Loading article…
 | |
| Google ディープマインド | |
| 会社種別 | 子会社 |
| 業界 | 人工知能 |
| 設立 | 2010年9月23日（設立）[1]
2010年11月15日（正式開始）[2] |
| 創設者 | |
| 本部 | ロンドン、イギリス[3] |
主要人物 | |
| 製品 | AlphaGo、AlphaStar、AlphaFold、AlphaZero |
| 収益 |  15.3億ポンド（2023年）[4] |
| 1億3,600万ポンド（2023年）[4] | |
| 1億1,300万ポンド（2023年）[4] | |
| 所有者 | アルファベット社[5] |
従業員数 | 約 2,600人（2024年）[6] |
| 親 | ディープマインド・ホールディングス・リミテッド[7] |
| Webサイト | ディープマインド |
DeepMind Technologies Limited [1] は、DeepMind（旧Google DeepMind ）として取引されており、 Alphabet Inc.の子会社として機能する英米の人工知能研究機関です。2010年に英国で設立され、2014年にGoogleに買収され[8]、 2023年4月にGoogle AIのGoogle Brain部門と合併してGoogle DeepMindになりました。同社はロンドンに本社を置き、カナダ、[9]フランス、[10]ドイツ、米国に研究センターを持っています。
ディープマインドはニューラルチューリングマシン（従来のチューリングマシンのように外部メモリにアクセスできるニューラルネットワーク）を導入し、[11]人間の脳の短期記憶に似たコンピュータを実現しました。 [12] [13]
DeepMindは、ビデオゲームやボードゲームをプレイするためのニューラルネットワークモデルを作成しました。2016年には、同社のAlphaGoプログラムが世界チャンピオンのプロの囲碁プレイヤー、イ・セドルを5ゲームマッチで破り、ドキュメンタリー映画の題材となったことで注目を集めました。[14]より汎用的なプログラムであるAlphaZeroは、強化学習を使用して数日間の自分自身との対戦の後、囲碁、チェス、将棋（日本のチェス）で最も強力なプログラムを破りました。 [15]
2020年、DeepMindはAlphaFoldでタンパク質フォールディングの問題に大きな進歩を遂げました。[16] 2022年7月、事実上すべての既知のタンパク質を代表する2億を超える予測されたタンパク質構造がAlphaFoldデータベースで公開されることが発表されました。[17] [18] AlphaFoldの予測データベースは、タンパク質フォールディングアルゴリズムのベンチマークテストで最先端の記録を達成しましたが、個々の予測はそれぞれ実験テストによる確認が必要です。2024年5月にリリースされたAlphaFold3は、タンパク質とさまざまな分子の相互作用の構造予測を行いました。さまざまなベンチマークで新しい基準を達成し、最先端の精度を28％と52％から65％と76％に引き上げました。
歴史
このスタートアップは、デミス・ハサビス、シェーン・レッグ、ムスタファ・スレイマンによって2010年11月に設立されました。 [2]ハサビスとレッグは、ユニバーシティ・カレッジ・ロンドン（UCL）のギャツビー計算神経科学ユニットで初めて出会いました。[19]
デミス・ハサビスは、スタートアップ企業が人工知能技術の開発に着手したのは、70年代や80年代の古いゲームの遊び方をAIに教えることからだったと述べている。これらのゲームは、現在あるゲームに比べると比較的原始的である。これらのゲームには、ブレイクアウト、ポン、スペースインベーダーなどがある。AIは、ルールを事前に知ることなく、一度に1つのゲームに導入された。ゲームの学習に時間を費やした後、AIは最終的にそのゲームの専門家になる。「AIが行う認知プロセスは、ゲームを見たことがない人間がゲームを理解し、マスターしようとするプロセスに非常に似ていると言われています。」[20]創設者の目標は、ほとんど何にでも役立ち、効果的な汎用AIを作成することである。
同社には、大手ベンチャーキャピタルのホライゾンズ・ベンチャーズとファウンダーズ・ファンドが投資しているほか、 [21]起業家のスコット・バニスター、[22] ピーター・ティール、[23]イーロン・マスクも投資している。[24] ヤーン・タリンは初期の投資家で顧問だった。[25] 2014年1月26日、グーグルはディープマインドを4億ドルから6億5000万ドルの間で買収したと発表した。[26] [27] [28]そして、ディープマインド・テクノロジーズの買収に合意したと発表した。グーグルへの売却は、フェイスブックが2013年にディープマインド・テクノロジーズとの交渉を終了したと報じられた後に行われた。 [29]その後、同社はグーグル・ディープマインドに改名され、約2年間その名前を維持した。[30]
2014年、ディープマインドはケンブリッジコンピュータ研究所から「カンパニー・オブ・ザ・イヤー」賞を受賞した。[31]
2015年9月、DeepMindとRoyal Free NHS Trustは、臨床タスク管理アプリStreamsを共同開発するための最初の情報共有契約を締結しました。[32]
Googleによる買収後、同社は人工知能倫理委員会を設立した。[33] AI研究の倫理委員会は謎に包まれたままで、GoogleとDeepMindの両社とも委員会のメンバーが誰なのか明かすことを拒否している。[34] DeepMindはDeepMind Ethics and Societyという新しい部門を開設し、著名な哲学者ニック・ボストロムを顧問として迎え、人工知能がもたらす倫理的・社会的問題に焦点を当てている。[35] 2017年10月、DeepMindはAI倫理を調査するための新しい研究チームを立ち上げた。[36] [37]
2019年12月、共同創業者のスレイマンはディープマインドを離れ、グーグルに入社して政策関連の役割を担うことを発表しました。[38] 2024年3月、マイクロソフトは彼を新設されたコンシューマーAI部門であるマイクロソフトAIのEVP兼CEOに任命しました。[39]
2023年4月、DeepMindはGoogle AIのGoogle Brain部門と合併し、Google DeepMindを設立した。これは、 OpenAIのChatGPTに対応してAIの取り組みを加速させるという同社の継続的な取り組みの一環である。[40]これは、DeepMindの幹部がGoogleからより大きな自律性を確保するために何年もかけて戦ってきた闘争の終結を意味した。[41]
製品と技術
Google Researchは2016年にAIの安全性とAI学習プロセス中の望ましくない動作の回避に関する論文を発表しました。 [42] 2017年にDeepMindは、アルゴリズムがキルスイッチを無効にすることを学習するか、または特定の望ましくない動作を示すかどうかを評価するためのオープンソースのテストベッドであるGridWorldをリリースしました。[43] [44]
2018年7月、DeepMindの研究者たちは、同社のシステムの1つにコンピュータゲーム「Quake III Arena」をプレイするよう訓練した。[45]
2020年現在、DeepMindは1000本以上の論文を発表しており、そのうち13本はNatureやScienceに受理されている。[要出典] DeepMindはAlphaGo時代にメディアの注目を集めた。LexisNexisの検索によると、2016年には1842件のニュース記事でDeepMindについて言及されていたが、2019年には1363件に減少した。[46]
ゲーム
IBMのDeep BlueやWatsonなどの以前のAIは、事前に定義された目的のために開発され、その範囲内でのみ機能しましたが、DeepMindの初期のアルゴリズムは汎用性を目的としていました。彼らは強化学習、つまり生のピクセルのみをデータ入力として使用して経験から学習するアルゴリズムを使用しました。彼らの最初のアプローチは、畳み込みニューラルネットワークを使用したディープQ学習でした。[30] [47]彼らはシステムをビデオゲーム、特にスペースインベーダーやブレイクアウトなどの初期のアーケードゲームでテストしました。[47] [48]コードを変更することなく、同じAIが特定のゲームを人間よりも効率的にプレイすることができました。[48]
2013年、DeepMindはPong、Breakout、Enduroなどのゲームで人間の能力を超え、 Seaquest、Beamrider、Q*bertでは最先端のパフォーマンスを超えたAIシステムに関する研究を発表しました。[49] [50]この研究は、Googleによる同社の買収につながったと伝えられています。[51] DeepMindのAIは1970年代と1980年代に作られたビデオゲームに適用されていました。 1990年代に初めて登場したQuakeなどのより複雑な3Dゲームの研究が進行中でした。 [48]
2020年にDeepMindはAtari 2600スイートの全57のゲームで人間レベルのパフォーマンスを上回るAIエージェントであるAgent57 [52] [53]を発表しました。 [54] 2022年7月、DeepMindはボードゲームStrategoを人間の専門家レベルでプレイできるモデルフリーのマルチエージェント強化学習システムであるDeepNashの開発を発表しました。 [55]
