合并DeepMind和Google Brain,谷歌迎来AI新时代

简介: 合并DeepMind和Google Brain,谷歌迎来AI新时代


编辑:杜伟、陈萍

Google DeepMind:汇集两个世界级的 AI 团队。

在 AI 竞争的白热化阶段,谷歌又出大招,宣布将 Google Brain 和 DeepMind 进行合并,成立名为 Google DeepMind 的新部门。新部门将在保持道德标准的同时,引领突破性的 AI 产品研究和进步。


领导层,DeepMind CEO Demis Hassabis 将担任 Google DeepMind 的 CEO;Google Brain 联合创始人之一 Jeff Dean 将担任 Google Research 和 Google DeepMind 的首席科学家,向谷歌 CEO Sundar Pichai 汇报工作。Google Research 仍将是一个独立部门,并将专注于计算机科学在算法和理论、隐私和安全、量子计算、健康、气候和可持续性以及负责任 AI 等领域发展。

与此同时,作为 Google DeepMind 组建的一部分,谷歌表示将创建一个新的科学委员会来监督该部门研究进展以及方向,该委员会将由 DeepMind 研究副总裁 Koray Kavukcuoglu 领导。Google Research 产品副总裁 Eli Collins 将加入 Google DeepMind 担任产品副总裁,而 Google Brain 负责人 Zoubin Ghahramani 将成为 Google DeepMind 研究领导团队的成员,向 Kavukcuoglu 汇报。

谷歌 CEO Sundar Pichai 在一篇博客文章中表示:「将人才整合到一个专注的团队中,并以谷歌的计算资源为后盾,将大大加快在人工智能方面的进展。

Pichai 发给谷歌员工的内部信

「自 2016 年以来,我们一直是 AI-first 公司,并且认为 AI 是实现我们使命的最重要方式。从那时起,我们使用 AI 对许多核心产品进行改进,从搜索、YouTube 、 Gmail 到 Pixel 手机等等。我们已经帮助企业和开发者通过 Google Cloud 获得人工智能的力量,我们已经展示了人工智能在解决健康和气候变化等社会问题的潜力。

一路走来,我们很幸运拥有两个世界一流的研究团队,这些团队通过基础性突破引领整个行业向前发展,开创了人工智能的新时代。

现在,AI 的进步速度比以往任何时候都要快。为了确保大胆、负责任的发展通用人工智能,我们正在创建一个部门来帮助我们更安全、更负责任地构建功能更强大的系统。

这个名为 Google DeepMind 的团队将汇集 AI 领域的两个领先研究团队:Google Research 的 Brain 团队和 DeepMind。过去十年,他们在 AI 方面的成就包括 AlphaGo、Transformers、word2vec、WaveNet、AlphaFold、序列到序列模型、蒸馏、深度强化学习,以及用于表达、训练和部署大规模 ML 的分布式系统和软件框架,如 TensorFlow 和 JAX 。

将这些人才组合成一个专注的团队,以谷歌的计算资源为后盾,将大大加快我们在人工智能方面的进步。

作为 Google DeepMind 的 CEO,Demis Hassabis 将领导最有能力和负责任的通用人工智能系统的开发 —— 这将有助于推动我们下一代产品和服务的研究。

Jeff Dean 将担任谷歌首席科学家的高级职位,向我汇报工作。以此身份,他将担任 Google Research 和 Google DeepMind 的首席科学家。Jeff 将与 Demis 一起帮助确定我们人工智能研究的未来方向,并领导我们与人工智能相关的最关键和战略性技术项目,首先是一系列强大的、多模态的 AI 模型。

Google Research 将继续其重要工作,引领计算机科学在算法和理论、隐私和安全、量子计算、健康、气候和可持续性以及负责任的人工智能等领域取得根本性进步,并将向 James Manyika 汇报。

我对下一阶段的旅程感到非常兴奋,我们将在我们的使命中取得进展,我们将通过越来越强大和负责任的人工智能帮助人们发挥潜力。」

Hassabis:Google DeepMind 致力于取得下一波改变世界的突破

以下为 Demis Hassabis 内部公开信的全部内容。

当我和 Shane Legg 在 2010 年成立 DeepMind 时,很多人认为通用人工智能是一种遥不可及的科幻技术,距离成为现实需要数十年的时间。

现在,我们生活在 AI 研究和技术指数级进步的时代。未来数年,AI 以及最终的 AGI 有可能推动历史上最伟大的社会、经济和科学变革之一。

这就是今天 Sundar 宣布将 DeepMind 和 Google Brain 合并为 Google DeepMind 的原因。我们的才能和努力将加速迈向一个「AI 帮助解决人类面临的最大挑战」的世界。我非常高兴能够领导 Google DeepMind,并与你们所有人携手共建。

