DeepMind ใช้ปัญญาประดิษฐ์ AlphaFold ทำนายโครงสร้างสามมิติของโปรตีนรวมกว่า 200 ล้านชนิด แล้วเปิดเป็นฐานข้อมูลให้ใช้งานได้ฟรี นับเป็นฐานข้อมูลโครงสร้างโปรตีนที่ใหญ่ที่สุดในตอนนี้ ครอบคลุมโปรตีนแทบทุกชนิดที่รู้จักกัน

Bloomberg รายงานข่าวว่า Ian Goodfellow ผู้อำนวยการฝ่าย Machine Learning ของแอปเปิลที่เพิ่งลาออก ซึ่งคาดว่าเป็นเพราะนโยบายของแอปเปิลให้กลับเข้าทำงานที่ออฟฟิศ ล่าสุดย้ายไปอยู่กับ DeepMind บริษัทลูกของ Alphabet แทนแล้ว

ตัวของ Goodfellow เองเคยเป็นนักวิจัยกับกูเกิลมาก่อนแล้วสองรอบ รอบแรกอยู่กับทีม Google Brain ก่อนย้ายไป OpenAI แล้วกลับมากับ Google Research จนถึงปี 2019 จึงย้ายไปอยู่กับแอปเปิล การกลับมารอบนี้ (ถึงแม้ไปอยู่กับ DeepMind ไม่ได้อยู่กับกูเกิลตรงๆ) ก็เป็นเหมือนการกลับบ้านเก่าของเขานั่นเอง

DeedMind สร้างปัญญาประดิษฐ์ Ithaca สำหรับอ่านบันทึกภาษากรีกจากศิลาจารึกที่มักมีส่วนที่ขาดหายไป แล้วเติมข้อความที่ขาดหาย, ทำนายแหล่งกำเนิดของบันทึก, และทำนายช่วงเวลาบันทึก

การสร้างปัญญาประดิษฐ์อาศัยชุดข้อมูล Packard Humanities Institute (PHI) ที่บันทึกข้อความจากจารึกต่างๆ ถึง 178,551 ชุด โดยมีหมายเลขประจำข้อความ, ช่วงเวลา, และสถานที่ที่บันทึก โดยมีข้อความที่ใช้ฝึกปัญญาประดิษฐ์ได้ 78,608 ชุด

Ithaca แบ่งออกเป็นสองชั้น คือส่วนลำตัว (torso) สำหรับอ่านข้อความ โดยภายในเป็นสถาปัตยกรรมแบบ transformer ที่มักใช้ในการประมวลผลภาษา ในชั้นที่สองจะมีหัวสามหัวเป็นโมเดลปัญญาประดิษฐ์สำหรับทำนายค่าต่างๆ ทั้งข้อความที่หายไป, พื้นที่ที่บันทึกข้อความ, และช่วงเวลาที่บันทึก

DeepMind เปิดตัว AlphaCode ปัญญาประดิษฐ์เขียนโค้ด โดยอาศัยเพียงอินพุตเป็นโจทย์เหมือนการทดสอบเขียนโค้ดทั่วๆ ไปที่มีคำบรรยาย และตัวอย่างอินพุตกับเอาท์พุตของโปรแกรมให้เท่านั้น ผลทดสอบบนแพลตฟอร์ม Codeforces ปรากฎว่า AlphaCode มีความสามารถเขียนโปรแกรมในระดับปานกลาง (median) เมื่อเทียบกับผู้ร่วมแข่งขันอื่นๆ ที่เป็นมนุษย์

DeepMind เปิดตัวปัญญาประดิษฐ์สถาปัตยกรรมใหม่สำหรับการทำความเข้าใจภาษามนุษย์ โดยทดสอบสถาปัตยกรรมนี้หลายขนาด ตั้งแต่ 44 ล้านพารามิเตอร์ไปจนถึง 280,000 ล้านพารามิเตอร์ โดยตั้งชื่อโมเดลใหญ่ที่สุดนี้ว่า Gopher ซึ่งใหญ่กว่าโมเดล GPT-3 ของ OpenAI ถึง 60%