AlphaGoと後継者
2015年10月、 DeepMindが開発したコンピュータ囲碁プログラム「AlphaGo」が、ヨーロッパ囲碁チャンピオンで2段（9段まで昇段可能）のプロ囲碁プレイヤーであるファン・フイを5対0で破った。 [56]これは人工知能（AI）がプロの囲碁プレイヤーに勝利した初めてのケースだった。[57]これまで、コンピュータが囲碁をプレイしたのは「アマチュア」レベルのみとされていた。[56 ] [ 58]囲碁はチェスなどの他のゲームに比べて可能性がはるかに多いため、コンピュータが勝つのがはるかに難しいと考えられており、総当たり攻撃などの従来のAI手法では非常に困難である。[56] [58]
2016年3月、AlphaGoは世界最高ランクのプレイヤーの一人であるイ・セドルを5ゲームマッチで4対1のスコアで破った。2017年のFuture of Go Summitでは、AlphaGoは2年間世界最高ランクのプレイヤーであった柯潔との3ゲームマッチに勝利した。[ 59 ] [ 60 ] 2017年には、改良版のAlphaGo Zeroが100戦全勝でAlphaGoを破った。同年後半には、AlphaGo Zeroの改良版であるAlphaZeroが、チェスと将棋で超人的な能力を獲得した。2019年、DeepMindは、人間のデータ、ドメイン知識、既知のルールなしで、囲碁、チェス、将棋、Atari 2600ゲームの領域をマスターしたMuZeroという新しいモデルをリリースした。[61] [62]
AlphaGo技術は深層強化学習に基づいて開発されたため、当時市場に出回っていたAI技術とは異なっていた。AlphaGoアルゴリズムに入力されたデータは、過去のトーナメントデータに基づくさまざまな手で構成されていた。手数は徐々に増加し、3000万手以上が処理された。その目的は、入力データによって表される人間のプレイヤーをシステムが模倣し、最終的により優れたものになることだった。システムは自分自身と対戦し、その結果から学習したため、時間の経過とともに自分自身を改善し、結果として勝率が向上した。[63]
AlphaGoは2つのディープニューラルネットワークを採用した。1つは移動確率を評価するポリシーネットワーク、もう1つはポジションを評価するバリューネットワークである。ポリシーネットワークは教師あり学習によってトレーニングされ、その後ポリシー勾配強化学習によって改良された。バリューネットワークは、ポリシーネットワークが自身と対戦したゲームの勝者を予測することを学習した。トレーニング後、これらのネットワークは先読みモンテカルロ木探索を採用し、ポリシーネットワークを使用して候補となる高確率の移動を特定し、バリューネットワーク（高速ロールアウトポリシーを使用したモンテカルロロールアウトと組み合わせて）は木の位置を評価した。[64]
対照的に、AlphaGo Zeroは人間がプレイしたゲームのデータを与えずにトレーニングされた。代わりに、自分自身で何百万ものゲームをプレイして、独自のデータを生成した。別々のポリシーネットワークとバリューネットワークではなく、単一のニューラルネットワークを使用した。その簡略化されたツリー探索は、ポジションを評価し、動きをサンプルするためにこのニューラルネットワークに依存していた。新しい強化学習アルゴリズムは、トレーニングループ内に先読み検索を組み込んだ。[64] AlphaGo Zeroは約15人の人員と数百万の計算リソースを雇用した。[65]最終的に、AlphaGoよりもはるかに少ない計算能力で動作し、AlphaGoの48個ではなく、 4つの専用AIプロセッサ（Google TPU ）で実行された。 [66]また、トレーニング時間も短く、オリジナルのAlphaGoが数か月を要したのに対し、わずか3日で前任者に勝つことができた。[67]同様に、AlphaZeroも自己対戦で学習した。
研究者たちは、 YouTube、Twitch、Google Meetなどのサイトでのインターネットトラフィックに関して、一定のビット数でビデオを圧縮するという現実的な課題を解決するためにMuZeroを適用しました。MuZeroの目標は、データ量を減らしてもビデオの品質が維持されるようにビデオを最適に圧縮することです。MuZeroを使用した最終結果は、ビットレートが平均6.28%削減されたことです。[68] [69]
アルファスター
2016年、ハサビスは、戦略的思考と不完全な情報の取り扱いを必要とするゲーム「スタークラフト」を将来の課題として論じた。[70]
2019年1月、DeepMindはリアルタイム戦略ゲームStarCraft IIをプレイするプログラムAlphaStarを発表した。AlphaStarは人間のプレイヤーのリプレイに基づく強化学習を使用し、その後自分自身と対戦してスキルを強化した。発表時点で、AlphaStarは200年のプレイ時間に相当する知識を持っていた。AlphaStarは2人のプロプレイヤーに対して10連勝したが、カメラを手動で動かさなければならない人間のプレイヤーとは異なり、フィールド全体を見ることができるという不公平なアドバンテージを持っていた。そのアドバンテージが固定されていた予備バージョンはその後の試合で負けた。[71]
2019年7月、AlphaStarは公開された1v1ヨーロッパマルチプレイヤーラダーでランダムな人間と対戦し始めた。プロトス対プロトスのみをプレイしたAlphaStarの最初のイテレーションとは異なり、今回はゲームのすべての種族としてプレイし、以前の不公平なアドバンテージが修正された。[72] [73] 2019年10月までに、AlphaStarはStarCraft IIラダーの3つの種族すべてでグランドマスターレベルに到達し、ゲーム制限なしで広く人気のあるeスポーツのトップリーグに到達した最初のAIとなった。[74]
タンパク質の折り畳み
2016年、ディープマインドは人工知能を分子生物学における長年の課題であるタンパク質の折り畳みに向けました。2018年12月、ディープマインドのAlphaFoldは、43種類のタンパク質のうち25種類の最も正確な構造を予測することに成功し、第13回タンパク質構造予測技術の重要な評価（CASP）で優勝しました。「これは灯台プロジェクトであり、根本的で非常に重要な現実世界の科学的問題に対する人材とリソースの面での最初の大規模な投資です」とハサビス氏はガーディアン紙に語りました。[75] 2020年、第14回CASPで、AlphaFoldの予測は実験室技術に匹敵すると見なされる精度スコアを達成しました。科学審査員団の1人であるアンドリー・クリシュタフォビッチ博士は、この成果を「本当に注目に値する」と評し、タンパク質の折り畳み方法を予測する問題は「ほぼ解決された」と述べました。[76] [77] [78]
2021年7月、オープンソースのRoseTTAFoldとAlphaFold2がリリースされ、科学者が独自のツールバージョンを実行できるようになりました。1週間後、DeepMindは、AlphaFoldがほぼすべてのヒトタンパク質と、広く研究されている他の20種の生物のプロテオーム全体の予測を完了したと発表しました。 [79]構造はAlphaFoldタンパク質構造データベースで公開されました。2022年7月には、事実上すべての既知のタンパク質を代表する2億を超えるタンパク質の予測がAlphaFoldデータベースで公開されることが発表されました。[17] [18]
最新のアップデートであるAlphaFold3は2024年5月にリリースされ、タンパク質とDNA、RNA、その他のさまざまな分子との相互作用を予測します。DNA相互作用の問題に関する特定のベンチマークテストでは、AlphaFold3は65％の精度を達成し、以前の最先端技術の28％を大幅に改善しました。[80]
2024年10月、ハサビスとジョン・ジャンパーは、AlphaFold2の功績を称え、タンパク質構造予測の分野で2024年ノーベル化学賞の半分を共同受賞した。 [81]
言語モデル
2016年、DeepMindは音声合成システムWaveNetを発表しました。当初は計算負荷が大きすぎて消費者向け製品には使えませんでしたが、2017年後半にはGoogle Assistantなどの消費者向けアプリケーションで使えるようになりました。[82] [83] 2018年、GoogleはWaveNetをベースにした商用音声合成製品Cloud Text-to-Speechを発売しました。[84] [85] 2018年、DeepMindはGoogle AIと共同開発したより効率的なモデルWaveRNNを発表しました。[86] [87] 2020年には、WaveRNNアーキテクチャに基づくパケット損失隠蔽方法WaveNetEQが発表されました。[88] 2019年、GoogleはWavenetEQを搭載したWaveRNNをGoogle Duoユーザーに展開し始めました。[89]
2022年5月にリリースされたGatoは、多価マルチモーダルモデルです。画像のキャプション、会話、ブロックの積み重ねなど、604のタスクでトレーニングされました。DeepMindによると、これらのタスクのうち450で、Gatoは少なくとも半分の時間で人間の専門家を上回りました。[90] MuZeroなどのモデルとは異なり、Gatoはタスクを切り替えるために再トレーニングする必要はありません。
