DeepMind: Czym jest i jak rewolucjonizuje sztuczną inteligencję?

Google DeepMind to jedna z najważniejszych organizacji badawczych w dziedzinie sztucznej inteligencji na świecie. Przełomowe projekty, takie jak AlphaGo, AlphaFold czy GraphCast, fundamentalnie zmieniają naukę, medycynę i technologię. Jako dywizja Google w ramach Alphabet Inc., firma dąży do rozwiązania najtrudniejszego problemu naukowego naszych czasów: stworzenia sztucznej inteligencji ogólnej (AGI). W 2024 roku współzałożyciel Demis Hassabis odebrał Nagrodę Nobla z chemii, co czyni Google DeepMind jedyną firmą AI, którą Komitet Noblowski uhonorował za konkretny projekt badawczy.

Czym jest firma DeepMind?

Google DeepMind (do 2023 roku: DeepMind) to brytyjska firma badawcza specjalizująca się w sztucznej inteligencji (SI), działająca jako dywizja Google w ramach Alphabet Inc. Powszechnie uznawana za globalnego lidera w dziedzinie uczenia maszynowego, firma ma jedną misję: „rozwiązanie inteligencji", a potem użycie jej do rozwiązania największych problemów ludzkości.

Kto założył DeepMind i kiedy powstała firma?

DeepMind założyli w listopadzie 2010 roku w Londynie (oficjalny launch: 15 listopada 2010) Demis Hassabis, Shane Legg i Mustafa Suleyman. Od początku chcieli połączyć odkrycia z neurobiologii z technikami uczenia maszynowego, żeby tworzyć uniwersalne algorytmy uczące się.

Losy trojga założycieli potoczyły się różnie. Hassabis pozostaje CEO Google DeepMind, Legg pełni rolę Chief AGI Scientist. Suleyman w grudniu 2019 roku przeszedł do Google, gdzie pracował w dziale polityki; w marcu 2022 roku współzałożył Inflection AI, a dwa lata później Microsoft mianował go CEO nowej jednostki Microsoft AI, odpowiedzialnej m.in. za asystenta Copilot.

Do kogo obecnie należy DeepMind?

Google nabyło DeepMind w 2014 roku za kwotę szacowaną na 400–650 milionów dolarów (w doniesieniach prasowych najczęściej pojawia się 400 mln USD). Przez kilka lat firma zachowała sporą autonomię badawczą w ramach Alphabet.

W kwietniu 2023 roku DeepMind połączył się z Google Brain, tworząc Google DeepMind jako jedną dywizję Google. Fuzja miała przyspieszyć prace nad AI w odpowiedzi na rosnącą konkurencję ze strony OpenAI i ChatGPT, a CEO nowej jednostki został Demis Hassabis. Siedziba główna mieści się w Londynie; biura działają też w Kanadzie, Francji, Niemczech i USA.

Jakie są najważniejsze osiągnięcia DeepMind?

Do najważniejszych osiągnięć DeepMind należą stworzenie AlphaGo, który pokonał mistrza świata w Go, rewolucyjny system AlphaFold przewidujący strukturę białek oraz zaawansowany model multimodalny Google Gemini. Wszystkie te projekty pokazują siłę głębokiego uczenia przez wzmacnianie (reinforcement learning) i jego możliwości w rozwiązywaniu złożonych problemów naukowych i strategicznych.

Czym jest przełomowy program AlphaGo?

AlphaGo to program komputerowy oparty na sztucznej inteligencji, który w 2016 roku pokonał Lee Sedola, jednego z najlepszych graczy Go na świecie, w historycznym meczu 4:1. To zwycięstwo było kamieniem milowym w rozwoju AI, bo gra Go ze względu na ogromną złożoność uchodzi za znacznie trudniejszą dla maszyn niż szachy.

Jak AlphaFold rewolucjonizuje medycynę i biologię?

