbs, Samuel . Demis Hassabis: 15 fakta om grundaren av DeepMind Technologies  (engelska) , The Guardian  (28 januari 2014). Arkiverad från originalet den 16 augusti 2015. Hämtad 8 februari 2016.
  7. ↑ Davies, Sally . DeepMind köp förebådar maskinernas uppgång , Financial Times  (27 januari 2014). Arkiverad från originalet den 12 mars 2016. Hämtad 8 februari 2016.
  8. ^ "DeepMind Technologies Investors" . Tillträdesdatum: 8 februari 2016. Arkiverad från originalet 17 mars 2015.
  9. ↑ Elon Musk: Artificiell intelligens "potentiellt farligare än kärnvapen" . International Business Times Storbritannien. Hämtad 8 februari 2016. Arkiverad från originalet 3 februari 2016.
  10. ↑ Exklusivt: Google köper Artificiell Intelligens Startup DeepMind för 400 miljoner USD . Om/koda. Datum för åtkomst: 8 februari 2016. Arkiverad från originalet 27 januari 2016.
  11. ↑ Datorlaboratoriet: Hall of Fame Awards . www.cl.cam.ac.uk. Hämtad 8 februari 2016. Arkiverad från originalet 3 februari 2016.
  12. ↑ Google köper artificiell intelligens-företaget DeepMind , Reuters  (27 januari 2014). Arkiverad från originalet den 11 mars 2016. Hämtad 8 februari 2016.
  13. ↑ Datorer, spel  // The Economist. — ISSN 0013-0613 . Arkiverad från originalet den 14 januari 2018.
  14. ↑ Catherine Shu. Google förvärvar artificiell intelligens startup DeepMind för mer än $500 miljoner . tekniskt kritan. Tillträdesdatum: 8 februari 2016. Arkiverad från originalet 28 januari 2014.
  15. ↑ Google köper artificiell intelligens-företaget DeepMind , Reuters  (27 januari 2014). Arkiverad från originalet den 27 januari 2014. Hämtad 8 februari 2016.
  16. ↑ Gibbs, Samuel . Google köper brittiska startupen Deepmind för artificiell intelligens för 400 miljoner pund  , The Guardian (  27 januari 2014). Arkiverad från originalet den 3 februari 2014. Hämtad 8 februari 2016.
  17. ↑ Google slår Facebook för DeepMind, skapar etikråd . Informationen. Tillträdesdatum: 8 februari 2016. Arkiverad från originalet 31 januari 2014.
  18. ↑ Inuti Googles mystiska etikstyrelse . Forbes. Hämtad 8 februari 2016. Arkiverad från originalet 4 mars 2016.
  19. ↑ 1 2 Google DeepMind . deepmind.com Hämtad 8 februari 2016. Arkiverad från originalet 13 oktober 2014.
  20. ↑ Legg, Shane; Veness, Joel (29 september 2011). "En approximation av det universella intelligensmåttet" . Hämtad 8 februari 2016. Arkiverad från originalet 11 juni 2016.
  21. ↑ Hassabis, Demis (23 februari 2012). "Modela hjärnans algoritmer" . Hämtad 8 februari 2016. Arkiverad från originalet 4 mars 2016.
  22. ↑ 1 2 3 Royal Television Society. Offentlig föreläsning med Google DeepMinds Demis Hassabis (19 november 2015). Hämtad 8 februari 2016. Arkiverad från originalet 2 februari 2016.
  23. ↑ Frågor och svar med Shane Legg om risker från AI - Less Wrong . lesswrong.com. Tillträdesdatum: 8 februari 2016. Arkiverad från originalet 24 oktober 2014.
  24. ↑ "DeepMind AI:s nya trick är att spela 'Quake III Arena' som en människa" Arkiverad 5 juli 2018 på Wayback Machine Engadget, 7 mars 2018
  25. ↑ Artificiell intelligens har lärt sig att "mänskligt" spela Quake III Arena . Hämtad 15 juli 2018. Arkiverad från originalet 15 juli 2018.
