Tag: Datacenter

Demis Hassabis – Ein Kopf hinter Google DeepMind

Demis Hassabis, einer der f├╝hrenden K├Âpfe hinter┬áGoogle DeepMind redet ├╝ber die Form von KI, an der DeepMind baut. Demis hat nach der Uni an verschiedenen Startups mitgewirkt – auch im Bereich Machine Learning. Nach seiner Startup-Zeit ging es f├╝r ihn wieder zur├╝ck an die Universit├Ąt, wo er in Cognitive Neuro Science promovierte.

Er unterscheidet in seinem Vortrag verschiedene Formen von K├╝nstlichen Intelligenzen:

  • Learning vs. Handcrafted
  • General vs. Specific
  • Grounded vs. Logic-based
  • Active learning vs. Passive observation




Google DeepMind ist nur an Intelligenzen┬áinteressiert, die sich, wie folgt, kategorisieren lassen: ┬áfeature learning, general purpose, grounded und active learning. Doch was bedeutet dies┬áim Detail? Die gelernten Modelle sollen┬áihre Feature-Extraktoren selbst lernen (also durch Feedback relevante Merkmale finden), sie sollten keinem speziellem Zweck dienen, sondern universal einsetzbar sein. Au├čerdem basieren sie auf probabilistischen Ans├Ątzen, die biologisch motiviert werden. Als letztes Kriterium sollen sie aktiv lernen und daf├╝r eine Belohnung oder eine Strafe erhalten (reward, insb. reinforcement learning). Wie Demis es in seinem Vortrag sagt: “System without any data, learning from the first principles”.

Neben seinem Ausblick in die Zukunft von DeepMind redet er vor allem ├╝ber zwei Anwendungsf├Ąlle von Googles DeepMind. Als erstes geht er auf AlphaGo ein (eine KI die Lee Sedol im Spiel Go geschlagen hat). Sein zweiter Anwendungsfall ist ein Rechenzentrum von Google, dass mit einem von Google DeepMind entwickelten System signifikant Strom sparen konnte.