SparrowはDeepMindが開発した人工知能を搭載したチャットボットで、人間のフィードバックとGoogleの検索候補を組み合わせて、より安全な機械学習システムを構築します。[91]
チンチラはDeepMindによって開発された言語モデルです。[92]
DeepMindは2022年4月28日に、わずか数枚のトレーニング画像で何かの画像を正確に説明できるFlamingoという単一の視覚言語モデル（VLM）に関するブログ記事を投稿しました。[93] [94]
アルファコード
2022年、DeepMindは、平均的なプログラマーと同等の速度でコンピュータプログラムを作成するAI搭載コーディングエンジンであるAlphaCodeを発表しました。同社は、人間の競技プログラミングコンテストで使用されているCodeforcesによって作成されたコーディング課題に対してシステムをテストしました。[95] AlphaCodeは、 GitHubデータとCodeforceの問題と解決策でトレーニングされた後、Codeforcesの平均スコアの54％に相当するランクを獲得しました。プログラムは独自の解決策を考え出す必要があり、回答が重複しないようにしました。
ジェミニ
Geminiは、2023年12月6日にリリースされたマルチ モーダル大規模言語モデルです。[96]これは、GoogleのLaMDAおよびPaLM 2言語モデルの後継であり、OpenAIのGPT-4に挑戦することを目指しました。[97] Geminiには、Nano、Pro、Ultraの3つのサイズがあります。[98] Geminiは、Geminiを統合したチャットボットの名前でもあります（以前はBardと呼ばれていました）。[99]
2024年12月12日、GoogleはGemini 2.0シリーズの最初のモデルであるGemini 2.0 Flashをリリースしました。これは、画像や音声も生成できる拡張されたマルチモーダル機能を備えており、[100]高度なAIを自律エージェントに統合するというGoogleのより広範な計画の一部です。[101]
ジェマ
Gemmaは、2024年2月21日にリリースされた軽量でオープンソースの大規模言語モデルのファミリーです。GPUとTPUの使用に最適化された70億パラメータモデルと、CPUとデバイス上のアプリケーション用に設計された20億パラメータモデルの2つの異なるサイズで利用できます。Gemmaモデルは、Geminiモデルファミリーと同様のアーキテクチャ、データセット、トレーニング方法を採用し、最大6兆トークンのテキストでトレーニングされました。[102]
シマ
2024年3月、DeepMindは、自然言語の指示を理解してそれに従い、さまざまな3D仮想環境でタスクを完了できるAIエージェント、Scalable Instructable Multiword Agent（SIMA）を発表しました。8つのスタジオと4つの研究環境の9つのビデオゲームでトレーニングされたSIMAは、ゲームのソースコードやAPIにアクセスすることなく、新しいタスクや設定への適応性を実証しました。エージェントは、ゲームデータに基づいて微調整された事前トレーニング済みのコンピュータービジョンと言語モデルで構成されており、言語は指示どおりに与えられたタスクを理解して完了するために不可欠です。DeepMindの研究は、高度なAI機能を言語インターフェースを通じて現実世界のアクションに変換することで、より役立つAIエージェントを開発することを目指していました。[103] [104]
ビデオモデル
2024年5月、Google I/O 2024でVeoと呼ばれるマルチモーダル 動画生成モデルが発表された。Googleは、1分を超える1080pの動画を生成できると主張した。 [8] 2024年6月現在、このモデルは限定的なテスト段階にある。[9][update]
ゲーム生成
1. Genie: 生成型インタラクティブ環境
Genie は、ラベルのないインターネット ビデオでトレーニングされた最初の生成インタラクティブ環境です。このモデルは、テキスト、合成画像、写真、さらにはスケッチを通じて、アクション制御可能な仮想世界を無限に生成できます。
Genieは11Bパラメータモデルです。Google Deepmindによれば、これは基礎的な世界モデルとみなすことができます。Genieは、世界モデルの文献に典型的に見られるグラウンドトゥルースアクションラベルやその他のドメイン固有の要件なしでトレーニングしたにもかかわらず、ユーザーがフレームごとに生成された環境で行動することを可能にします。[105]
2. Genie 2: 大規模基礎世界モデル
Googleは2024年12月4日にGenie 2 - 大規模基礎世界モデルをリリースしました。この基礎モデルは、アクション制御されたプレイ可能な3D環境を生成することができます。Genie 2は世界モデルであり、あらゆるアクション（ジャンプ、水泳など）の結果を含む仮想世界をシミュレートできます。大規模なビデオデータセットやその他の生成モデルでトレーニングされています。[106]
- 基礎的なAI世界モデルの機能
- アクションコントロール
- 反事実の生成
- 長期的な記憶
- 新しく生成されたコンテンツによる長いビデオ生成
- 多様な環境
- 3D構造
- オブジェクトのアフォーダンスとインタラクション
- キャラクターアニメーション
- NPC
- 物理
- 煙
- 重力
- 点灯
- 反射
- 現実世界の画像から再生する
- Genie 2は迅速なプロトタイピングを可能にします
- 世界モデル内で動作するAIエージェント
Genieは、大規模なビデオモデルで訓練された自己回帰潜在拡散モデルです。オートエンコーダを通過した後、ビデオの潜在フレームは、大規模な言語モデルで使用されるものと同様の因果マスクで訓練された大規模なトランスフォーマーダイナミクスモデルに渡されます。[107]
ロボット工学
2023年6月にリリースされたRoboCatは、ロボットアームを制御できるAIモデルです。このモデルは、新しいモデルのロボットアームや新しいタイプのタスクに適応できます。[108] [109]
スポーツ
DeepMind の研究者は、北米ではサッカーと呼ばれることが多いフットボールというスポーツに機械学習モデルを適用し、PK などのさまざまなシナリオにおけるゴールキーパー、ディフェンダー、ストライカーなどのフットボール選手の行動をモデル化しました。研究者はヒートマップとクラスター分析を使用して、試合中に得点する方法や相手チームの得点を阻止する方法の決定に直面した際に特定の行動をとる傾向に基づいて選手を分類しました。
研究者らは、機械学習モデルは、ハイライトとなる試合の興味深いビデオクリップを自動的に選択することで、サッカー業界を民主化するために使用できると述べています。これは、ビデオ分析が機械学習の確立された分野であるため、特定のイベントのビデオを検索することで実行できます。これは、注釈付きのパスやシュート、試合中に何度も選手の動きに関するデータを取得するセンサー、ゲーム理論モデルなどのデータに基づく広範なスポーツ分析によっても可能になります。[110] [111]
考古学
Googleは、ホメロスの『オデュッセイア』に登場するギリシャの島にちなんで「イサカ」と名付けられた新しい考古学文書プログラムを発表した。[112]このディープニューラルネットワークは、研究者が損傷したギリシャ文書の空のテキストを復元し、その日付と地理的起源を特定するのに役立つ。[113]この研究は、DeepMindが2019年にリリースした「Pythia」という別のテキスト分析ネットワークに基づいている。[113]イサカは、損傷したテキストの復元で62％の精度、位置の精度で71％を達成し、年代の精度は30年である。[113]著者らは、「専門の歴史家」がイサカを使用したことで、研究の精度が25％から72％に向上したと主張した。[112]しかし、エレノア・ディッキーは、このテストは実際には学生のみを対象に行われ、「真に資格のある編集者」にとってイサカがどれほど役立つかは明らかではないと述べた。[113]
研究チームは、デモティック語、アッカド語、ヘブライ語、マヤ語など他の古代言語にもこのモデルを拡張する取り組みを行っている。[112]
材料科学
2023年11月、Google DeepMindはOpen Source Graph Network for Materials Exploration (GNoME)を発表した。このツールは、数十万の安定した結晶構造を含む、これまで化学では知られていなかった数百万の材料を提案しており、そのうち736はリリース時点でマサチューセッツ工科大学によって実験的に生成されたものであった。[114] [115]しかし、アンソニー・チーサムによると、GNoMEは「実験材料科学者にとって有用で実用的な貢献」をしなかった。[116]チーサムとラム・セシャドリによるレビュー記事では、GNoMEによって発見された「驚くほど新しい」材料を特定することができず、ほとんどが既知の材料のマイナーバリアントであった。[116] [117]
数学
アルファテンソル