Gopher ทำคะแนนทดสอบความเข้าใจภาษา (Massive Multitask Language Understanding - MMLU) ได้เหนือกว่า GPT-3 แทบทุดหมวด บางหมวดเช่นมนุษยศาสตร์นั้นเริ่มเข้าใกล้คนจริงๆ (คะแนนสูงกว่า 70 คะแนนเทียบกับมนุษย์ที่ได้ประมาณ 90 คะแนน)

Alphabet ประกาศตั้งบริษัทใหม่ชื่อ Isomorphic Labs มีเป้าหมายเพื่อปฏิวัติวงการยาด้วย AI โดยใช้ AlphaFold 2 อัลกอริทึมทำนายการพับตัวของโปรตีนจากบริษัท DeepMind

Demis Hassabis ซีอีโอของ DeepMind จะมานั่งเก้าอี้ควบเป็นซีอีโอของ Isomorphic Labs ด้วย เขาบอกว่าที่ผ่านมา DeepMind มีผลงานวิจัยด้าน AI มากมาย ตอนนี้ได้เวลานำมาประยุกต์ใช้กับอุตสาหกรรมอื่นๆ แล้ว ซึ่งเขามองว่าวงการชีววิทยาและการแพทย์เป็นเป้าหมายแรก

ชื่อ Isomorphic Labs หมายถึงการเชื่อมต่อกันระหว่าง biology และ information science เป็นความพยายามใช้คณิตศาสตร์มาแก้ปัญหาชีววิทยาที่ซับซ้อน โดย AlphaFold2 เป็นแค่ตัวอย่างแรก แต่จะมีอย่างอื่นๆ ตามมาอีก

DeepMind บริษัทปัญญาประดิษฐ์ของกูเกิลประกาศเข้าซื้อ MuJoCo (Multi-Joint dynamics with Contact) ผู้ผลิตซอฟต์แวร์จำลองระบบฟิสิกส์ในโลกความเป็นจริง จากเดิมเป็นซอฟต์แวร์ของบริษัท Roboti LLC ตอนนี้ทาง DeepMind ประกาศให้ใช้งานได้ฟรีทันที

ตัวโครงการ MuJoCo ที่จริงแล้วเป็นไลบรารีในภาษา C และสามารถอ่านข้อมูลโลกจำลองในฟอร์แมต MJCF ที่เป็นภาษา XML สำหรับการสร้างโลกจำลอง เช่น ลูกข่างที่กำลังหมุน, หรือลูกตุ้มที่แกว่งไปมาจากการแขวนบนเส้นด้าย ความแตกต่างของ MuJoCo กับระบบฟิสิกส์ในเกมเอนจินคือมันถูกออกแบบเพื่อความแม่นยำเป็นหลัก ไม่ใช่ประสิทธิภาพหรือเสถียรภาพ ทำให้มันสามารถจำลองระบบที่ซับซ้อนเช่น ลูกตุ้มแกว่งของนิวตัน (Newton's Cradle) หรือการรักษาโมเมนตัมเชิงมุมของวัตถุ

DeepMind ยังคงเดินหน้าวิจัยสร้างปัญญาประดิษฐ์สำหรับทำนายรูปร่างโปรตีน หลังจากปีที่แล้ว AlphaFold สามารถทำนายโครงสร้างโปรตีนได้อย่างแม่นยำระดับเดียวกับการทดลอง งานวิจัยล่าสุดของ DeepMind ก็หันมาพยายามทำนายโครงสร้างโปรตีนที่มีหลายห่วงโซ่ (multi-chain protein) ที่ยังทำนายโครงสร้างได้ยากอยู่

DeepMind บริษัท AI ในเครือ Alphabet ประกาศความร่วมมือกับสำนักงานอุตุนิยมวิทยาของสหราชอาณาจักร (Met Office) สร้างอัลกอริทึมที่พยากรณ์อากาศได้แม่นยำในช่วงเวลาสั้นๆ (Nowcasting) เช่น บอกล่วงหน้าได้ก่อน 2 ชั่วโมงว่าจะมีฝนตกหรือไม่

