近期，因为Deepmind的人工智能在星际争霸2上打败了人类选手，DeepMind又一次进入了人们的视野。AlphaGo作为DeepMind的核心创造物之一，绝不仅是挑战围棋和游戏而生。事实上，近几年来，除了 DeepMind 以外，也已经有越来越多的人工智能公司或者研究机构投身到开发AI的浪潮中了，国内诞生了如旷视科技、商汤科技、极链科技Video＋＋、依图科技等优秀的初创AI企业，都在各自的赛道中进行技术的深耕。
2014年，DeepMind被谷歌收购，总部和项目保留在伦敦，人员对外也保持着高度的神秘性。即使对DeepMind有了解的人，知道的也是它的创始人Demis hassabis，作为一位天才少年，4岁下国际象棋，16岁进入剑桥。但DeepMind作为一家创业企业的规划、产品序列和目标实施情况，好像总是隐藏在一些面纱之后。
据悉，目前谷歌AI与DeepMind依旧保持着高度的独立属性，虽然有战略和技术上的结合，但谷歌AI的重点推进工程列表中可以说是完全不见DeepMind的踪影。而AlphaGo作为DeepMind的核心创造物之一，绝不仅是为了挑战人类围棋界而生，却作为核心的领域技术的关键载体，承接着整个公司战略的上下衔接。那么DeepMind除了AlphaGo还做了哪些呢？
进驻Tensorflow
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是支持的，并且愿意在这个领域帮助谷歌完善生态。谷歌所需要的，也是DeepMind需要作为企业在生态核心上提供更多支持，面向大众的事可以谷歌做，但业务支持的时候还是离不开DeepMind。
可微分神经计算机的诞生
2016年底，DeepMind公布了他们打造的一台“可微分神经计算机”（DNC）。DNC的特点是结合了神经网络的运作原理和经典计算机的运算能力和外部储存能力。简单来说，其解决方案就是将神经计算机的本体以人类大脑为生物网络蓝本设置的精神网络，与可读写的外部存储器相分离，架设双层的处理与运算结构。
这样打造的运算系统，核心特征是解决了神经网络实际运作当中的机器记忆问题，做出了一台像人类一样思考，又能像计算机一样的高速运算、记忆数据的机器。在发布的论文中，这台计算机可以规划相距甚远的地铁站之间的最佳路线，弄清楚纷繁复杂的亲戚关系，尤其这些都是在没有先验数据的前提下。
从初出茅庐的这件作品，可以看出DeepMind的几个特点。首先是擅长多种复杂技术的集成，其次对于AI应用有远超于业界水准的解决能力。
相比于针对数据样本的机器学习系统，DeepMind开源的体系可以专注于AI在实际环境中进行视觉＋感知的交互。这对于AI行业来说可谓是打开了巨大的脑洞，尤其对于无人驾驶、AR、地图导航、机器人记忆等领域的研究与创业者来说，可谓是福音。
语音生成系统WaveNet
除了“玩游戏”，DeepMind也做了一些其他的事。比如近两年，DeepMind先后公布了其在图像生成和语音生成领域的成果。比如16年公布的语音生成系统WaveNet，号称将计算机输出音频与人类自然语音差距缩小了50％。至少根据试用者的说法，这一系统比谷歌和苹果的语音生成系统都听起来自然流畅许多。
结语
随着新技术的出现，竞争格局已经变得极具颠覆性，迫使企业分析新的市场趋势，提高运营效率，并找到适当的创新关键。在技术探索方面，DeepMind也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。