2022年10月、DeepMindは、AlphaGoと同様の強化学習技術を使用して、行列乗算の新しいアルゴリズムを見つけるAlphaTensorをリリースしました。[118] [119]エントリの偶数または奇数のみが記録される整数エントリを持つ2つの4×4行列を乗算する特殊なケースでは、AlphaTensorは47の異なる乗算のみを必要とするアルゴリズムを見つけました。1969年以来知られている以前の最適値は、49の乗算を使用するより一般的なStrassenアルゴリズムでした。 [ 120]コンピューター科学者のJosh Almanは、AlphaTensorを「画期的な可能性のあるものの概念実証」と表現しましたが、Vassilevska Williamsは、強化学習の基盤が以前のアプローチとは「まったく異なるもの」であることを認めながらも、「少し誇張されている」と呼びました。 [ 120 ]
アルファジオメトリ
AlphaGeometryは、国際数学オリンピックの幾何学問題30問中25問を解くことができたニューロシンボリックAIであり、金メダリストに匹敵する成績を収めた。[121]
従来の幾何学プログラムは、厳密な証明を生成するために人間がコード化したルールのみに依存するシンボリックエンジンであるため、特殊な状況では柔軟性に欠ける。AlphaGeometry は、このようなシンボリックエンジンと、幾何学的証明の合成データでトレーニングされた特殊な大規模言語モデルを組み合わせたものである。シンボリックエンジンが形式的かつ厳密な証明を自力で見つけられない場合、大規模言語モデルに頼り、幾何学的構成を先に進めるよう提案する。しかし、シンボリックエンジンはドメイン固有のルールに依存し、合成データが必要であるため、この方法が数学や推論の他の領域にどの程度適用できるかは不明である。[121]
アルファプルーフ
AlphaProofは、事前学習済みの言語モデルとAlphaZero強化学習アルゴリズムを組み合わせたAIモデルです。AlphaZeroは、これまでゲームをマスターする方法を自ら学習してきました。この組み合わせで使用される事前学習済みの言語モデルは、自然言語の問題文を形式文に自動的に翻訳するGeminiモデルを微調整したもので、さまざまな難易度の形式問題の大規模なライブラリを作成します。この目的のために、数学的な文は形式言語Leanで定義されています。2024年の国際数学オリンピックでは、AlphaProofとAlphaGeometryの適応版が、初めてその競技会の銀メダリストと同じレベルの複合カテゴリの問題解決レベルに到達しました。[122] [123]
アルファデブ
2023年6月、Deepmindは、強化学習を用いて改良されたコンピュータサイエンスのアルゴリズムを研究するAlphaDevが、ソートアルゴリズムとハッシュアルゴリズムをより効率的にコーディングする方法を発見したと発表した。新しいソートアルゴリズムは、短いシーケンスでは70％、25万要素を超えるシーケンスでは1.7％高速化し、新しいハッシュアルゴリズムは、場合によっては30％高速化した。ソートアルゴリズムは、C++標準ライブラリのソートアルゴリズムに採用され、10年以上ぶりのアルゴリズムの変更であり、AIを使用して発見されたアルゴリズムを含む最初のアップデートとなった。[124]ハッシュアルゴリズムはオープンソースライブラリにリリースされた。[125] Googleは、これら2つのアルゴリズムが毎日数兆回使用されていると推定している。[126]
チップ設計
AlphaChipは、チップ配置のタスクをガイドする強化学習ベースのニューラルアーキテクチャです。DeepMindは、チップレイアウトの作成に必要な時間が数週間から数時間に短縮されたと主張しました。同社のチップ設計は、2020年以降のすべてのTensor Processing Unit（TPU）の反復で使用されています。 [127] [128]
Googleへのその他の貢献
Google は、DeepMind のアルゴリズムにより、ハードウェア障害のコストと冷却コストのバランスが自動的に取れるようになり、データセンターの冷却効率が大幅に向上したと述べています。[129]さらに、DeepMind は (他の Alphabet AI 研究者とともに)、 Google Playのパーソナライズされたアプリの推奨をサポートしています。[84] DeepMind はまた、GoogleのAndroidチームと協力して、Google のモバイル オペレーティング システムの第 9 弾であるAndroid Pieを実行しているデバイスで利用できる 2 つの新機能を作成しました。これらの機能、Adaptive Battery と Adaptive Brightness は、機械学習を使用してエネルギーを節約し、このオペレーティング システムを実行しているデバイスを使いやすくします。DeepMind がこれらの手法をこのような小規模で使用するのは初めてであり、通常の機械学習アプリケーションでは桁違いの計算能力が必要になります。[130]
ディープマインドヘルス
2016年7月、DeepMindとMoorfields Eye Hospitalが協力してヘルスケア用のAIアプリケーションを開発すると発表されました。[131] DeepMindは匿名化された眼科スキャンの分析に応用され、失明につながる病気の初期兆候を探します。
2016年8月には、頭頸部領域の健康な組織と癌組織を自動的に区別できるアルゴリズムの開発を目的とした、ロンドン大学ユニバーシティ・カレッジ病院との研究プログラムが発表された。 [132]
また、ロイヤル・フリー・ロンドンNHS財団トラストやインペリアル・カレッジ・ヘルスケアNHSトラストと共同で、電子患者記録にリンクされた新しい臨床モバイルアプリを開発するプロジェクトもある。[133]ロイヤル・フリー病院のスタッフは、2017年12月に、アプリを通じて患者データにアクセスすることで「膨大な時間」が節約され、急性腎不全の患者の管理に「驚異的な」違いが生じたと述べたと報じられた。検査結果データはスタッフの携帯電話に送信され、患者の状態の変化をスタッフに知らせる。また、スタッフは他の誰かが反応したかどうかを確認したり、患者に結果を視覚的に示したりすることもできる。[134] [信頼できない情報源? ]
2017年11月、ディープマインドは、マンモグラフィーに機械学習を適用することで乳がんの検出を改善することを目的として、インペリアル・カレッジ・ロンドンのCancer Research UK Centreと研究提携することを発表しました。 [135]さらに、2018年2月には、ディープマインドは、機械学習を使用して患者の急性腎不全の発症を予測し、より広くは入院中の患者の一般的な悪化を予測し、医師や看護師が必要な患者をより迅速に治療できるようにする試みで、米国退役軍人省と協力することを発表しました。 [136]
DeepMindは、急性腎不全のリスクがある患者について医師に警告を送信するStreamsというアプリを開発した。[137] 2018年11月13日、DeepMindは、同社の健康部門とStreamsアプリがGoogle Healthに吸収されると発表した。[138]プライバシー擁護派は、この発表は患者の信頼を裏切るものであり、患者データはGoogleアカウントやサービスに接続されないというDeepMindの以前の声明と矛盾しているようだと述べた。[139] [140] DeepMindの広報担当者は、患者データは引き続きGoogleのサービスやプロジェクトとは別に保管されると述べた。[141]
NHSデータ共有論争
2016年4月、ニューサイエンティストはディープマインドとロイヤルフリーロンドンNHS財団トラストの間のデータ共有契約のコピーを入手した。後者はロンドンの3つの病院を運営しており、推定160万人の患者が年間治療を受けている。契約によると、ディープマインドヘルスはこれらの病院の入院、退院、転院データ、救急、病理学、放射線学、集中治療にアクセスできた。これには、患者がHIVと診断されたか、うつ病を患っていたか、中絶を受けたことがあるかなどの個人情報が含まれており、さまざまな健康状態でより良い結果を求める研究を行うために使用されていた。[ 142] [143]
データは匿名化され暗号化されるべきだと主張し、情報コミッショナー事務局（ICO）に苦情が提出された。 [144] 2016年5月、ニューサイエンティスト誌は、このプロジェクトが医薬品・医療製品規制庁の機密性諮問グループから承認を得ることができなかったと主張するさらなる記事を掲載した。[145]
2017年、ICOは、ロイヤルフリーNHS財団トラストが2015年後半と2016年にアプリ「Streams」をどのようにテストしたかに焦点を当てた1年間の調査を終了しました。[146] ICOは、ロイヤルフリーがディープマインドに患者の詳細情報を提供した際にデータ保護法を遵守していなかったことを発見し、患者のデータがテストの一部として使用されることを患者に適切に通知していなかったなど、データの取り扱い方法にいくつかの欠陥があることを発見しました。ディープマインドは2017年7月に調査に関する考え[147]を発表し、「私たちはもっと改善する必要がある」と述べ、透明性、監視、関与のために開始したいくつかの活動とイニシアチブを強調しました。これには、患者と一般市民の関与戦略の策定[148]とパートナーシップの透明性が含まれます。