通过与 Google 各产品线优秀同事的密切合作,我们将有机会提供「显著改善百万人生活、变革行业、推进科学并服务多元化社区」的各类 AI 研究和产品。

我相信,Google DeepMind 的成立将使我们更快地走向期望中的未来。安全负责任地构建更强大和通用的 AI 要求我们解决当今时代一些最艰巨的科学和工程挑战。因此,我们需要更迅速地开展工作,加强协作和执行,并简化决策方式,以专注于实现最大的影响。

通过 Google DeepMind,我们将汇聚起 AI 领域的世界级人才与算力、基础设施和资源,以大胆和负责任的方式在 Google 和 Alphabet 中实现下一代 AI 突破和产品。Google Brain 和 DeepMind 的研究进展为当前 AI 行业奠定了很多基础,从深度强化学习到 Transformers。未来 Google DeepMind 将致力于取得下一波改变世界的突破。

Sundar Pichai、Jeff Dean、James Manyika 和我在近几个月的合作中建立了良好的合作关系。我非常期待与 Eli Collins 和 Zoubin Ghahramani 密切合作。此外我们还为 Google DeepMind 创建了一个新的科学委员会来监督其研究进展和方向。未来几天,Jeff Dean、Koray、Zoubin、Shane 和我将共同确定该委员会的组成。

最后,我很高兴与你们大家一起踏上这段新的旅程,期待与大家见面。

DeepMind 大事记

DeepMind 是一家位于伦敦的 AI 初创公司,成立于 2010 年,由著名 AI 研究者、游戏设计师 Demis Hassabis 等人联合创立,致力于将机器学习和系统神经科学的最先进技术结合起来,建立强大的通用学习算法。最初成果主要用于模拟、游戏开发等领域。

2014 年,谷歌以 6 亿美元的价格收购了 DeepMind。自此以后,DeepMind 得到了谷歌母公司 Alphabet 源源不断的资金支持,并取得了一系列引人瞩目的 AI 突破。

2016 年 3 月,DeepMind 开发的 AI 程序 AlphaGo 以 4:1 击败韩国围棋冠军李世石,成为近年来 AI 领域的里程碑事件。

2017 年 10 月,DeepMind 推出了 AlphaGo 的最新版本 AlphaGo Zero,在自我训练 3 天后以 100-0 狂虐了 AlphaGo。

2018 年 12 月,DeepMind 推出了 AlphaZero,不仅征服了围棋,也在将棋、国际象棋等复杂游戏中实现了超越人类的表现。

同月,DeepMind 重磅推出了 AlphaFold,根据基因序列预测蛋白质的 3D 结构。此后又推出并开源了 AlphaFold 2、AlphaFold 数据集等。

2020 年 12 月,DeepMind 发布了 MuZero,仅使用像素和游戏分数作为输入就可以在 Atari 视频游戏中达到人类的水平。

2022 年 2 月,DeepMind 发布了基于 Transformer 的新模型 AlphaCode,该模型实现了大规模代码生成。

2022 年 5 月,DeepMind 发布「通才」AI 智能体 Gato,具有多模态、多任务、多具身特点,可以玩雅达利游戏、给图片输出字幕、聊天、用机械臂堆叠积木,还能根据上下文决定是否输出文本、关节力矩、按钮按压或其他 token。

2022 年 10 月,DeepMind 推出 AlphaTensor,利用强化学习发现矩阵乘法算法。它是第一个可用于为矩阵乘法等基本任务发现新颖、高效且可证明正确的算法的人工智能系统。

全新的 Google DeepMind 未来会取得哪些重大的突破,这让我们更加期待了。

参考链接:https://www.deepmind.com/blog/announcing-google-deepmindhttps://blog.google/technology/ai/april-ai-update/https://twitter.com/demishassabis/status/1649097532772069377