โมเดลพยากรณ์อากาศในปัจจุบันใช้ระบบที่เรียกว่า numerical weather prediction (NWP) เป็นการพยากรณ์สภาพอากาศทั้งโลก (planet-scale) ล่วงหน้าเป็นเวลานานหลายวัน ปัญหาของโมเดลแบบเก่าคือพยากรณ์อากาศระยะสั้นไม่ได้

โมเดลใหม่ของ DeepMind เป็นการนำข้อมูลจากเรดาร์ตรวจอากาศความละเอียดสูง วัดค่าบ่อยๆ (เช่น วัดค่าในพื้นที่ 1 ตารางกิโลเมตรทุก 5 นาที) มาใช้พยากรณ์อากาศล่วงหน้าสั้นๆ ไม่เกิน 2 ชั่วโมง

DeepMind บริษัท AI ในเครือ Alphabet ที่เรารู้จักกันดีจาก AlphaGo เริ่มบุกไปยังวงการใหม่คือ "ฟุตบอล" โดยร่วมกับสุดยอดสโมสรฟุตบอลจากอังกฤษ Liverpool FC ทำวิจัยเรื่องการนำ AI มาใช้งานในวงการฟุตบอล

นักวิจัยจากทั้งสองหน่วยงานทำงานร่วมกันมาสักระยะหนึ่ง แล้วเพิ่งตีพิมพ์เปเปอร์วิจัยชื่อ Game Plan:
What AI can do for Football, and What Football can do for AI ที่รวบรวมผลลัพธ์ (เบื้องต้น) ว่าสามารถนำ AI มาใช้กับเกมกีฬาได้อย่างไรบ้าง

ข้อสรุปเบื้องต้นของทีมวิจัยคือ การนำ AI มาใช้กับฟุตบอลแบ่งออกเป็น 3 แขนง ได้แก่

DeepMind เผยแพร่ความคืบหน้าของปัญญาประดิษฐ์ MuZero ที่พัฒนาต่อจาก AlphaZero โดยตั้งเป้าหมายเพื่อหาอัลกอริทึมสำหรับโจทย์แบบไม่เจาะจง สามารถเอาชนะในเกมใด ๆ ก็ตาม ที่ไม่รู้กฎกติกามาก่อน

ที่ผ่านมาปัญญาประดิษฐ์ของ DeepMind จะแก้ปัญหาได้เฉพาะเรื่อง (Domain) และอาศัยองค์ความรู้ (Knowledge) ทั้งข้อมูลการเล่นในอดีต จนถึงกติกาการเล่น ซึ่งแนวทางนี้จะพบปัญหาเมื่อต้องเล่นเกมแบบ Atari ที่รูปแบบกติกาไม่ได้บอกชัดเจนมาก และเกมก็ซับซ้อนขึ้น (ดูภาพประกอบด้านล่าง)

DeepMind เปิดตัวปัญญาประดิษฐ์ AlphaFold2 สำหรับการทำนายโครงสร้างการ "พับ" ของโปรตีน ทำให้นักวิทยาศาสตร์สามารถทำนายกระบวนการทำงานของโปรตีนแต่ละตัวได้รวดเร็วขึ้นในราคาถูกลง เปิดทางการพัฒนายาให้รวดเร็วยิ่งขึ้น

DeepMind บริษัทพัฒนาปัญญาประดิษฐ์ภายใต้ Alphabet ประกาศโอเพ่นซอร์ส FermiNet โครงสร้าง neural network เพื่อจำลองการเคลื่อนไหวของอิเล็กตรอน

ตามหลักของควอนตัมฟิสิกส์ อนุภาคอย่างอิเล็กตรอนไม่ได้มีตำแหน่งที่อยู่ที่ชัดเจน และโดยมากมักจะนิยมใช้กลุ่มเมฆความน่าจะเป็นเพื่อบ่งบอกโอกาสการพบอนุภาค ณ ตำแหน่งหนึ่ง และการอธิบายสถานะของควอนตัมเป็นสิ่งที่ท้าทายมากเพราะต้องนำค่าความน่าจะเป็นมาคำนวณเป็นค่าของตำแหน่งอิเล็กตรอนในรูปแบบของ wavefunction ที่มีค่าที่เป็นไปได้มากมายมหาศาล