2017年5月、スカイニュースは国家データ保護官のフィオナ・カルディコット女史からの漏洩した書簡を公開し、カルディコット女史の「熟慮した意見」ではディープマインドとロイヤルフリー病院間のデータ共有契約は「不適切な法的根拠」に基づいて行われたと明らかにした。[149]情報コミッショナー事務局は2017年7月、ロイヤルフリー病院が160万人の患者の個人データをディープマインドに引き渡した際、データ保護法に違反したとの判決を下した。[150]
ディープマインド倫理と社会
2017年10月、ディープマインドは新しい研究ユニット「ディープマインド倫理と社会」を発表しました。[151]彼らの目標は、プライバシー、透明性、公平性、経済的影響、ガバナンスと説明責任、AIリスクの管理、AIの道徳と価値観、AIが世界の課題にどのように対処できるかというテーマの外部研究に資金を提供することです。その結果、チームはAIの倫理的影響をさらに理解し、AIが有益であることを理解できるように社会に貢献したいと考えています。[152]
DeepMindのこの新しい部門は、DeepMindも参加している、人々と社会に利益をもたらす人工知能パートナーシップという名の、AIを使用する大手企業、学界、市民社会組織、非営利団体のパートナーシップとは完全に別の部門です。 [153] DeepMindの倫理と社会委員会は、 GoogleがDeepMindを買収した際に設立することに合意した、議論されていたAI倫理委員会とも異なります。[154]
ハーバーマスマシン
2024年、Google Deepmindは、抽選などの技術を使用してオンラインで募集した数千人のグループメンバー間で重複する領域を特定して提示するのに役立つ2つの大規模な言語モデルをトレーニングした実験の結果を発表しました。このプロジェクトはユルゲン・ハーバーマスに敬意を表して名付けられました。[155] [156]ある実験では、参加者は56％の割合でAIによる要約を人間のモデレーターよりも高く評価しました。[156]
DeepMind 機械学習教授
DeepMind は、機械学習の 3 つの教授職を後援しています。
- ケンブリッジ大学では、ニール・ローレンス[157]がコンピュータサイエンスとテクノロジーの学部で、
- オックスフォード大学では、マイケル・ブロンスタイン[ 158]がコンピュータサイエンス学部で教鞭をとり、
- ロンドン大学ユニバーシティ・カレッジでは、コンピュータサイエンス学科のマーク・デイゼンロス氏[159]が担当した。
参照
参考文献
- ^ ab 「DeepMind Technologies Limited の概要 - 企業情報の検索と更新 - Gov.uk」。Companies House。2010年9月23日。 2024年12月14日閲覧。
- ^ ab 「DeepMindとGoogle：人工知能をコントロールする戦い」。エコノミスト。 2024年9月22日閲覧。
- ^ 「キングスクロス – S2ビル – SESエンジニアリングサービス」. ses-ltd.co.uk . 2022年7月14日閲覧。
- ^ abc 「2023年12月31日までの決算書」Companies House、2024年10月7日、11ページ。
- ^ 「Deepmind Holdings Limited の重要な支配権を持つ人物 – 企業情報の検索と更新 – GOV.UK」。Companies House。2019年8月30日。 2024年5月7日閲覧。
- ^ ラングレー、ヒュー（2024年5月16日）。「Google CEOサンダー・ピチャイはいかにしてAI時代に向けてリーダーシップチームを刷新したか」。Business Insider。2024年5月20日時点のオリジナルよりアーカイブ。
- ^ 「Deepmind Technologies Limited の重要な支配権を持つ人物 – 企業情報の検索と更新 – Gov.uk」。Companies House。2019年11月4日。 2024年12月14日閲覧。
- ^ ab Bray, Chad (2014年1月27日). 「Googleが英国の人工知能開発会社を買収」. DealBook . 2019年11月4日閲覧。
- ^ ab 「当社について」。DeepMind 。2024年5月14日。
- ^ 「パリへの帰還」DeepMind 2024年5月14日。
- ^ アレックス・グレイブス;ウェイン、グレッグ。ダニヘルカ、イヴォ (2014)。 「ニューラルチューリングマシン」。arXiv : 1410.5401 [cs.NE]。
- ^ 2014 年のベスト: Google の秘密のスタートアップ DeepMind が「ニューラル チューリング マシン」を発表 2015 年 12 月 4 日にWayback Machineにアーカイブ、MIT Technology Review
- ^ Graves, Alex ; Wayne, Greg; Reynolds, Malcolm; Harley, Tim; Danihelka, Ivo; Grabska-Barwińska, Agnieszka; Colmenarejo, Sergio Gómez; Grefenstette, Edward; Ramalho, Tiago (2016 年 10 月 12 日). 「動的外部メモリを備えたニューラル ネットワークを使用したハイブリッド コンピューティング」. Nature . 538 (7626): 471–476. Bibcode :2016Natur.538..471G. doi :10.1038/nature20101. ISSN 1476-4687. PMID 27732574. S2CID 205251479.
- ^ Kohs, Greg (2017年9月29日)、AlphaGo、Ioannis Antonoglou、Lucas Baker、Nick Bostrom 、2018年1月9日閲覧
- ^ Silver, David ; Hubert, Thomas; Schrittwieser, Julian; Antonoglou, Ioannis; Lai, Matthew; Guez, Arthur; Lanctot, Marc; Sifre, Laurent; Kumaran, Dharshan; Graepel, Thore; Lillicrap, Timothy; Simonyan, Karen; Hassabis, Demis (2017 年 12 月 5 日)。「汎用強化学習アルゴリズムによるセルフプレイによるチェスと将棋のマスター」。arXiv : 1712.01815 [ cs.AI]。
- ^ Callaway, Ewen (2020年11月30日). 「『それはすべてを変えるだろう』：DeepMindのAIがタンパク質構造の解明で大きな飛躍を遂げる」Nature . 2021年8月31日閲覧。
- ^ ab Geddes, Linda (2022年7月28日). 「DeepMindが2億個のタンパク質の構造を解明、科学の飛躍的進歩」. The Guardian .
- ^ ab 「AlphaFoldがタンパク質宇宙の構造を明らかにする」DeepMind 2022年7月28日。
- ^ 「デミス・ハサビス：ディープマインド・テクノロジーズの創設者に関する15の事実」ガーディアン。 2014年10月12日閲覧。
- ^ マー、バーナード。「Google の驚くべき AI スタートアップ「DeepMind」が世界をよりスマートな場所にする方法」Forbes。2018年6 月 30 日閲覧。
- ^ Cookson, Robert (2014年1月27日). 「DeepMindの買収は機械の台頭を告げる」. Financial Times . 2014年10月14日閲覧。
- ^ 「DeepMind Technologies Investors」 。 2014年10月12日閲覧。
- ^ サム・シェード。「ディープマインドはいかにしてシリコンバレーに会社を移転せずに億万長者のピーター・ティールに投資を説得したか」Business Insider。
- ^ Rowan, David (2015年6月22日). 「DeepMind: Googleのスーパーブレイン内部」Wired UK . 2023年9月3日時点のオリジナルよりアーカイブ。
- ^ 「Recode.net – DeepMind Technologies 買収」 2014 年 1 月 26 日。 2014 年1 月 27 日閲覧。
- ^ 「Google、人工知能企業DeepMindを買収へ」ロイター2014年1月26日2014年10月12日閲覧。
- ^ 「Google、英国のAIスタートアップDeepmindを買収」。ガーディアン。 2014年1月27日閲覧。
- ^ 「買収報告書、TechCrunch」。TechCrunch 。 2014年1月27日閲覧。
- ^ 「Google、DeepMind Technologiesの買収でFacebookに勝利」2014年1月27日閲覧。
- ^ ab Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David (2015年2月26日). 「深層強化学習による人間レベルの制御」. Nature . 518 (7540): 529–33. Bibcode :2015Natur.518..529M. doi :10.1038/nature14236. PMID 25719670. S2CID 205242740.