  26. ↑ Alex Graves, Greg Wayne, Ivo Danihelka. Neural Turing Machines  // arXiv:1410.5401[cs]. — 2014-10-20. Arkiverad från originalet den 13 januari 2016.
  27. ↑ Bäst av 2014: Googles hemlighetsfulla DeepMind-start avslöjar en "Neural Turing Machine" . MIT Technology Review. Datum för åtkomst: 8 februari 2016. Arkiverad från originalet 2 april 2017.
  28. ↑ 12 DQN | Google DeepMind (inte tillgänglig länk) . deepmind.com Hämtad 10 februari 2016. Arkiverad från originalet 9 februari 2016. 
  29. ↑ Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness. Kontroll på mänsklig nivå genom djup förstärkningsinlärning   // Nature . — 2015-02-26. — Vol. 518 , utg. 7540 . — S. 529–533 . — ISSN 0028-0836 . - doi : 10.1038/nature14236 . Arkiverad från originalet den 25 september 2017.
  30. ↑ 1 2 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou. Att spela Atari med Deep Reinforcement Learning  // arXiv:1312.5602 [cs]. — 2013-12-19. Arkiverad från originalet den 13 februari 2016.
  31. ↑ Från pixlar till handlingar: kontroll på mänsklig nivå genom djup  förstärkningsinlärning . forskningsblogg. Hämtad 8 februari 2016. Arkiverad från originalet 5 februari 2016.
  32. ↑ DeepMinds AI är ett Atari-spelproffs nu (Wired UK) . trådbunden Storbritannien. Hämtad 8 februari 2016. Arkiverad från originalet 21 maj 2016.
  33. ↑ Volodymyr Mnih, Adrià Puigdomènech Badia, Mehdi Mirza, Alex Graves, Timothy P. Lillicrap. Asynkrona metoder för djup förstärkningsinlärning  // arXiv:1602.01783 [cs]. — 2016-02-04. Arkiverad från originalet den 18 februari 2016.
  34. ↑ Jacob Aron. Google DeepMind AI navigerar i en Doom -liknande 3D-labyrint bara genom  att titta . Ny vetenskapsman. Hämtad 14 februari 2016. Arkiverad från originalet 6 februari 2016.
  35. ↑ Djupt sinne. Asynkrona metoder för djup förstärkningsinlärning: TORCS (4 februari 2016). Datum för åtkomst: 14 februari 2016. Arkiverad från originalet 14 februari 2016.
  36. ↑ Djupt sinne. Asynkrona metoder för djupförstärkningsinlärning: Labyrinth (4 februari 2016). Datum för åtkomst: 14 februari 2016. Arkiverad från originalet 14 februari 2016.
  37. ↑ Djupt sinne. Asynkrona metoder för djupförstärkningsinlärning: MuJoCo (4 februari 2016). Tillträdesdatum: 14 februari 2016. Arkiverad från originalet 4 december 2016.
  38. ↑ DeepMind och Blizzard släpper StarCraft II som en AI-forskningsmiljö | deepmind . djupsinnet. Hämtad 11 november 2016. Arkiverad från originalet 5 augusti 2019.
  39. ↑ BlizzCon: DeepMind och självlärande AI i StarCraft II . StarCraft II. Hämtad 11 november 2016. Arkiverad från originalet 10 november 2016.
  40. ↑ 1 2 3 4 Prov, Ian . AI blir stormästare i "djävulskt komplex" StarCraft II , Guardian  (30 oktober 2019). Arkiverad från originalet den 29 december 2020. Hämtad 31 oktober 2019.
  41. ↑ StarCraft II API - Teknisk design - StarCraft II-forum . us.battle.net. Hämtad 11 november 2016. Arkiverad från originalet 10 november 2016.
  42. ↑ AlphaStar: Bemästra realtidsstrategispelet StarCraft II | deepmind . djupsinnet. Hämtad 24 januari 2019. Arkiverad från originalet 24 januari 2019.
