Google's Intelligence Designer

Demis Hassabis begon op vierjarige leeftijd met schaken en groeide al snel uit tot een wonderkind. Toen hij acht jaar oud was, bracht succes op het schaakbord hem ertoe om na te denken over twee vragen die hem sindsdien geobsedeerd hebben: ten eerste, hoe leren de hersenen complexe taken onder de knie te krijgen; en ten tweede, zouden computers ooit hetzelfde kunnen doen?

Nu 38, Hassabis puzzelt over die vragen voor Google, nadat hij zijn weinig bekende in Londen gevestigde startup, DeepMind, eerder dit jaar aan het zoekbedrijf had verkocht voor een gerapporteerde 400 miljoen pond (toen 650 miljoen dollar).

Google nam DeepMind over kort nadat het software demonstreerde die zichzelf kon leren klassieke videogames te spelen tot een bovenmenselijk niveau (zie Is Google de markt in de ban van Deep Learning?). Op de TED-conferentie in Vancouver dit jaar sprak Google-CEO Larry Page over Hassabis en noemde hij de technologie van zijn bedrijf een van de meest opwindende dingen die ik in lange tijd heb gezien .

Onderzoekers zijn al op zoek naar manieren waarop DeepMind-technologie sommige van de bestaande producten van Google, zoals zoeken, kan verbeteren. Maar als de technologie zich ontwikkelt zoals Hassabis hoopt, zou dit de rol kunnen veranderen die computers op veel gebieden spelen.

DeepMind wil kunstmatige-intelligentiesoftware bouwen die kan leren wanneer ze met bijna elk probleem worden geconfronteerd. Dit zou kunnen helpen bij het aanpakken van enkele van 's werelds meest hardnekkige problemen, zegt Hassabis. AI heeft een enorm potentieel om geweldig te zijn voor de mensheid, zegt hij. Het zal de vooruitgang in het oplossen van ziekten en al deze dingen waar we op dit moment relatief langzaam mee bezig zijn, echt versnellen.

Renaissance man

Hassabis' zoektocht om intelligentie te begrijpen en te creëren heeft hem door drie carrières geleid: game-ontwikkelaar, neurowetenschapper en nu ondernemer in kunstmatige intelligentie. Nadat hij twee jaar eerder de middelbare school had afgerond, kreeg hij een baan bij de beroemde Britse game-ontwerper Peter Molyneux. Op 17-jarige leeftijd leidde Hassabis de ontwikkeling van het klassieke simulatiespel Theme Park, dat in 1994 werd uitgebracht. Hij voltooide vervolgens een graad in computerwetenschappen aan de Universiteit van Cambridge en richtte in 1998 zijn eigen succesvolle gamesbedrijf op.

Maar de eisen van het bouwen van succesvolle computerspellen beperkten hoeveel Hassabis kon werken aan zijn ware roeping. Ik vond dat het tijd was om iets te doen waarbij intelligentie centraal stond, zegt hij.

Dus in 2005 begon Hassabis aan een doctoraat in de neurowetenschappen aan het University College London, met het idee dat het bestuderen van echte hersenen aanwijzingen zou kunnen opleveren die zouden kunnen helpen met kunstmatige intelligentie. Hij koos ervoor om de hippocampus te bestuderen, een deel van de hersenen dat het geheugen en de ruimtelijke navigatie ondersteunt en dat nog relatief slecht wordt begrepen. Ik heb gebieden en functies van de hersenen uitgekozen waar we geen goede algoritmen voor hadden, zegt hij.

Als computerwetenschapper en game-ondernemer die geen biologie op de middelbare school had gevolgd, onderscheidde Hassabis zich van de artsen en psychologen op zijn afdeling. Ik grapte altijd dat het enige dat ik over de hersenen wist, was dat het in de schedel zat, zegt hij.

Maar Hassabis maakte al snel indruk. In een door het tijdschrift erkend onderzoek uit 2007: Wetenschap hebben heeft Doorbraak van het jaar , toonde hij aan dat vijf patiënten die aan geheugenverlies leden als gevolg van schade aan de hippocampus, moeite hadden om zich toekomstige gebeurtenissen voor te stellen. Het suggereerde dat een deel van de hersenen waarvan men denkt dat het zich alleen met het verleden bezighoudt, ook cruciaal is voor de planning voor de toekomst.

Dat geheugen en toekomstplanning met elkaar verweven zijn, was een idee dat Hassabis meenam naar zijn volgende onderneming. In 2011 stopte hij als postdoctoraal onderzoeker om DeepMind Technologies op te richten, een bedrijf dat als doel had om intelligentie op te lossen.

Hoogste score

Hassabis richtte samen met collega AI-specialist DeepMind op Shane Legg en serie-ondernemer Mustafa Suleyman. Het bedrijf huurde vooraanstaande onderzoekers op het gebied van machine learning in en trok opmerkelijke investeerders aan, waaronder het bedrijf Founders Fund van Peter Thiel en Elon Musk, de oprichter van Tesla en SpaceX. Maar DeepMind bleef onopvallend tot december 2013, toen het een soort debutantenmoment organiseerde op een toonaangevende onderzoeksconferentie over machine learning.

Bij Harrah's Casino aan de oevers van Lake Tahoe toonden DeepMind-onderzoekers software die drie klassieke Atari-spellen - Pong, Breakout en Enduro - beter had leren spelen dan een ervaren mens. De software was niet geprogrammeerd met informatie over hoe te spelen; het was alleen uitgerust met toegang tot de bedieningselementen en het display, kennis van de score en een instinct om die score zo hoog mogelijk te maken. Het programma werd door vallen en opstaan ​​een ervaren gamer.

