以上说的，基本都是DeepMind在研发端的动向，核心载体是算法架构和论文。而在产品应用端，DeepMind也有一些动作，比如其推出的DeepMind Health就指向智能医疗系统，根据与英国全国医疗系合作获取的数据，来打造基于人工智能进行诊疗帮助和症状判断帮助的系统。比如说DeepMind打造的智能诊疗系统可以通过学习上百万份眼部监测资料，据此建立模型来识别早期征兆及早发现眼病。此外，DeepMind还架设了一些移动应用类的非人工智能产品。
不过，与英国医疗系统的合作也带来很大麻烦，DeepMind在缺少监督的境况下获得了全英病人数据，让媒体发出了不小的惊恐和反对声音。
七、帮谷歌省电
去年夏天，很少真正尝试应用领域的DeepMind在东家谷歌的大本营小试牛刀了一把
利用深度学习算法，DeepMind把谷歌数据中心的冷却系统用电给节约了40%。冷却系统是维持数据中心服务器运行的重要系统，但因为设备众多、需求量极高，其中大量的能源其实是被浪费掉了。
DeepMind运用AI系统，优化了整个冷却系统的用电效率，据说一次性帮助谷歌节省了上亿美金的开销。而外界更加关注的，是这类技术可以被用于多种大规模工业系统上，谷歌从自家大楼做案例，显然也是要为未来的大规模发展做广告。
八、全面进驻谷歌TensorFlow
最后，不得不说的一件事，是DeepMind 虽然在产品和研究上保持了高度的独立性，但还是在2015年将研究全面进驻到了谷歌的TensorFlow开源架构当中。并且官方高度肯定了TensorFlow的高度适用性、延展度和操作体验。2016年，DeepMind 还开发了一个能在 TensorFlow 上快速创建神经网络模块的高级框架Sonnet，并且对其进行了开源处理。
由此可见，对于谷歌AI体系的核心业务和生态基础，DeepMind还是支持的。并且愿意在这个领域帮助谷歌完善生态。
其实谷歌本体所需要的，也是DeepMind作为一个精英企业在生态核心上提供更多支持——面向大众赚钱的事可以谷歌做，但华山论剑的时候DeepMind还是出马一下的好。
总结
通过总结DeepMind在研究方向、应用化和与谷歌关系的几个案例。我们不难发现DeepMind的几个特点，或许我们可以为它做个简单清晰的画像：
在技术探索方面，DeepMind更多指向以高度模拟人脑的方式，在核心领域超过人类已有水平的AI系统。无论是围棋、游戏，还是环境判断、图像与音频生成，都指向这个巨大的野心。
而在技术优势上，DeepMind一方面得力与强大的多领域人员储备，让它拥有了横跨多学科打造算法与产品的优势。另外一方面，DeepMind的技术优势在于高度应用化水准跨越上。虽然他发布的东西不多，但没有一次让我们看到很初级、很简单的应用模型。
在产品的商用价值上，DeepMind或许会主攻医疗健康和垂直领域的机器学习应用上，这个从他们2016年的动向中已现端倪。
综合来看，这家公司是半学术化半商业化的创业团队，技术实力极高，却也不太急于赚钱——有谷歌做后台，他们还忙着玩游戏呢。
当然，这家公司最强的可能还是人工智能的品牌PR上，这不，他又来用围棋PR人类了。
相关阅读：
相关推荐：
转载请注明出处。
相关文章
精彩导读
热门资讯
关注我们