กูเกิลเขียนบล็อกอธิบายแนวคิดการทำงานของ Google Maps ส่วนที่ใช้คำนวณเวลาที่จะเดินทางถึงจุดหมาย (ETA) และการเลือกเส้นทาง ซึ่งการระบาดของโควิด-19 ที่ผ่านมา ทำให้กูเกิลต้องปรับโมเดลการคำนวณเช่นกัน

Google Maps ใช้ข้อมูลสภาพการจราจร ณ ขณะเวลานั้น ผ่านการใช้งานของผู้ใช้ในจุดต่าง ๆ ทั่วโลก แต่ข้อมูลนี้ไม่เพียงพอสำหรับการหา ETA สิ่งที่กูเกิลใช้คือแพทเทิร์นในอดีต เช่น ค่าเฉลี่ยความเร็วรถยนต์ที่ทำได้ในช่วงถนนแต่ละสาย แยกตามช่วงเวลา ช่วยให้คำนวณเวลาเดินทางได้ดีขึ้น

Google เผยข้อมูลเกี่ยวกับเทคโนโลยีเพิ่มคุณภาพเสียงสำหรับการสนทนาในบริการวิดีโอคอล Duo ในชื่อว่า WaveNetEQ โดยเบื้องหลังใช้เทคโนโลยี DeepMind ที่ช่วยให้ระบบจัดการกับเสียงขาด ๆ หาย ๆ ได้โดยที่ทำให้เสียงสนทนายังดูเป็นธรรมชาติ

สำหรับวิธีเพิ่มคุณภาพเสียงของ Duo คือระบบจะตรวจสอบว่าเสียงตรงไหนขาด ๆ หาย ๆ และจะแทนที่ส่วนนั้นด้วยเสียงสังเคราะห์ที่คล้ายกับคำพูดของคนที่สร้างจาก machine learning เพื่อทำให้ดูเหมือนจริง

Google ระบุว่า ปัจจุบันการโทรผ่าน Duo จะมี packet loss ถึง 99% โดย 20% ของทั้งหมดนี้จะมี packet loss มากกว่า 3% และ 10% ของทั้งหมดจะมี packet loss มากกว่า 8%

กูเกิลออกรายงานเรื่องการใช้ AI จากสถาบันวิจัย DeepMind ตรวจจับมะเร็งเต้านมจากแมมโมแกรม พบว่าสามารถลดข้อผิดพลาดได้ดีขึ้น

กูเกิลได้ร่วมมือกับสถาบันวิจัยทางการแพทย์ในสหรัฐฯและอังกฤษเพื่อพัฒนาความสามารถ AI ในการตรวจจับมะเร็งเต้านมมาได้กว่า 2 ปีแล้ว

โดยกูเกิลฝึกระบบด้วยการใช้รูปแมมโมแกรมที่ไม่ระบุตัวตนจากผู้หญิงมากกว่า 25,000 คนในสหราชอาณาจักรและอีก 3,000 คนในสหรัฐอเมริกา เพื่อดูว่า AI จะสามารถสังเกตสัญญาณมะเร็งเต้านมได้หรือไม่ ผลคือ ระบบสามารถลดภาวะ false positive ได้ 5.7% ในกลุ่มผู้หญิงจากสหรัฐฯ และ 1.2% ในกลุ่มผู้หญิงจากอังกฤษ นอกจากนี้ระบบยังลดภาวะ false negative ได้ 9.4% ในกลุ่มผู้หญิงจากสหรัฐฯ และ 2.7% ในกลุ่มผู้หญิงจากอังกฤษ