- ^ 「殿堂賞：コンピュータ研究所の卒業生が設立した企業の成功を祝う」ケンブリッジ大学。 2014年10月12日閲覧。
- ^ ロマス、ナターシャ。「文書は、2015年にNHSデータにAIを適用するDeepMindの計画を詳述」TechCrunch 。 2017年9月26日閲覧。
- ^ 「Googleの謎の倫理委員会内部」Forbes 2014年2月3日。 2014年10月12日閲覧。
- ^ Ramesh, Randeep (2016年5月4日). 「GoogleのDeepMindは秘密裏にNHSの記録を吸い上げるべきではない」. The Guardian . 2016年10月13日時点のオリジナルよりアーカイブ。 2016年10月19日閲覧。
- ^ Hern, Alex (2017年10月4日). 「DeepMindがAIの問題に焦点を当てる倫理グループを発表」The Guardian – www.theguardian.com経由。
- ^ 「DeepMindが新しい「倫理と社会」研究チームを立ち上げた」Business Insider 。 2017年10月25日閲覧。
- ^ 「DeepMind、AI倫理を調査する新たな研究チームを立ち上げ」The Verge 2017年10月25日閲覧。
- ^ マドゥミタ・ムルギア、「ディープマインドの共同創業者がグーグルの政策担当に就任」、フィナンシャル・タイムズ、2019年12月5日
- ^ ブログ、Microsoft Corporate (2024 年 3 月 19 日)。「DeepMind および Inflection の共同設立者である Mustafa Suleyman が Microsoft に加わり、Copilot を率いる」。公式 Microsoft ブログ。2024年3 月 20 日閲覧。
- ^ Roth, Emma; Peters, Jay (2023年4月20日). 「Googleの大規模なAI推進により、BrainとDeepMindが1つのチームに統合される」The Verge。2023年4月20日時点のオリジナルよりアーカイブ。2023年4月21日閲覧。
- ^ Olson, Parmy (2023年5月21日). 「Google Unit DeepMind Tried—and Failed—to Win AI Autonomy From Parent」ウォール・ストリート・ジャーナル。 2021年5月21日時点のオリジナルよりアーカイブ。 2023年9月12日閲覧。
- ^ アモデイ、ダリオ;ああ、クリス。スタインハート、ジェイコブ。クリスティアーノ、ポール。ジョン・シュルマン。ダン・マネ（2016年6月21日）。 「AIの安全性における具体的な問題点」。arXiv : 1606.06565 [cs.AI]。
- ^ 「DeepMind はイーロン・マスクの AI 崩壊を阻止できるシンプルなテストを実施」Bloomberg.com 2017 年 12 月 11 日2018 年1 月 8 日閲覧。
- ^ 「AlphabetのDeepMindはゲームを使って人工知能が自由になり私たち全員を殺すことができるかどうかを発見する」Fortune 。 2018年1月8日閲覧。
- ^ 「DeepMind AI の新しい技は『Quake III Arena』を人間のようにプレイすること」Engadget 2018 年 7 月 3 日。
- ^ Shead, Sam (2020年6月5日). 「ゲームから科学への移行に伴い、DeepMindをめぐる話題が薄れつつある理由」CNBC . 2020年6月12日閲覧。
- ^ ab Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David; Graves, Alex; Antonoglou, Ioannis; Wierstra, Daan; Riedmiller, Martin (2013 年 12 月 12 日)。「深層強化学習で Atari をプレイする」。arXiv : 1312.5602 [ cs.LG]。
- ^ abc Deepmind 人工知能 @ FDOT14。2014年4月19日 – YouTube経由。
- ^ 「2018年のAIのビデオゲームにおける最大の勝利を振り返る」VentureBeat。2018年12月29日。 2019年4月19日閲覧。
- ^ Mnih, Volodymyr; Kavukcuoglu, Koray; Silver, David; Graves, Alex; Antonoglou, Ioannis; Wierstra, Daan; Riedmiller, Martin (2013 年 12 月 19 日)。「深層強化学習で Atari をプレイする」。arXiv : 1312.5602 [ cs.LG]。
- ^ 「Google が買収する前に DeepMind が達成した最後の AI ブレークスルー」The Physics arXivブログ。2014 年 1 月 29 日。2014年10 月 12 日閲覧。
- ^ アドリア・プッチドメネク・バディア;ピオット、ビラル。カプトゥロフスキー、スティーブン。シュプレヒマン、パブロ。ヴィトヴィツキー、アレックス。郭、ダニエル。チャールズ・ブランデル（2020年3月30日）。 「Agent57: Atari Human ベンチマークを上回るパフォーマンス」。arXiv : 2003.13350 [cs.LG]。
- ^ 「Agent57：Atari Human Benchmarkを上回る」DeepMind 2020年3月31日2020年5月25日閲覧。
- ^ Linder, Courtney (2020年4月2日). 「このAIは57種類のAtariゲームすべてで人間に勝てる」.ポピュラーメカニクス. 2020年6月9日閲覧。
- ^ 「Deepmind AI研究者が『DeepNash』を発表。モデルフリーのマルチエージェント強化学習で訓練され、ストラテジーゲームのエキスパートレベルでのプレイを学習する自律エージェント」MarkTechPost。2022年7月9日。
- ^ abc 「Google、囲碁チャンピオンに勝利しAIの『ブレークスルー』を達成」BBCニュース、2016年1月27日。
- ^ “Première défaite d'un professional du go contre une Intelligence artificielle”.ルモンド（フランス語）。 2016 年 1 月 27 日。
- ^ ab 「リサーチブログ：AlphaGo：機械学習で古代囲碁をマスター」。Googleリサーチブログ。2016年1月27日。
- ^ 「世界の囲碁プレイヤーの評価」2017年5月。
- ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (中国語). 2017年5月。
- ^ 「MuZero: ルールなしで囲碁、チェス、将棋、Atariをマスターする」www.deepmind.com . 2022年4月29日閲覧。
- ^ シュリットヴィーザー、ジュリアン;アントノグルー、イオアニス。ヒューバート、トーマス。シモニャン、カレン。シフレ、ローラン。シュミット、サイモン。グエズ、アーサー。ロックハート、エドワード。ハサビス、デミス。グライペル、トール。リリックラップ、ティモシー（2020年12月23日）。 「学習したモデルを使用して計画を立てて、アタリ、囲碁、チェス、将棋をマスターする」。自然。588 (7839): 604–609。arXiv : 1911.08265。Bibcode :2020Natur.588..604S。土井：10.1038/s41586-020-03051-4。ISSN 0028-0836。PMID 33361790。S2CID 208158225 。
- ^ 「最新のAIは教えなくても物事を解決できる」エコノミスト。 2017年10月19日閲覧。
- ^ ab デイビッド・シルバー、ジュリアン・シュリットウィーザー、カレン・シモニャン、イオアニス・アントノグルー、アジャ・フアン、アーサー・ゲズ、トーマス・ヒューバート、ルーカス・ベイカー、マシュー・ライ、エイドリアン・ボルトン、ユーティアン・チェン、ティモシー・リリクラップ、ホイ・ファン、ローラン・シフレ、ジョージ・ヴァン・デン・ドリエスシェ、トーレ・グレーペル、デミス・ハサビス(2017年10月19日)。「人間の知識なしで囲碁のゲームをマスターする」(PDF)。ネイチャー。550 (7676): 354–359。Bibcode :2017Natur.550..354S。doi : 10.1038/nature24270。ISSN 0028-0836 。PMID 29052630。S2CID 205261034 。
- ^ ウィル・ナイト。「世界で最も賢いゲームAI、DeepMindのAlphaGoがさらに賢くなった」。MITテクノロジーレビュー。 2017年10月19日閲覧。
- ^ Vincent, James (2017年10月18日). 「DeepMindの囲碁AIは、もはや私たちに勝つために人間の助けを必要としない」The Verge . 2017年10月19日閲覧。
- ^ Cellan-Jones, Rory (2017年10月18日). 「Google DeepMind: AIはより異質になる」BBCニュース。 2017年12月3日閲覧。
- ^ 「MuZeroの研究から現実世界への第一歩」www.deepmind.com . 2022年4月29日閲覧。
- ^ マンダン、アモル;ジェルノフ、アントン。ラウ、マリベス。グー、チェンジエ。王、苗仙。シュエ、フローラ。シャン、ウェンディ。パン、デレク。クラウス、ルネ。チェン、チンハン。チェン、チェン（2022年2月14日） 「VP9 ビデオ圧縮におけるレート制御のための自己競合機能を備えた MuZero」。arXiv : 2202.06626 [eess.IV]。
- ^ 「DeepMind 創設者 Demis Hassabis 氏、AI が未来をどのように形作るかについて語る」The Verge 2016 年 3 月 10 日。
- ^ 「DeepMind AIがプロStarCraft IIプレイヤーに挑戦、ほぼすべての試合で勝利」Extreme Tech 2019年1月24日2019年1月24日閲覧。
- ^ Amadeo, Ron (2019年7月11日). 「DeepMind AIはStarCraft II 1v1の公開ラダーにひそかに潜んでいる」Ars Technica . 2019年9月18日閲覧。
- ^ 「AlphaStar/Deepmindと対戦してみた」reddit . 2019年7月23日. 2019年7月27日閲覧。
- ^ 「AlphaStar: マルチエージェント強化学習を使用した StarCraft II のグランドマスターレベル」。DeepMindブログ。2019 年 10 月 31 日。2019年10 月 31 日閲覧。
- ^ サンプル、イアン（2018年12月2日）。「GoogleのDeepMindがタンパク質の3D形状を予測」ガーディアン。 2018年12月3日閲覧。
- ^ ブリッグス、ヘレン（2020年11月30日）。「生物学最大の謎の一つがAIによって『ほぼ解決』」BBCニュース。 2020年11月30日閲覧。
- ^ 「AlphaFold: 生物学における50年来の大きな課題に対する解決策」。DeepMind 。2020年11月30日。 2020年11月30日閲覧。
- ^ Shead, Sam (2020年11月30日). 「DeepMindがタンパク質フォールディングAIで50年来の『大きな課題』を解決」cnbc.com . 2020年11月30日閲覧。
- ^ Callaway, Ewen (2022). 「AlphaFoldとAIタンパク質折り畳み革命の今後」. Nature . 604 (7905): 234–238. Bibcode :2022Natur.604..234C. doi : 10.1038/d41586-022-00997-5 . PMID 35418629. S2CID 248156195.
