谷歌的DeepMind梦，能带来多少可能性？
Deep science meets start-up energy and focus.
Committed to AI that benefits everyone.
Applying our research for real-world impact in health,science,energy and more.
…
“Solve intelligence.Use it to make the world a better place.”——这是其中最为理想主义的一句。
与谷歌一起走在梦想的路上
人们对DeepMind的认知多来自于Alpha Go，因为化名Master，战胜李世石、柯洁、聂卫平、朴廷桓、古力等世界顶级高手而闻名。最初人们提到这个围棋竞技AI都说是谷歌的Alpha Go，但随着媒体的关注和深挖，DeepMind逐渐浮出水面。
事实上，在被谷歌收购之前，DeepMind还是一家名不见经传，非常低调的公司。最初，是由投资人投资，其中包括特斯拉的马斯克投资650万美元。而也是在马斯克组织的一次业界交流中，拉里·佩奇了解到DeepMind。此后，双方的沟通交流不断增多，而这期间，Facebook也看上了这家坐落在距离伦敦国王十字车站约2公里的人工智能公司，与谷歌开始了你追我赶的争夺。
最终，2014年初，Google以4亿英镑（约合6.6亿美元）的价格打败Facebook，买下DeepMind。这笔交易金额也排进了2014年全球初创公司收购金额前十。
这次收购对于谷歌来说，最大的益处是抢占了人才储备的先机。DeepMind聚集了诸多深度学习专家，买下之后首先带来的切实好处是助其在与微软、Facebook、亚马逊等科技公司的人工智能竞争中获得优势。
对于DeepMind，从谷歌得到的收获主要是资金、计算机技术，以及计算机资源方面的帮助。
至于为什么选择围棋，而不是其它领域入手做人工智能计算能力的测试，主要原因是按照人工智能的发展趋势，计算机需要因循人类的设想学会学习，围棋对于这种能力的训练非其它方式可比拟。模仿人类的思维过程，通过不断学习前人的棋谱，人工智能对棋局的判断变得更加强大。在这个永无止境的竞技游戏中，人工智能可以进行无限探索。
DeepMind的医疗梦
在进阶版AlphaGo Zero推出后，三天内通过自我对抗赛，超过了AlphaGo的实力，赢得了100场比赛的全胜。之后，DeepMind发表了AlphaGo的谢幕感言。
无论是谷歌的实力成就了DeepMind，还是DeepMind成就了谷歌的人工智能。总之，在合作刚开始就打响了AlphaGo这一役，未来还有诸多可值得期待。
然而，尽管高价收购，DeepMind仍然保持一定的独立性。2016年，谷歌成立专门做人工智能项目研发的X实验室，把无人驾驶汽车、热气球Wi-Fi、无人机送货等短期无法变现盈利的部门归过去。但Deepmind却是和Alphabet智能家居子公司Nest、生命科学子公司Verily等属于同一级子公司。
在Deepmind官网上，展示了公司目前致力的三个领域：“DeepMind Health、DeepMind for Google、DeepMind Ethics&Society”。
医疗领域，就在近日，公司通过处理数以千计的视网膜扫描图像，训练出了一种人工智能算法，该算法可以比人类医生更加高效准确地检查出眼底疾病。
据了解，DeepMind公司与NHS和全球最好的眼科医院之一，伦敦Moorfields眼科医院进行了长达两年的合作，验证这项算法的有效性。在得到积极的信号后，DeepMind公司向医学杂志提交了这项研究成果。如果这项结果通过了学者们的同行评议，就能在几年内进入临床实验阶段。
对此成绩，DeepMindHealth的临床主管DominicKing表示说：“你将在未来数年间，看到我们借助人工智能技术在医学影像这样的专业领域取得重大突破。未来我们在诊断疾病方面将变得更加敏感、精准，而机器学习将扮演非常重要的角色。”
早前，公司还宣布利用 AI 抗击乳腺癌，通过将机器学习应用于乳腺X光检查，探索新的方法以提高乳腺癌的检测几率。建立一种机器学习模型，能够快速、准确地检测出癌症的迹象，帮助医生发现癌症，以便尽早开始治疗。
扎根学界，资助学术
除了实践应用，DeepMind在基础科学上也有大量研究。
近来，DeepMind发布了最新研究论文，用博弈论来阐明不同智能体系间的交互方式。具体来说，主要研究了两套智能系统在非对称博弈游戏（asymmetric game）中的反应和表现，这些游戏包括Leduc扑克和一些图版游戏（如Scotland Yard）。
博弈论是数学界的重量级理论，几乎可通用于人类、动物和计算机世界。目前多用于社会经济领域，通常用它来研究竞争态势下决策者们的战略。不过，在AI研究中，一般会被用在“多智能体”环境下的研究中。
此外，公司在近期还开源了强化学习环境Control Suite，相比OpenAI Gym拥有更多的环境，更易于阅读的代码文档，同时更加专注于持续控制任务。
除了自己做基础研究之外，DeepMind还对学术界提供大力支持。
在2月2日开幕的AAAI 2018 大会上，阿尔伯塔大学博士生 Chenjun Xiao、梅劲骋与教授 Martin Müller提交的论文《Memory-Augmented Monte Carlo Tree Search》获得了 AAAI 2018 大会的杰出论文奖。
值得一提的是，DeepMind与阿尔伯塔大学颇有渊源。去年，公司与阿尔伯塔大学联手在加拿大埃德蒙顿建立了自己首个国际 AI 研究实验室，目标是为了让DeepMind的研究者有机会和阿尔伯塔大学的研究者和学生们紧密协作，同时也能支持埃德蒙顿区域作为一个技术和研究中心的成长。
上月，DeepMind再次宣布在阿尔伯塔大学计算机科学学院资助设立一个资助研究主席职位。任职者会获得额外的经费用于计算机科学学院内AI研究相关的活动。