AlphaFold to system AI, który z bezprecedensową dokładnością przewiduje trójwymiarową strukturę białek na podstawie sekwencji aminokwasów. Umożliwia to przyspieszenie badań nad chorobami, projektowanie nowych leków i głębsze rozumienie fundamentalnych procesów biologicznych. DeepMind udostępnił publicznie bazę danych z ponad 200 milionami przewidywanych struktur białek, demokratyzując dostęp do tej wiedzy.

W maju 2024 roku Google DeepMind i Isomorphic Labs wydały AlphaFold 3, który wykracza już poza białka. Model uwzględnia interakcje kompleksów biomolekularnych z DNA, RNA, ligandami i jonami, osiągając co najmniej 50% poprawę dokładności wobec dotychczasowych metod. To otwiera nowe możliwości w projektowaniu leków i rozumieniu mechanizmów chorób.

Firmy z sektora biotechnologicznego i farmaceutycznego mogą korzystać z publicznej bazy danych AlphaFold, znacząco skracając wczesne fazy badań nad nowymi lekami. Zamiast lat eksperymentów laboratoryjnych wstępną analizę potencjalnych celów molekularnych przeprowadza się w kilka dni.

Nagroda Nobla z chemii 2024 za AlphaFold

W październiku 2024 roku Demis Hassabis i John Jumper z Google DeepMind odebrali Nagrodę Nobla z chemii wspólnie z Davidem Bakerem z University of Washington. Hassabis i Jumper zostali wyróżnieni za AlphaFold2, Baker za opracowanie metod projektowania nowych białek. Komitet Noblowski podkreślił, że z modelu skorzystało już ponad 2 miliony badaczy ze 190 krajów, a sama nagroda jest pierwszą w historii przyznaną bezpośrednio za projekt sztucznej inteligencji.

Czym jest zaawansowany model Google Gemini?

Google Gemini to multimodalny model AI najnowszej generacji opracowany przez Google DeepMind, który rozumie, przetwarza i łączy różne typy informacji: tekst, kod, obrazy i dźwięk. Jako następca LaMDA i PaLM 2 (które napędzały m.in. chatbota Bard), Gemini zaprojektowano z myślą o elastyczności i wydajności, tak żeby działał zarówno w dużych centrach danych, jak i na urządzeniach mobilnych.

Jakie inne technologie rozwija DeepMind?

Poniżej wybrane projekty Google DeepMind, pokazujące szerokość tematyczną badań firmy.

Jaki jest główny cel badawczy DeepMind?

Głównym celem badawczym DeepMind jest stworzenie sztucznej inteligencji ogólnej (Artificial General Intelligence, AGI), czyli systemu zdolnego do efektywnego uczenia się i wykonywania dowolnego zadania intelektualnego, jakie może wykonać człowiek. Firma jest przekonana, że osiągnięcie tego celu to jedno z najważniejszych wydarzeń w historii ludzkości i że przyspieszy postęp naukowy we wszystkich dziedzinach.

Czym jest sztuczna inteligencja ogólna (AGI)?

Sztuczna inteligencja ogólna (AGI) to hipotetyczny rodzaj AI zdolny do rozumienia, uczenia się i stosowania wiedzy w szerokim zakresie zadań na poziomie porównywalnym z człowiekiem lub go przewyższającym. Obecne systemy AI (tzw. wąska AI) działają wyspecjalizowane w konkretnym zadaniu, na przykład grze w szachy lub rozpoznawaniu obrazów. AGI miałoby tymczasem elastyczność poznawczą i zdolność transferu wiedzy między różnymi dziedzinami.

Jakie korzyści przynosi działalność DeepMind?

Działalność DeepMind przynosi wymierne korzyści: przełomowe metody uczenia maszynowego, praktyczne zastosowania AI w nauce i medycynie i postępy w kierunku bezpiecznej, etycznej sztucznej inteligencji. Innowacje firmy napędzają produkty Google, ale też dostarczają narzędzi całemu środowisku naukowemu.