DeepMind บริษัทพัฒนาปัญญาประดิษฐ์ในกลุ่มบริษัทกูเกิลรายงานถึงความสำเร็จในการพัฒนา AlphaStar ปัญญาประดิษฐ์สำหรับเกม Starcraft ที่บริษัทจัดรายการสาธิตไปเมื่อเดือนมกราคมที่ผ่านมา โดยตอนนี้มีการพัฒนาไปมาก ทำให้มันสามารถมองเกมจากมุมมองเหมือนมนุษย์, จำกัดปริมาณคลิกกว่าเดิม, เล่นได้ทุกเผ่าและสามารถสู้กับเผ่าใดก็ได้

ทาง DeepMind ได้นำ AlphaStar ไปลองเล่นบนเซิร์ฟเวอร์ Battle.net จริงแล้ว และโพสผลการทดลองไว้บนเว็บ

DeepMind บริษัทลูกด้าน AI ของ Alphabet ที่สร้างชื่อขึ้นมาจาก AlphaGo ที่เอาชนะมนุษย์ในการแข่งหมากล้อม ล่าสุดก็สามารถเอาชนะมนุษย์อีกครั้ง แต่เป็นการถอดอักขระภาษากรีกโบราณจากโบราณวัตถุที่เสียหายได้เร็วและแม่นยำกว่านักประวัติศาสตร์ จากความร่วมมือกับมหาวิทยาลัย Oxford

DeepMind แถลงผลการทดลองใช้ระบบคอมพิวเตอร์เรียนรู้ได้ (machine learning) มาจัดการพลังงานลมจากฟาร์มที่กูเกิลเข้าไปมีส่วนร่วม โดยปัญหาสำคัญของพลังงานลมคือมันขึ้นกับสภาพอากาศอย่างมาก ทำให้การทำนายพลังงานที่ได้รับโดยรวมทำได้ยาก แหล่งพลังงานที่ใส่ไฟฟ้าเข้าไปในระบบกริดโดยบอกล่วงหน้าได้ จะได้มูลค่าสูงกว่า

ทาง DeepMind สร้างโมเดล machine learning เรียนรู้จากข้อมูลพยากรณ์อากาศแล้วนำมาพยากรณ์ปริมาณไฟฟ้าที่จะผลิตได้ล่วงหน้า 36 ชั่วโมง ทำให้ฟาร์มลมเหล่านี้สามารถสัญญาส่งพลังงานล่วงหน้าเข้ากริดล่วงหน้าหนึ่งวันเต็ม การจัดการระบบกริดสามารถทำได้ดีขึ้น

รายงานระบุว่าการทำนายข้อมูลต่างๆ ให้ดีขึ้น ทำให้มูลค่าของพลังงานลมที่ได้จากฟาร์มเหล่านี้สูงขึ้นถึง 20%

DeepMind สาธิตประสิทธิภาพของปัญญาประดิษฐ์สำหรับ StarCraft II โดยนำเสนอเกมที่บันทึกไว้ล่วงหน้า 10 เกม แบบเดียวกับครั้งแรกที่เปิดตัว AlphaGo แข่งกับ Fan Hui แชมป์ยุโรป โดยแข่งกับ TLO ที่ปกติเล่น Zerg และเอาชนะได้ 5-0 หลังจากนั้นจึงเล่นกับ LiquidMaNa ที่เล่น Protoss เป็นประจำเพื่อทดสอบอีกครั้ง และเอาชนะ 5-0 อีกครั้ง อย่างไรก็ดีในการถ่ายทอดสด AlphaStar แข่งเกมสาธิตกับ LiquidMaNa อีกครั้งโดย LiquidMaNa เอาชนะไปได้

ตัว AlphaStar ยังถูกฝึกเพื่อเล่น Protoss กับ Protoss เท่านั้น

DeepMind ประกาศสาธิตปัญญาประดิษฐ์สำหรับเล่นเกม StarCraft II หลังจากแสดงความสนใจว่าจะเป็นเป้าหมายต่อไปหลังจาก AlphaGo มาตั้งแต่ปี 2016 โดยจะสาธิตผ่านสตรีมบน YouTube เวลาตีหนึ่งวันศุกร์นี้ตามเวลาประเทศไทย (คืนวันพฤหัส-ศุกร์) ทางช่อง YouTube ของ DeepMind

