谁是全球最顶级AI实验室?DeepMind、OpenAI和FAIR霸榜前三

简介: 如果问研究人员,世界上最强的AI实验室有哪些?大家肯定是「萝卜白菜,各有所爱」,但可以肯定的是,最顶尖的三甲不会动摇:DeepMind、OpenAI和FAIR。然而,也有人质疑,这三家实验室的名声在外,也有「强行公关」的成分。

微信图片_20220112113651.png


美国的大型科技公司如谷歌、 Facebook、亚马逊、苹果和微软,在过去十年里都建立了专门的人工智能实验室。


微信图片_20220112113653.png


如果问AI研究人员世界上最顶级的AI实验室是哪个?


很多人无法给出答案,但说到前三名大家几乎可以给出一致意见:DeepMind、OpenAI和FAIR。


这三家顶级AI实验室分别背靠谷歌、微软和Facebook,同时这三家实验室是纯AI研究实验室,Alphabet每年都会给DeepMind拨款数亿美元,微软在OpenAI创始投资者10亿美元的基础上也投资了10亿美元,Facebook未对 FAIR的投资资金进行分类,但也是耗资不菲。


微信图片_20220112113655.png


「从名声上说,DeepMind、 OpenAI 和 FAIR是前三名」,乔治亚理工大学交互计算学院的副教授马克 · 里德尔如此说道。


还有一位匿名的专家表示,DeepMind,OpenAI 和 FAIR 可能是已知资金最多的三个纯人工智能研究实验室,同时他还在提到中国的科技巨头时说,百度和腾讯的实验室情况如何还未可知。


DeepMind


DeepMind是一家英国人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购


DeepMind 最出名的是 AlphaGo ,它在围棋游戏中挑战并击败了世界上最好的人类棋手,甚至还有一部关于 AlphaGo 战胜韩国围棋传奇李世石的 Netflix 纪录片。



该公司目前正致力于利用人工智能解决人类最大的科学难题,去年年底,该公司在称为蛋白质折叠的生物学领域取得了突破:在有「蛋白质奥林匹克竞赛」称呼的国际蛋白质结构预测竞赛(CASP)上,AlphaFold 击败了其余的参会选手,能够精确地基于氨基酸序列,预测蛋白质的3D结构。


QQ图片20220112113902.png


DeepMind于2014年开始开发人工智能围棋软件AlphaGo。


2015年10月,分布式版AlphaGo分先以5:0击败了欧洲围棋冠军、华裔法籍职业棋士樊麾二段。这是电脑围棋程序第一次在十九路棋盘且分先的情况下击败职业围棋棋手。


2016年3月,AlphaGo挑战世界冠军韩国职业棋士李世乭九段,对弈结果为AlphaGo 4:1战胜了李世乭。


2019年1月25日,DeepMind人工智能AlphaStar在《星海争霸II》以10:1战胜人类职业玩家。

2020年12月23日,DeepMind公布其AI 算法MuZero。


OpenAI


OpenAI成立于2015年底,总部位于旧金山,其创始人伊隆·马斯克以及萨姆·奥特曼最初成立它的动机是出于对强人工智能潜在风险的担忧。在成立短短五年的时间后,它就已经成为世界领先的人工智能研究实验室之一,最重要的是,它因其使命而受到大众的推崇:目标是第一个创造AGI——一种具有人类思维的学习和推理能力的机器。而且该实验室希望将其利益平均分配给全世界。


微信图片_20220112113700.png


OpenAI 还开发了游戏人工智能软件,可以在 Dota II 等游戏中击败人类。然而,它更为出名的则是GPT-3和人工智能图像生成器 DALL-E。



DALL-E是一个基于Transformer的语言模型,使用了GPT-3的120亿参数版本。它同时接收文本和图像作为单一数据流,其中包含多达1280个token,并使用最大似然估计来进行训练,以一个接一个地生成所有的token。这个训练过程不仅允许DALL-E可以从头开始生成图像,而且还可以重新生成现有图像的任何矩形区域,与文本提示内容基本一致。


FAIR


FAIR本身并没有像 AlphaGo 和 GPT-3那样著名的模型和应用,但是它的团队已经在 Facebook 本身感兴趣的领域发表了学术论文,包括计算机视觉、自然语言处理和对话型AI等。


成立FAIR的想法开始于 2013 年,Facebook的创始人扎克伯格,首席技术官 Mike Schroepfer 以及公司其他持有股票的领导,都在寻找着未来 10 到 20 年让公司保持竞争力的技术。


微信图片_20220112113703.png


Facebook 此前已经使用了机器学习技术,在它们的社交网络上决定用户会看到什么样的消息流,但相比最前沿的神经网络模型来说,这还是比较简单的事情。


当时一些 Facebook 的工程师们也在一直尝试卷积神经网络(CNNs),这是机器学习领域一个强大的方法,现在则普遍用于图像领域中。扎克伯格对人工智能的潜力印象极其深刻,即便是在早期阶段,所以他从 Google Brain 雇佣了一名工程师 Marc’Aurelio Ranzato。然后,他又找到了卷积神经网络的创造者:Yann LeCun。



在担任Facebook人工智能实验室负责人期间,他曾谈到Facebook的人工智能布局,并把组织结构定义为以下架构:


AI at Facebook = FAIR + Applied Machine Learning + Product Groups


即包含了:


1.FAIR,Facebook 人工智能实验室


2.Applied Machine Learning,应用机器学习部门


3.Product Groups,产品部署团队


不过之后他卸任了 Facebook 人工智能研究院(FAIR)院长一职,并转为担任首席 AI 科学家,专心从事研究工作。


衡量人工智能实验室影响力的其中一种方法就是看它在两个人工智能会议上发表了多少学术论文: NeurIPS 和 ICML。


2020年,谷歌有178篇论文被 NeurIPS 接收并发表,Microsft 有95篇,DeepMind 有59篇,Facebook 有58篇,IBM 有38篇,而亚马逊只有不到30篇。


微信图片_20220112113705.png


同年在ICML上,谷歌有114篇论文被接收并发表,DeepMind 有51篇,微软有49篇,Facebook 有34篇,IBM 有19篇,亚马逊有18篇。


微信图片_20220112113707.png


是真TOP3,还是强公关?