Wkład w rozwój uczenia maszynowego

Głównym wkładem DeepMind jest rozwój i popularyzacja głębokiego uczenia przez wzmacnianie (deep reinforcement learning), techniki łączącej sieci neuronowe z metodami opartymi na nagrodach i karach. Sukcesy AlphaGo, AlphaZero, AlphaStar i MuZero dowiodły skuteczności tego podejścia w problemach o ogromnej przestrzeni rozwiązań i zainspirowały tysiące badaczy na całym świecie.

Zastosowania AI w nauce i medycynie

AlphaFold i AlphaFold 3 zrewolucjonizowały biologię strukturalną i przyspieszyły badania nad lekami. GraphCast z kolei generuje 10-dniowe prognozy pogody w zaledwie 45 sekund i wykazuje wyższą dokładność niż tradycyjny ECMWF HRES w 90% wskaźników. Projekt GNoME (Graph Networks for Materials Science) odkrył 381 000 nowych stabilnych materiałów i udostępnił wyniki otwarcie dla całej społeczności materiałoznawczej. MuZero działa produkcyjnie na YouTube, ograniczając zużycie przepustowości sieci.

Prace DeepMind dotyczące transfer learning i meta-learning warto śledzić, bo to właśnie one dają wyobrażenie o tym, jak przyszłe modele AI będą szybciej adaptować się do niszowych zadań przy mniejszej ilości danych, co ma realne znaczenie dla zastosowań biznesowych.

Kultura open science

Google DeepMind regularnie publikuje wyniki badań w czołowych czasopismach, takich jak Nature i Science. Oryginalna praca o AlphaFold2 ukazała się w Nature w 2021 roku i zebrała ponad 34 000 cytowań; baza danych AlphaFold (ponad 214 milionów struktur białek) jest dostępna bezpłatnie. Kody źródłowe AlphaFold 3 (do badań niekomercyjnych), GNoME i AlphaGeometry też zostały upublicznione. Pod tym względem firma wyprzedza większość komercyjnych laboratoriów AI, które częściej chronią wyniki przed zewnętrzną publikacją.

Postępy w kierunku bezpiecznej i etycznej AI

DeepMind kładzie duży nacisk na badania nad bezpieczeństwem i etyką sztucznej inteligencji, żeby rozwijane technologie przynosiły korzyści całej ludzkości. W 2016 roku badacze z DeepMind i Oxfordu opublikowali pracę o mechanizmie bezpiecznego przerywania (safe interruptibility), opisującą wdrożenie tzw. „dużego czerwonego guzika": operator może zatrzymać agenta AI tak, by agent nie nauczył się w przyszłości takich przerw unikać. Praca stała się jednym z fundamentów dziedziny bezpieczeństwa AI.

Historia DeepMind ma też swoją lekcję o trudnym balansie między tempem innowacji a ochroną prywatności. W 2017 roku brytyjski urząd ochrony danych ICO stwierdził, że Royal Free NHS Foundation Trust naruszył ustawę o ochronie danych, przekazując Google DeepMind dokumentację medyczną 1,6 miliona pacjentów bez właściwej podstawy prawnej. Umowa z 2015 roku dotyczyła testu aplikacji Streams do monitorowania chorób nerek. ICO ocenił, że pacjenci zgłaszający się na izbę przyjęć nie mieli podstaw sądzić, że ich dane trafią do aplikacji mobilnej tworzonej przez prywatną firmę. Mustafa Suleyman przyznał, że DeepMind „nie docenił złożoności NHS i zasad dotyczących danych pacjentów". Sprawa stała się punktem odniesienia w dyskusjach o etyce AI w ochronie zdrowia. Firma prowadzi też badania nad sprawiedliwością modeli i unikaniem uprzedzeń, a wyniki publikuje otwarcie.

Jak Google DeepMind wypada na tle konkurencji?