Niemand had ooit software gedemonstreerd die kon leren om zo'n complexe taak vanaf het begin onder de knie te krijgen. DeepMind had gebruik gemaakt van een nieuwe modieuze machine learning-techniek genaamd deep learning, waarbij gegevens worden verwerkt via netwerken van grof gesimuleerde neuronen (zie 10 Breakthrough Technologies 2013: Deep Learning). Maar het had deep learning gecombineerd met andere trucs om iets te maken met een onverwacht niveau van intelligentie.

Mensen waren een beetje geschrokken omdat ze niet hadden verwacht dat we dat in dit stadium van de technologie zouden kunnen, zegt Stuart Russell , een professor en specialist in kunstmatige intelligentie aan de University of California, Berkeley. Ik denk dat het veel mensen een pauze heeft gegeven.

DeepMind had deep learning gecombineerd met een techniek genaamd versterkingsleren, die is geïnspireerd op het werk van dierpsychologen zoals B.F. Skinner. Dit leidde tot software die leert door acties te ondernemen en feedback te krijgen over de effecten, zoals mensen of dieren dat vaak doen.

Onderzoekers op het gebied van kunstmatige intelligentie sleutelen al tientallen jaren aan versterkingsleren. Maar tot de Atari-demo van DeepMind had niemand een systeem gebouwd dat in staat was om iets te leren dat bijna net zo complex was als het spelen van een computerspel, zegt Hassabis. Een van de redenen waarom het mogelijk was, was een truc die hij had geleend van zijn favoriete hersengebied. Een deel van het leerproces van de Atari-software bestond uit het keer op keer herhalen van eerdere ervaringen om te proberen de meest nauwkeurige hints te krijgen over wat het in de toekomst zou moeten doen. Dat is iets waarvan we weten dat het brein dat doet, zegt Hassabis. Wanneer je gaat slapen, speelt je hippocampus de herinnering van de dag terug naar je cortex.

Een jaar later zijn Russell en andere onderzoekers nog steeds aan het puzzelen over hoe die truc, en andere die door DeepMind worden gebruikt, tot zulke opmerkelijke resultaten hebben geleid, en waar ze nog meer voor kunnen worden gebruikt. Het duurde niet lang voordat Google het belang van de inspanning inzag en een maand na de Tahoe-demonstratie aankondigde dat het DeepMind had overgenomen.

Bedrijfsman

Tegenwoordig leidt Hassabis wat nu Google DeepMind wordt genoemd. Het hoofdkantoor is nog steeds in Londen gevestigd en het is nog steeds de missie van het bedrijf om inlichtingen op te lossen. Ongeveer 75 mensen sterk op het moment dat het lid werd van Google, Hassabis heeft gezegd dat hij er nog ongeveer 50 wilde aannemen. Ongeveer 75 procent van de groep werkt aan fundamenteel onderzoek. De rest vormt een toegepast onderzoeksteam dat zoekt naar mogelijkheden om de technieken van DeepMind toe te passen op bestaande Google-producten.

De technologie van DeepMind kan worden gebruikt om de aanbevelingen van YouTube te verfijnen of de mobiele voice search van het bedrijf te verbeteren, zegt Hassabis. Je zult de komende jaren een deel van onze technologie in dat soort dingen geïntegreerd zien, zegt hij. Google is niet de enige die ervan overtuigd is dat deze aanpak geld kan opleveren. Vorige maand ontving Hassabis de Mullard Award van de Britse Royal Society voor werk dat de economie van het land waarschijnlijk ten goede zal komen.

Maar Hassabis klinkt enthousiaster als hij het heeft over verder gaan dan alleen het aanpassen van de algoritmen achter de producten van vandaag. Hij droomt ervan om AI-wetenschappers te creëren die dingen kunnen doen zoals het genereren en testen van nieuwe hypothesen over ziekte in het laboratorium. Wanneer hij wordt aangespoord, zegt hij ook dat de software van DeepMind ook nuttig kan zijn voor robotica, een gebied waarin Google onlangs zwaar heeft geïnvesteerd (zie The Robots Running This Way ). Een van de redenen waarom we niet meer robots hebben die nuttigere dingen doen, is dat ze meestal voorgeprogrammeerd zijn, zegt hij. Ze zijn erg slecht in het omgaan met onverwachte dingen of het leren van nieuwe dingen.

De terughoudendheid van Hassabis om over toepassingen te praten, is misschien terughoudendheid, of het kan zijn dat zijn onderzoekers nog in de beginfase zijn om te begrijpen hoe de AI-software van het bedrijf kan worden verbeterd. Een sterke aanwijzing dat Hassabis snelle vooruitgang verwacht in de richting van een krachtige nieuwe vorm van AI, is dat hij binnen Google een ethische raad aan het opzetten is om de mogelijke nadelen van geavanceerde kunstmatige intelligentie te overwegen. Het is iets waar wij of andere mensen bij Google zich bewust van moeten zijn. We spelen momenteel nog steeds Atari-games, zegt hij lachend. Maar we staan ​​op de eerste sporten van de ladder.

Dit verhaal is op 3 december bijgewerkt om aan te geven dat de Atari-spelsoftware van DeepMind niet heeft geleerd een menselijke expert bij Space Invaders te verslaan.

zich verstoppen