人工智能一直被誉为一种有潜力带来新的工业革命并改变世界的技术。但至少就目前而言,它仍处于相对初级的阶段,能力也「有限」。例如,一个能够达到超人级别的国际象棋的AI就不知道如何制作煎蛋卷。


因此,也有人认为DeepMind、 OpenAI 和 FAIR 被广泛认为是排名前三的实验室,部分原因是「强大的公关游戏」。


微软研究院进行了大量人工智能的研究工作,完全可以进入顶级的行列。此外,Salesforce、亚马逊、 IBM也都有一些实力雄厚的研究项目,但同样没有成功进入前三名。


亚马逊前机器学习主任尼尔 · 劳伦斯表示,亚马逊没有一个大型的、集中化的人工智能研究实验室,因为它更专注于将技术带给客户,「如果要以(学术)出版物作为衡量标准,那么它就没有排名」。


此外,尽管这个排名并不关注大学的人工智能实验室,但是专家们认为斯坦福大学、麻省理工学院、加州大学伯克利分校、卡内基梅隆大学以及剑桥大学、伦敦大学学院和伦敦帝国理工学院都很强大。


参考链接:

https://www.cnbc.com/2021/01/21/deepmind-openai-fair-ai-researchers-rank-the-top-ai-labs-worldwide.html

相关文章
|
18天前
|
人工智能 API 语音技术
[译][AI OpenAI-doc] 文字转语音
学习如何将文字转换为栩栩如生的口头语音。音频 API 提供基于我们的 TTS(文本到语音)模型的语音端点,支持实时音频流传输。
|
19天前
|
人工智能 编解码 安全
[译][AI OpenAI-doc] 视觉
学习如何使用 GPT-4 来理解图像。具有视觉功能的 GPT-4 Turbo 允许模型接收图像并回答与之相关的问题。了解图像上传、处理、成本计算、模型限制等详细信息。
|
1月前
|
人工智能 自然语言处理 文字识别
DeepMind首发游戏AI智能体SIMA:开启虚拟世界的智能探索之旅
【4月更文挑战第3天】DeepMind推出了SIMA,一种能在多个3D环境中执行语言指令的智能体,标志着AI在理解和互动虚拟世界上的进步。SIMA通过多样化的训练数据学习导航、操作、决策等技能,并结合预训练模型处理高维度输入输出。尽管在复杂任务上仍有提升空间,SIMA展现了正向迁移能力和潜力,为AI研究和未来机器人技术铺平道路。然而,仍需解决鲁棒性、可控性、评估方法及道德安全问题。
29 4
DeepMind首发游戏AI智能体SIMA:开启虚拟世界的智能探索之旅
|
2天前
|
XML 存储 人工智能
[译][AI OpenAI-doc] Prompt工程
这个指南分享了从大型语言模型(有时称为GPT模型)如GPT-4 中获得更好结果的策略和技巧。这里描述的方法有时可以结合使用以达到更好的效果。我们鼓励进行实验,找到最适合您的方法。
[译][AI OpenAI-doc] Prompt工程
|
3天前
|
存储 人工智能 JSON
[译][AI OpenAI-doc] v2 有什么新功能?Beta
2024年4月,我们宣布了一系列新功能和改进的助手API,并将我们的Beta版移至一个新的API版本,OpenAI-Beta: assistants=v2。了解更多详情,请查看我们的迁移指南。
|
4天前
|
存储 人工智能 API
[译][AI OpenAI-doc] 迁移指南 Beta
我们已经改变了助手 API 在 beta 的 v1 版本和 v2 版本之间工具和文件的工作方式。今天,通过 API,两个 beta 版本仍然可以访问,但我们建议尽快迁移到我们 API 的最新版本。我们将在 2024 年底之前废弃 beta 的 v1 版本。
[译][AI OpenAI-doc] 迁移指南 Beta
|
5天前
|
人工智能 API 开发工具
[译][AI OpenAI-doc] 函数调用 Beta
类似于聊天完成 API,助手 API 支持函数调用。函数调用允许您描述函数给助手 API,并让它智能地返回需要调用的函数及其参数。
|
8天前
|
XML 人工智能 JSON
[译][AI OpenAI-doc] 代码解释器 Beta
代码解释器允许助手在受限执行环境中编写和运行 Python 代码。该工具可以处理具有不同数据和格式的文件,并生成带有数据和图形图像的文件。
42 17
|
9天前
|
存储 人工智能 前端开发
[译][AI OpenAI-doc] 文件搜索 Beta
文件搜索通过从其模型外部获取的知识增强了助手的功能,例如专有产品信息或用户提供的文档。通过向量存储库,您可以管理文件的解析、分块、嵌入和存储,以进行关键字和语义搜索。确保向量存储库准备就绪,以确保所有数据可搜索,并利用到期策略管理成本。
|
10天前
|
存储 人工智能 数据可视化
[译][AI OpenAI-doc] 助手如何工作(Beta)
助手 API 旨在帮助开发人员构建功能强大的 AI 助手,能够执行各种任务。
[译][AI OpenAI-doc] 助手如何工作(Beta)