Google DeepMind, OpenAI, Anthropic i Meta AI to cztery laboratoria AI, które dziś kształtują krajobraz sztucznej inteligencji. Różni je fokus badawczy i podejście do otwartości:

• Google DeepMind wyróżnia się szerokością portfolio: gry, biologia, projektowanie chipów, prognozowanie pogody, generatywne wideo i muzyka; jako jedyne laboratorium AI ma na koncie Nagrodę Nobla i jest ściśle zintegrowane z produktami Google (Gemini, Search, Cloud, YouTube);
• OpenAI (GPT-4/5, ChatGPT) skupia się na modelach językowych i komercjalizacji AI dla firm oraz konsumentów; premiera ChatGPT w 2022 roku zapoczątkowała obecną falę masowej adopcji AI;
• Anthropic (Claude) to laboratorium założone przez byłych pracowników OpenAI, skoncentrowane na bezpieczeństwie AI i metodzie Constitutional AI; stawia na właściwe zachowanie modeli jako główny wyróżnik;
• Meta AI (LLaMA) udostępnia modele jako open-source, umożliwiając ich szerokie zastosowanie w badaniach i firmach bez własnej infrastruktury obliczeniowej.

Źródła

• Google DeepMind (Wikipedia) – https://en.wikipedia.org/wiki/Google_DeepMind
• AlphaGo versus Lee Sedol (Wikipedia) – https://en.wikipedia.org/wiki/AlphaGo_versus_Lee_Sedol
• AlphaZero (Wikipedia) – https://en.wikipedia.org/wiki/AlphaZero
• AlphaFold Protein Structure Database: over 214 million protein sequences (PubMed/NIH) – https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10767828/
• Gemini (language model) (Wikipedia) – https://en.wikipedia.org/wiki/Gemini_(language_model)
• Nagroda Nobla z chemii 2024: komunikat prasowy (NobelPrize.org) – https://www.nobelprize.org/prizes/chemistry/2024/press-release/
• Announcing Google DeepMind (blog DeepMind, kwiecień 2023) – https://deepmind.google/blog/announcing-google-deepmind/
• Mustafa Suleyman joins Microsoft to lead Copilot (Microsoft Blog, marzec 2024) – https://blogs.microsoft.com/blog/2024/03/19/mustafa-suleyman-deepmind-and-inflection-co-founder-joins-microsoft-to-lead-copilot/
• Royal Free and DeepMind did not comply with DPA (Digital Health, 2017) – https://www.digitalhealth.net/2017/07/royal-free-and-deepmind-did-not-comply-with-dpa-ico/
• MuZero's first step from research into the real world (DeepMind blog) – https://deepmind.google/blog/muzeros-first-step-from-research-into-the-real-world/
• AlphaStar: Mastering the real-time strategy game StarCraft II (DeepMind blog) – https://deepmind.google/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii/
• AlphaCode 2 Technical Report (Google DeepMind, grudzień 2023) – https://storage.googleapis.com/deepmind-media/AlphaCode2/AlphaCode2_Tech_Report.pdf
• How AlphaChip transformed computer chip design (DeepMind blog) – https://deepmind.google/blog/how-alphachip-transformed-computer-chip-design/
• AlphaGeometry: An Olympiad-level AI system for geometry (DeepMind blog) – https://deepmind.google/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/
• AlphaDev discovers faster sorting algorithms (DeepMind blog) – https://deepmind.google/blog/alphadev-discovers-faster-sorting-algorithms/
• AlphaFold 3 predicts the structure and interactions of all of life's molecules (Isomorphic Labs, 2024) – https://www.isomorphiclabs.com/articles/alphafold-3-predicts-the-structure-and-interactions-of-all-of-lifes-molecules
• GraphCast: Google DeepMind's weather AI (MIT Technology Review, 2023) – https://www.technologyreview.com/2023/11/14/1083366/google-deepminds-weather-ai-can-forecast-extreme-weather-quicker-and-more-accurately/
• Safely interruptible agents ("big red button" paper) (MIRI, 2016) – https://intelligence.org/2016/06/01/new-paper-safely-interruptible-agents/