‘𝐈𝐠𝐫𝐚 𝐣𝐞 𝐠𝐨𝐭𝐨𝐯𝐚!’ 𝐆𝐨𝐨𝐠𝐥𝐞𝐨𝐯 𝐃𝐞𝐞𝐩𝐌𝐢𝐧𝐝 𝐤aže 𝐝𝐚 𝐣𝐞 𝐛𝐥𝐢𝐳𝐮 𝐩𝐨𝐬𝐭𝐢𝐳𝐚𝐧𝐣𝐚 𝐮𝐦𝐣𝐞𝐭𝐧𝐞 𝐢𝐧𝐭𝐞𝐥𝐢𝐠𝐞𝐧𝐜𝐢𝐣𝐞 𝐧𝐚 ‘𝐥𝐣𝐮𝐝𝐬𝐤𝐨𝐣 𝐫𝐚𝐳𝐢𝐧𝐢’ – 𝐚𝐥𝐢 𝐣𝐞 𝐣𝐨š 𝐭𝐫𝐞𝐛𝐚 𝐩𝐨𝐯𝐞ć𝐚𝐭𝐢
*𝐒𝐭𝐫𝐮č𝐧𝐣𝐚𝐤 𝐃𝐞𝐞𝐩𝐌𝐢𝐧𝐝𝐚 𝐩𝐫𝐞𝐝𝐥𝐚ž𝐞 𝐝𝐚 𝐬𝐞 𝐫𝐢𝐣𝐞š𝐞 𝐧𝐚𝐣𝐭𝐞ž𝐢 𝐳𝐚𝐝𝐚𝐜𝐢 𝐳𝐚 𝐬𝐭𝐯𝐚𝐫𝐚𝐧𝐣𝐞 𝐮𝐦𝐣𝐞𝐭𝐧𝐞 𝐢𝐧𝐭𝐞𝐥𝐢𝐠𝐞𝐧𝐜𝐢𝐣𝐞 𝐧𝐚𝐥𝐢𝐤 č𝐨𝐯𝐣𝐞𝐤𝐮.
*𝐋𝐨𝐧𝐝𝐨𝐧𝐬𝐤𝐚 𝐭𝐯𝐫𝐭𝐤𝐚 ž𝐞𝐥𝐢 𝐢𝐳𝐠𝐫𝐚𝐝𝐢𝐭𝐢 ‘𝐀𝐆𝐈’ 𝐤𝐨𝐣𝐢 𝐢𝐦𝐚 𝐢𝐬𝐭𝐮 𝐢𝐧𝐭𝐞𝐥𝐢𝐠𝐞𝐧𝐜𝐢𝐣𝐮 𝐤𝐚𝐨 𝐥𝐣𝐮𝐝𝐢
*𝐎𝐯𝐚𝐣 𝐭𝐣𝐞𝐝𝐚𝐧 𝐃𝐞𝐞𝐩𝐌𝐢𝐧𝐝 𝐣𝐞 𝐩𝐫𝐞𝐝𝐬𝐭𝐚𝐯𝐢𝐨 𝐩𝐫𝐨𝐠𝐫𝐚𝐦 𝐤𝐨𝐣𝐢 𝐦𝐨ž𝐞 𝐢𝐳𝐯𝐫š𝐢𝐭𝐢 𝐩𝐫𝐞𝐤𝐨 𝟔𝟎𝟎 𝐳𝐚𝐝𝐚𝐭𝐚𝐤𝐚
DeepMind, britanska tvrtka u vlasništvu Googlea , možda je na rubu postizanja umjetne inteligencije (AI) na ljudskoj razini.
Nando de Freitas, znanstveni znanstvenik u DeepMindu i profesor strojnog učenja na Sveučilištu Oxford , rekao je da je ‘igra gotova’ u pogledu rješavanja najtežih izazova u utrci za postizanjem opće umjetne inteligencije (AGI).
AGI se odnosi na stroj ili program koji ima sposobnost razumjeti ili naučiti bilo koji intelektualni zadatak koji ljudsko biće može, i to bez obuke.
Prema De Freitasu, potraga za znanstvenicima sada je povećanje AI programa, primjerice s više podataka i računalne snage, kako bi stvorili AGI.
Ranije ovog tjedna DeepMind je predstavio novog AI ‘agenta’ pod nazivom Gato koji može izvršiti 604 različita zadatka ‘u širokom rasponu okruženja’.
Gato koristi jednu neuronsku mrežu – računalni sustav s međusobno povezanim čvorovima koji radi poput živčanih stanica u ljudskom mozgu.
Može razgovarati, opisivati slike, slagati blokove pravom robotskom rukom, pa čak i igrati na konzoli za kućne videoigre , tvrdi DeepMind.
Napisao je JONATHAN CHADWICK ZA MAILONLINE
VREMENSKI PREGLED GOOGLEOVIH PROBOJA DEEPMIND AI
DeepMind je osnovan u Londonu 2010., a kupio ga je Alphabet 2014. Ima urede u Edmontonu i Montrealu u Kanadi, Parizu i Mountain Viewu u Kaliforniji.
U ožujku 2016., DeepMindov AlphaGo program pobijedio je Lee Sedola, Go igrača u izazovnom meču u Seulu. Ovaj je trenutak pokazao da su tehnike umjetne inteligencije bile dovoljno jake da se pozabave većim problemima poput savijanja proteina.
U prosincu 2018. AlphaFold je imao svoje prvo javno testiranje svojih performansi i zauzeo prvo mjesto na ljestvici. Rezultati su objavljeni u časopisu Nature, a tim je proširen.
U studenom 2020. AlphaFold je dobio priznanje za pronalazak rješenja za 50 godina star ‘problem savijanja proteina’ s kojim su se znanstvenici dugo borili pobjedom na natjecanju i uspješnim predviđanjem proteinskih struktura sve do ‘atomske točnosti’.
Dana 15. srpnja 2021., Nature je objavio detaljnu metodologiju AlphaFolda u radu pod naslovom ‘Visoko precizno predviđanje strukture proteina s AlphaFoldom’, a DeepMind zatim otvara kod zajedno sa 60 stranica dodatnih informacija koje detaljno opisuju cijeli sustav.
Tjedan dana kasnije, Nature je objavio još jedan rad koji sadrži predviđanja za cjelokupnu strukturu ljudskog proteoma – što znači sve proteine u ljudskom tijelu. DeepMind zatim pokreće AlphaFold Protein Structure Database kako bi znanstvenoj zajednici omogućio besplatan pristup ukupno više od 350.000 proteinskih struktura.
DeepMind dodaje dodatnih 400.000 proteinskih struktura u AlphaFold Protein Structure Database, više nego udvostručujući njezinu veličinu.
Od siječnja 2022. više od 300 000 istraživača diljem svijeta koristilo je bazu podataka.
28. srpnja DeepMind proširuje AlphaFold Protein Structure Database s gotovo 1 milijun na preko 200 milijuna struktura.
M.B.
HOP na Telegramu