- ^ サリバン、マーク（2024年5月8日）。「DeepMindの新しいAlphaFold 3がDNA、RNAモデリングに拡張」Fast Company。
- ^ 「2024年ノーベル化学賞」NobelPrize.org . 2024年10月18日閲覧。
- ^ 「Google アシスタントがかつてないほどリアルに聞こえる理由」Fortune 2017 年 10 月 5 日。2018年1 月 20 日閲覧。
- ^ ガーシュゴーン、デイブ。「Googleの音声生成AIは今や人間と区別がつかない」Quartz 。 2018年1月20日閲覧。
- ^ ab Novet, Jordan (2018年3月31日). 「GoogleはAlphabetのDeepMind AI技術で利益を上げる方法を見つけている」CNBC . 2018年4月3日閲覧。
- ^ 「DeepMind WaveNet テクノロジーを搭載した Cloud Text-to-Speech の紹介」。Google Cloud Platform ブログ。2018 年4 月 5 日閲覧。
- ^ 「 効率的なニューラルオーディオ合成」。Deepmind 。 2020年4月1日閲覧。[永久リンク切れ ]
- ^ 「WaveNet技術を使用して、発話障害のあるユーザーを元の声に戻す」Deepmind . 2020年4月1日閲覧。
- ^ Stimberg, Florian; Narest, Alex; Bazzica, Alessio; Kolmodin, Lennart; Barrera Gonzalez, Pablo; Sharonova, Olga; Lundin, Henrik; Walters, Thomas C. (2020 年 11 月 1 日)。「WaveNetEQ — WaveRNN によるパケット損失の隠蔽」。2020年 54 回 Asilomar Conference on Signals, Systems, and Computers。IEEE。pp . 672–676。doi : 10.1109 /ieeeconf51394.2020.9443419。ISBN 978-0-7381-3126-9。
- ^ 「WaveNetEQ による Duo のオーディオ品質の向上」。Google AI ブログ。2020 年 4 月。2020 年4 月 1 日閲覧。
- ^ Wiggers, Kyle (2022年5月13日). 「DeepMindの新しいAIシステムは600以上のタスクを実行可能」. TechCrunch . 2024年4月16日閲覧。
- ^ Gupta, Khushboo (2022年9月28日). 「Deepmind、より安全な機械学習システムを構築するために開発された人工知能搭載チャットボット『Sparrow』を発表」2023年5月8日閲覧。
- ^ 「チンチラAIとは：DeepmindによるGPT-3に対抗するチャットボット言語モデル - Dataconomy」。2023年1月12日。 2023年5月8日閲覧。
- ^ 「単一の視覚言語モデルで複数のタスクに取り組む」www.deepmind.com 。 2022年4月29日閲覧。
- ^ Alayrac, Jean-Baptiste (2022). 「Flamingo: 少量学習のための視覚言語モデル」(PDF) . arXiv : 2204.14198 .
- ^ Vincent, James (2022年2月2日). 「DeepMindは、同社の新しいAIコーディングエンジンは平均的な人間のプログラマーと同じくらい優れていると述べている」The Verge。 2022年2月2日時点のオリジナルよりアーカイブ。 2022年2月3日閲覧。
- ^ Kruppa, Miles (2023年12月6日). 「Google、ライバルOpenAIでの騒動後、AIシステムGeminiを発表」。ウォール・ストリート・ジャーナル。ISSN 0099-9660 。2023年12月6日時点のオリジナルよりアーカイブ。 2023年12月6日閲覧。
- ^ Knight, Will (2023年6月26日). 「Google DeepMindのCEO、次世代アルゴリズムがChatGPTを上回ると語る」 . Wired . 2023年6月26日時点のオリジナルよりアーカイブ。 2023年8月21日閲覧。
- ^ ピアース、デイビッド（2023年12月6日）。「GoogleがGeminiを発表、GPT-4を打ち負かすAIモデル」The Verge 。 2024年4月16日閲覧。
- ^ 「Google が Bard AI サービスを Gemini としてブランド変更。その意味はここに」CBS ニュース。2024 年 2 月 8 日。2024年4 月 16 日閲覧。
- ^ Haddad, CJ (2024年12月11日). 「GoogleがGemini 2.0 AIモデルの最初のモデルをリリース」. CNBC . 2024年12月11日閲覧。
- ^ 「Gemini 2.0 の紹介: エージェント時代の新しい AI モデル」。Google。2024年12 月 11 日。2024 年12 月 11 日に閲覧。
- ^ 「Gemma: 最先端のオープンモデルの紹介」。Google 2024年2月21日。 2024年2月22日閲覧。
- ^ 「3D仮想環境向けのジェネラリストAIエージェント」。Google DeepMind。2024年3月13日。 2024年3月27日閲覧。
- ^ David, Emilia (2024年3月13日). 「Googleの新しいAIはあなたと一緒にビデオゲームをプレイしますが、勝つためではありません」。The Verge 。 2024年3月27日閲覧。
- ^ 「Genie: 生成的インタラクティブ環境」。Google DeepMind。2024年12月5日。 2024年12月5日閲覧。
- ^ 「Google の Genie 2 AI モデルはプレイ可能な 3D ワールドを生成できる」。Gadgets 360。2024年 12 月 5 日。2024年12 月 5 日に閲覧。
- ^ 「Genie 2: 大規模基礎世界モデル」。Google DeepMind。2024年12月5日。 2024年12月5日閲覧。
- ^ Wiggers, Kyle (2023年6月21日). 「DeepMindのRoboCatはさまざまなロボットタスクの実行を学習します」. TechCrunch . 2024年4月16日閲覧。
- ^ 「GoogleのDeepMindが、教師なしで自己学習できるAIロボットを発表」The Independent 2023年6月23日2024年4月16日閲覧。
- ^ 「AI研究によるスポーツ分析の進歩」DeepMind 2022年4月29日閲覧。
- ^ Tuyls, Karl; Omidshafiei, Shayegan; Muller, Paul; Wang, Zhe; Connor, Jerome; Hennes, Daniel; Graham, Ian; Spearman, William; Waskett, Tim; Steel, Dafydd; Luc, Pauline (2021年5月6日). 「ゲームプラン：AIはフットボールに何ができるか、そしてフットボールはAIに何ができるか」。人工知能 研究ジャーナル。71 ： 41–88。arXiv ：2011.09192。doi ： 10.1613 / jair.1.12505。ISSN 1076-9757。S2CID 227013043 。
- ^ abc 「Ithacaで過去を予測する」。Google DeepMind。2022年3月9日。
- ^ abcd Vincent, James (2022年3月9日). 「DeepMindの新しいAIモデルは古代の碑文の解読、日付の特定、位置特定を支援」The Verge . 2024年4月16日閲覧。
- ^ Merchant, Amil; Batzner, Simon; Schoenholz, Samuel S.; Aykol, Muratahan; Cheon, Gowoon; Cubuk, Ekin Dogus (2023年12月). 「材料発見のためのディープラーニングのスケーリング」. Nature . 624 (7990): 80–85. Bibcode :2023Natur.624...80M. doi : 10.1038/s41586-023-06735-9 . ISSN 1476-4687. PMC 10700131. PMID 38030720 .