相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型,以Agent技术为核心,支持多种数据类型的输入与输出,具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
111 20
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
|
16天前
|
人工智能 编解码 网络架构
GenCast:谷歌DeepMind推出的AI气象预测模型
GenCast是由谷歌DeepMind推出的革命性AI气象预测模型,基于扩散模型技术,提供长达15天的全球天气预报。该模型在97.2%的预测任务中超越了全球顶尖的中期天气预报系统ENS,尤其在极端天气事件的预测上表现突出。GenCast能在8分钟内生成预报,显著提高预测效率,并且已经开源,包括代码和模型权重,支持更广泛的天气预报社区和研究。
111 14
GenCast:谷歌DeepMind推出的AI气象预测模型
|
9天前
|
人工智能 自然语言处理 API
Multimodal Live API:谷歌推出新的 AI 接口,支持多模态交互和低延迟实时互动
谷歌推出的Multimodal Live API是一个支持多模态交互、低延迟实时互动的AI接口,能够处理文本、音频和视频输入,提供自然流畅的对话体验,适用于多种应用场景。
52 3
Multimodal Live API:谷歌推出新的 AI 接口,支持多模态交互和低延迟实时互动
|
24天前
|
机器学习/深度学习 数据中心 芯片
【AI系统】谷歌 TPU 历史发展
本文详细介绍了谷歌TPU的发展历程及其在AI领域的应用。TPU是谷歌为加速机器学习任务设计的专用集成电路,自2016年首次推出以来,经历了多次迭代升级,包括TPU v1、v2、v3、v4及Edge TPU等版本。文章分析了各代TPU的技术革新,如低精度计算、脉动阵列、专用硬件设计等,并探讨了TPU在数据中心和边缘计算中的实际应用效果,以及谷歌如何通过TPU推动移动计算体验的进步。
56 1
【AI系统】谷歌 TPU 历史发展
|
18天前
|
人工智能 自然语言处理 安全
谷歌版贾维斯即将问世,最强Gemini 2.0加持!AI自主操控电脑时代来临
谷歌发布的Gemini 2.0标志着AI新时代的到来,被誉为“谷歌版贾维斯”。该系统在自然语言处理、图像识别及自主操控电脑等方面取得重大进展,尤其在多模态数据处理上表现出色,能更准确理解用户需求并执行复杂任务。尽管存在对AI自主操控可能带来的负面影响的担忧,谷歌强调Gemini 2.0旨在辅助而非替代人类工作,且已采取多项措施保障其安全性和可靠性。
25 5
|
23天前
|
机器学习/深度学习 人工智能 芯片
【AI系统】谷歌 TPU v3 POD 形态
TPU v3 是 TPU v2 的增强版,主要改进包括:MXU 数量翻倍至 4 个,时钟频率提升 30%,内存带宽扩大 30%,容量翻倍,芯片间带宽增加 30%,可连接节点数增至 4 倍。TPU v3 通过采用水冷系统,不仅提高了功率,还优化了温度管理,显著提升了计算能力和能效。TPU v3 Pod 由 1024 个 TPU v3 组成,算力达 100 PFLOPS,适用于大规模神经网络训练。
31 2
|
24天前
|
机器学习/深度学习 缓存 芯片
【AI系统】谷歌 TPU v1-脉动阵列
本文详细分析了谷歌TPU v1的架构与设计,重点介绍了其核心组件如DDR3 DRAM、矩阵乘法单元(MXU)、累加器及控制指令单元,特别是MXU中脉动阵列的工作机制。通过对比TPU v1与CPU、GPU在服务器环境中的表现,展示了TPU v1在提升神经网络计算吞吐量方面的显著优势,尤其是在低延迟和高能效方面。
50 3
|
23天前
|
机器学习/深度学习 人工智能 芯片
【AI系统】谷歌 TPU v4 与光路交换
TPU v4 是谷歌在 TPU v3 发布四年后推出的最新一代 AI 加速器,采用了 7nm 工艺,MXU 数量翻倍,内存容量和带宽显著提升。TPU v4 引入了 Sparse Core 以优化稀疏计算,首次采用了 3D Torus 互联方式,通过 Palomar 光路开关芯片减少系统延迟和功耗。TPU v4 Pod 实现了 1.126 Exaflops 的 BF16 峰值算力,展现了谷歌在大规模并行计算领域的突破。然而,TPU v4 也面临着系统成熟度低、拓扑僵硬和负载均衡问题等挑战。
56 0
|
23天前
|
机器学习/深度学习 存储 人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年,谷歌推出TPU v2,专为神经网络训练设计,标志着从推理转向训练的重大转变。TPU v2引入多项创新,包括Vector Memory、Vector Unit、MXU及HBM内存,以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机,显著提升大规模模型训练的效率和性能。
40 0
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
53 10

热门文章

最新文章

下一篇
DataWorks