DeepMind เผยแพร่รายละเอียดเพิ่มเติมใน The Journal Science เกี่ยวกับการพัฒนา AI ตัวใหม่ AlphaZero ที่พัฒนาต่อจาก AlphaGo ให้สามารถเรียนรู้พัฒนาด้วยตนเองได้ นอกจากการเล่นโกะ มาสู่การเล่นหมากรุก และหมากรุกญี่ปุ่น (โชงิ) โดยสามารถเอาชนะบ็อตที่เก่งที่สุดในโลกได้ จากการเรียนรู้เองในเวลาไม่นาน

DeepMind ประกาศโอเพนซอร์สไลบรารี TRFL (อ่านว่า "ทรัฟเฟิล") เป็นไลบรารีรวมอัลกอริทึมสำหรับสร้างปัญญาประดิษฐ์แบบ reinforcement learning (RL) หรือปัญญาประดิษฐ์ที่ผ่านการเรียนรู้ว่าทำตามกฎหรือเกมได้สมบูรณ์หรือไม่ ตัวอย่างสำคัญของปัญญาประดิษฐ์แบบ RL คือ AlphaGo ในตัวปัญญาประดิษฐ์ผ่านการเรียนรู้ว่าจะเอาชนะเกมได้อแย่างไร

DeepMind บริษัทลูกด้าน AI ของ Alphabet ประกาศความร่วมมือกับ Unity เอนจินเกมยอดนิยม เพื่อสร้างสภาพแวดล้อมในโลกเสมือน (virtual environments) เพื่อพัฒนาอัลกอริทึมของ AI

ที่ผ่านมาเราเห็นการฝึก AI สำหรับเล่นเกมในโลกจริงๆ อย่างหมากรุกหรือโกะ รวมถึงวิดีโอเกมที่มีอยู่ก่อนแล้ว แต่ความร่วมมือระหว่าง DeepMind กับ Unity จะช่วยยกระดับ AI เพื่อทำงานในโลก 3 มิติเสมือน ทดลองความเป็นไปได้ของงานประเภทต่างๆ (เช่น หุ่นยนต์กู้ภัย รถยนต์ไร้คนขับ) โดยไม่ต้องลองกับพื้นที่เชิงกายภาพในโลกจริง และสามารถทดลองซ้ำแล้วซ้ำอีกกี่ครั้งก็ได้

จุดเด่นของเอนจิน Unity คือสร้างสภาพแวดล้อมที่ใกล้เคียงกับโลกจริง ทั้งภาพที่เห็นในสายตาของ AI และกฎของฟิสิกส์ภายในโลกเสมือน ในต้นทุนที่ถูกกว่ามาก

DeepMind ประกาศความร่วมมือกับโรงพยาบาลจักษุ Moorefields มาตั้งแต่ปี 2016 ตอนนี้ทั้งสองหน่วยงานก็ประกาศผลของความร่วมมือในเฟสแรกออกมาแล้ว โดยเป็นการรับภาพจากเครื่อง optical coherence tomography (OCT) เพื่อวินิจฉัยว่าเป็นโรคร้ายแรงใดในดวงตาหรือไม่ โดยตอนนี้โรงพยาบาล Moorefields ต้องอ่านผลสแกน OCT ถึงวันละกว่า 1,000 ชุด

สถาปัตยกรรมของ DeepMind แบ่งเครือข่ายนิวรอนออกเป็นสองส่วน ส่วนแรกคือการระบภาพสแกนดิบจากเครื่องสแกนแล้วระบุว่าส่วนใดน่าจะเป็นอาการของโรค เช่น มีเลือดออก, มีของเหลว, หรือมีรอยแผล จากนั้นจึงส่งผลเข้าไปยังเครือข่ายนิวรอนอีกชุดเพื่อระบุโรคที่เป็นไปได้ พร้อมคำแนะนำว่าควรส่งต่อไปหาแพทย์อย่างรีบด่วนเพียงใด