- ^ 「Google DeepMindの新しいAIツールは700以上の新しい素材の作成に貢献」。MITテクノロジーレビュー。 2024年1月2日閲覧。
- ^ ab Koebler, Jason (2024年4月11日). 「GoogleのAIは実際に『何百万もの新しい素材』を発見しているのか？」404 Media。
- ^ Cheetham, Anthony K. ; Seshadri, Ram (2024). 「人工知能が材料発見を推進？記事「材料発見のためのディープラーニングのスケーリング」の展望」.材料化学. 36 (8): 3490–3495. doi : 10.1021/acs.chemmater.4c00643 . PMC 11044265. PMID 38681084 .
- ^ Hutson, Matthew (2022年10月5日). 「DeepMind AIが難解な数学パズルを解くための高速アルゴリズムを開発」. Nature . doi :10.1038/d41586-022-03166-w. PMID 36198824. S2CID 252737506.
- ^ ab Heaven、ウィル・ダグラス（2022年10月5日）。「DeepMindのゲームプレイAIがコンピューターサイエンスにおける50年来の記録を破った」MITテクノロジーレビュー。
- ^ ab 「AIが行列乗算の新たな可能性を明らかにする」Quanta Magazine 2022年11月。 2022年11月26日閲覧。
- ^ ab Zia, Tehseen (2024年1月24日). 「AlphaGeometry: DeepMindのAIがオリンピックレベルの幾何学問題をマスター」. Unite.ai . 2024年5月3日閲覧。
- ^ ロバーツ、シボーン（2024年7月25日）。「AIが国際数学オリンピックの問題を解いて銀メダルレベルを達成」ニューヨークタイムズ。 2024年8月3日閲覧。
- ^ AlphaProofおよびAlphaGeometryチーム（2024年7月25日）。「AIが国際数学オリンピックの問題を解いて銀メダルレベルを達成」。deepmind.google 。 2024年8月3日閲覧。
- ^ Heaven、ウィル・ダグラス（2023年6月7日）。「Google DeepMindのゲームプレイAIがコードを高速化する新たな方法を発見」。MITテクノロジーレビュー。2023年6月14日時点のオリジナルよりアーカイブ。 2023年6月20日閲覧。
- ^ 「AlphaDev、より高速なソートアルゴリズムを発見」。DeepMindブログ。2024年5月14日。2024年6月18日。
- ^ スパークス、マシュー（2023年6月7日）。「DeepMind AIの新たなオブジェクト分類方法は、グローバルコンピューティングを高速化できる」。ニューサイエンティスト。2024年6月20日閲覧。
- ^ Ghoshal, Abhimanyu (2024年11月30日). 「シンギュラリティアラート：AIはすでに独自のチップを設計している」. New Atlas . 2024年12月2日閲覧。
- ^ Shilov, Anton (2024年9月28日). 「GoogleがAlphaChip AI支援チップ設計技術を発表 ― コンピューターのゲームとしてのチップレイアウト」Tom's Hardware . 2024年12月2日閲覧。
- ^ 「DeepMind AI、Googleデータセンターの冷却コストを40%削減」DeepMindブログ。2024年5月14日。2016年7月20日。
- ^ 「DeepMind、Androidと出会う」DeepMindブログ。2024年5月14日。2018年5月8日。
- ^ Baraniuk, Chris (2016年7月6日). 「GoogleのDeepMindがNHSの眼科スキャンを覗いて病気の分析へ」BBC . 2016年7月6日閲覧。
- ^ Baraniuk, Chris (2016年8月31日). 「Google DeepMindがNHSの頭頸部がん治療をターゲットに」BBC . 2016年9月5日閲覧。
- ^ 「DeepMind、NHSとの2度目の提携を発表」。IT Pro。2016年12月23日。 2016年12月23日閲覧。
- ^ 「Google DeepMind の Streams テクノロジーは『驚異的』と評価される」。Digital Health。2017 年 12 月 4 日。2017 年12 月 23 日閲覧。
- ^ 「Google DeepMind、AIで乳がんと闘うための新たな研究パートナーシップを発表」Silicon Angle、2017年11月24日。
- ^ 「GoogleのDeepMindは腎臓損傷を見つけるAIを望んでいる」Venture Beat 2018年2月22日。
- ^ Evenstad, Lis (2018年6月15日). 「DeepMind Health は国民の信頼を得るために透明性が必須、レビューで判明」ComputerWeekly.com . 2018年11月14日閲覧。
- ^ ヴィンセント、ジェームズ（2018年11月13日）。「GoogleはDeepMindのヘルスケア部門を吸収し、『看護師と医師のためのAIアシスタント』を開発中」The Verge 。 2018年11月14日閲覧。
- ^ Hern, Alex (2018年11月14日). 「Google、DeepMind Healthとの提携で患者の信頼を裏切る」. The Guardian . 2018年11月14日閲覧。
- ^ Stokel-Walker, Chris (2018年11月14日). 「GoogleがDeepMind Healthを利用することでプライバシーの専門家が恐怖を感じる理由」Wired . 2018年11月15日閲覧。
- ^ Murphy, Margi (2018年11月14日). 「DeepMindのボス、物議を醸すGoogleのヘルス取引を擁護」。The Telegraph。2022年1月12日時点のオリジナルよりアーカイブ。 2018年11月14日閲覧。
- ^ Hodson, Hal (2016年4月29日). 「明らかに：Google AIはNHSの膨大な患者データにアクセスできる」. New Scientist .
- ^ 「リーダー：Google は NHS データについて何も隠すことがないのなら、なぜ秘密主義なのか？」。ニューサイエンティスト。2016 年 5 月 4 日。
- ^ Donnelly, Caroline (2016年5月12日). 「ICO、NHS Hospital TrustとのGoogle DeepMind患者データ共有契約を調査」Computer Weekly。
- ^ Hodson, Hal (2016年5月25日). 「GoogleのNHS患者データ取引には倫理的承認が必要だったか?」New Scientist . 2016年5月28日閲覧。
- ^ 「Royal Free - Google DeepMind 裁判はデータ保護法に準拠できなかった」ico.org.uk 2017年8月17日。2018年6月16日時点のオリジナルよりアーカイブ。2018年2月15日閲覧。
- ^ 「情報コミッショナー、ロイヤルフリー、そして私たちが学んだこと」DeepMind 。 2018年2月15日閲覧。
- ^ 「患者の皆様へ」DeepMind 2018年2月15日閲覧。
- ^ Martin, Alexander J (2017年5月15日). 「Googleは『不適切な法的根拠』に基づいて160万人のNHS患者のデータを受け取った」スカイニュース。 2017年5月16日閲覧。
- ^ Hern, Alex (2017年7月3日). 「Royal Free、GoogleのDeepMindとの160万人の患者取引で英国データ法に違反」。The Guardian。
- ^ 「なぜDeepMind Ethics & Societyを立ち上げたのか」DeepMindブログ。2018年3月25日閲覧。
- ^ テンパートン、ジェームズ。「ディープマインドが新たに設立したAI倫理部門は、同社の次なる大きな動きだ」。Wired（英国） 。 2017年12月3日閲覧。
- ^ Hern, Alex (2017年10月4日). 「DeepMindがAIの問題に焦点を当てる倫理グループを発表」. The Guardian . 2017年12月8日閲覧。
- ^ Hern, Alex (2017年10月4日). 「DeepMindがAIの問題に焦点を当てる倫理グループを発表」. The Guardian . 2020年6月12日閲覧。
- ^ Williams, Rhiannon (2024年10月17日). 「AIは議論中に人々が共通の基盤を見つけるのを助けることができる」. MITテクノロジーレビュー. 2024年10月23日閲覧。
- ^ ab Davis, Nicola (2024年10月17日). 「AI調停ツールは文化戦争の亀裂を減らすのに役立つかもしれない、と研究者は言う」。ガーディアン。ISSN 0261-3077 。 2024年10月23日閲覧。
- ^ 「ケンブリッジ大学、初のディープマインド機械学習教授を任命」ケンブリッジ大学。2019年9月18日。
- ^ 「DeepMindがオックスフォード大学に新たなポスト、DeepMind人工知能教授職を創設」。コンピュータサイエンス学部。
- ^ 「DeepMindがUCLへのコミットメントを新たに」ユニバーシティ・カレッジ・ロンドン。2021年3月29日。
外部リンク
- 公式サイト
- GitHub リポジトリ