  43. ↑ AlphaStar neurala nätverk slår professionella spelare i StarCraft II . Hämtad 25 januari 2019. Arkiverad från originalet 11 december 2019.
  44. ↑ AlphaStar - ett nytt artificiell intelligenssystem för StarCraft II från DeepMind (fullständig översättning) . Hämtad 25 januari 2019. Arkiverad från originalet 26 januari 2019.
  45. ↑ Ryan Whitwam. DeepMind AI utmanar Pro StarCraft II-spelare, vinner nästan varje match - ExtremeTech . ExtremeTech (24 januari 2019). Hämtad 8 februari 2019. Arkiverad från originalet 5 februari 2019.
  46. ↑ AlphaGo | Google DeepMind (inte tillgänglig länk) . deepmind.com Datum för åtkomst: 10 februari 2016. Arkiverad från originalet 25 februari 2016. 
  47. ↑ Tual, David Larousserie et Morgane . Premiere défaite d'un professionalnel du go contre une intelligence artificielle  (franska) , Le Monde.fr . Arkiverad från originalet den 29 januari 2016. Hämtad 8 februari 2016.
  48. ↑ AlphaGo: Bemästra det antika spelet Go med maskininlärning . forskningsblogg. Datum för åtkomst: 8 februari 2016. Arkiverad från originalet 1 februari 2016.
  49. ↑ 12 publikationer | Google DeepMind (inte tillgänglig länk) . deepmind.com Hämtad 10 februari 2016. Arkiverad från originalet 7 februari 2016. 
  50. ↑ Karl Moritz Hermann, Tomáš Kočiský, Edward Grefenstette, Lasse Espeholt, Will Kay. Lära maskiner att läsa och förstå  // arXiv:1506.03340 [cs]. — 2015-06-10. Arkiverad från originalet den 19 februari 2016.
  51. ↑ Ivo Danihelka. DRAW: A Recurrent Neural Network For Image Generation av Google DeepMind (17 september 2015). Hämtad 10 februari 2016. Arkiverad från originalet 21 juli 2017.
  52. ↑ Hälsa | Google DeepMind . deepmind.com Hämtad 27 februari 2016. Arkiverad från originalet 27 februari 2016.
  53. ↑ Francisco, Sarah Boseley Paul Lewis i San . Smart vård: hur Google DeepMind arbetar med NHS-sjukhus  , The Guardian (  24 februari 2016). Arkiverad från originalet den 27 februari 2016. Hämtad 27 februari 2016.
  54. ↑ Jack Clark. Googles DeepMind Forms Health Unit för att bygga medicinsk programvara . Bloomberg.com. Hämtad 27 februari 2016. Arkiverad från originalet 27 februari 2016.
  55. ↑ Grundläggande "proteinproblem" löst. Forskare kämpade om det i ett halvt sekel , och till slut hjälpte Googles programmerare dem - och detta kan vara mycket viktigt för medicinen
  56. ↑ Samarbetar med Oxford University om artificiell  intelligens . Google Europa-bloggen. Hämtad 10 februari 2016. Arkiverad från originalet 22 februari 2016.
  57. ↑ University of Oxford samarbetar med Google DeepMind om artificiell intelligens . Institutionen för datavetenskap. Hämtad 10 februari 2016. Arkiverad från originalet 5 februari 2016.
  58. ↑ David Silver, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre. Bemästra spelet Go med djupa neurala nätverk och trädsökning   // Nature . — 2016-01-28. — Vol. 529 , utg. 7587 . — S. 484–489 . — ISSN 0028-0836 . - doi : 10.1038/nature16961 . Arkiverad från originalet den 24 september 2019.
  59. ↑ David Silver . www0.cs.ucl.ac.uk. Hämtad 10 februari 2016. Arkiverad från originalet 20 februari 2016.
  Gå till Wikidata-objektet  I sociala nätverk
Foto, video och ljud
Tematiska platser
I bibliografiska kataloger
 Alfabet
Underavdelningar Alfabetets logotyp
Före detta
människor
Grundare