Επενδύοντας

Η Google είναι (ακόμα) πρωτοπόρος στην τεχνητή νοημοσύνη

Αλφάβητο (NASDAQ:GOOG) ( NASDAQ:GOOGL )είναι περισσότερο γνωστή για την κορυφαία στον κλάδο μηχανή αναζήτησής της, το Google. Ωστόσο, παρόλο που αυτό το εργαλείο έχει υιοθετηθεί ευρέως σε ολόκληρο τον κόσμο, οι περισσότεροι άνθρωποι πιθανότατα δεν λαμβάνουν υπόψη την τεχνολογία κάτω από την κουκούλα. Η Αναζήτηση Google βασίζεται στην τεχνητή νοημοσύνη για να κατανοεί τη γλώσσα και να παρέχει πιο ακριβή αποτελέσματα. Με άλλα λόγια, προσπαθεί να ερμηνεύσει αυτό που εννοείτε, όχι μόνο τον τύπο στη γραμμή αναζήτησης.

Ωστόσο, η Alphabet έχει περισσότερα από την Google και εξακολουθεί να πρωτοπορεί σε νέες περιπτώσεις χρήσης τεχνητής νοημοσύνης στις διάφορες επιχειρήσεις της. Σε αυτό Πάσο παρασκηνίων βίντεο, που προβλήθηκε 27 Σεπτεμβρίου 2021 , ο συνεργάτης του Motley Fool, John Bromels, συζητά μερικούς τρόπους με τους οποίους η Alphabet χρησιμοποιεί την τεχνητή νοημοσύνη.

Τζον Μπρόμελς: Μιλώντας για τεχνητή νοημοσύνη, το πρώτο όνομα που μου έρχεται στο μυαλό είναι το Alphabet. Το σύμβολο Ticker είναι GOOG και GOOGL. Αυτό είναι λίγο εύχρηστο άτομο. Στην πραγματικότητα, έτσι μοιάζω όταν δεν με προβάλλουν στην οθόνη, αυτός ο κίτρινος τύπος εδώ. Θεωρούμε ότι το Google είναι μια μηχανή αναζήτησης, σαν να έχει επαγγελματικές σουίτες και διάφορα άλλα πράγματα. Αλλά η Google κάνει πραγματικά πολλά στα παρασκήνια, συγκεκριμένα η Google και η Alphabet.





πόσες αγελάδες υπάρχουν στον κόσμο

Οι άλλες εταιρείες αποτελούν μέρος της Alphabet γενικά, στην πραγματικότητα κάνουν πολλά στα παρασκήνια, ειδικά στην τεχνητή νοημοσύνη. Για να δημιουργήσετε πραγματικά το σκηνικό για πολλές σύγχρονες και σύγχρονες εργασίες τεχνητής νοημοσύνης, πρέπει πραγματικά να επιστρέψετε στο 1997 όταν IBM Ο Deep Blue κέρδισε για πρώτη φορά τον διεθνή γκρανμάστερ Γκάρι Κασπάροφ στο σκάκι. Αυτό ήταν μεγάλη υπόθεση λαμβάνοντας υπόψη ότι, και ο κόσμος δεν το θυμάται αυτό, το έτος πριν το Deep Blue είχε στην πραγματικότητα αποτύχει να το κάνει. Είχε παίξει τον Γκάρι Κασπάροφ και έχασε. Είχε μια ρεβάνς το '97 και μπόρεσε να κερδίσει. Φυσικά το Deep Blue είναι το θέμα της IBM. Η IBM συγκλόνισε επίσης τον κόσμο το 2011 όταν ο Watson νίκησε τον Ken Jennings και τον Brad Rutter σε κίνδυνο. Αλλά η Google έγινε πραγματικά πρωτοσέλιδο λίγα χρόνια αργότερα το 2017, και αυτό ήταν το μεγάλο έπαθλο. Ο υπολογιστής του AlphaGo νίκησε ένα κινέζικο Go Master τρία συνεχόμενα παιχνίδια το 2017.

Το Go είναι πολύ πιο περίπλοκο από το σκάκι όσον αφορά τον αριθμό των πιθανών κινήσεων και τον αριθμό των πιθανών επαναλήψεων που η Google δεν έκανε αυτό που έκανε η IBM με το Deep Blue. Το 1997 το Deep Blue, κυριολεκτικά οι προγραμματιστές έβαλαν το Deep Blue να εξετάσει κάθε πιθανή κίνηση και να βγει για να εξετάσει κάθε πιθανότητα και στη συνέχεια να επιστρέψει και να επιλέξει όποιον είχε τους περισσότερους δυνατούς μέσους συνδυασμούς από αυτόν τον κλάδο που δημιούργησε επειδή το Go είναι χιλιάδες και χιλιάδες φορές πιο πολύπλοκο με τόσες περισσότερες πιθανές κινήσεις. Θέλω να πω, πιστεύω ότι υπάρχουν κάτι σαν τρισεκατομμύρια πιθανές κινήσεις ή πιθανές ακολουθίες σε κάθε δεδομένο παιχνίδι Go. Αυτό που έκανε το AlphaGo, το οποίο ήταν το έργο της Google, το δίδαξαν βάζοντάς το να παίζει μόνο του. Παίζει μόνος του ενάντια σε παιχνίδια για να καταλάβει ποιες ήταν οι βέλτιστες πρακτικές και η καλύτερη στρατηγική. Από αυτή τη διαδικασία, στην πραγματικότητα, τα πράγματα στο Chess and the Go εκτόξευσαν το ενδιαφέρον της Google και της Alphabet για την επίλυση αυτών των προβλημάτων τεχνητής νοημοσύνης και μηχανικής μάθησης. Θα χρειαζόταν πολύς χρόνος για να εξετάσουμε όλα τα πράγματα που προσπαθούν να κάνουν η Google και η Alphabet στην τεχνητή νοημοσύνη και τη μηχανική εκμάθηση, επειδή έχουν πολλά έργα. Αλλά ήθελα απλώς να επισημάνω ένα από αυτά.



ethereum classic vs ethereum

Το DeepMind είναι το όνομα της θυγατρικής της Alphabet, όπως η Google είναι μια θυγατρική της Alphabet, η DeepMind είναι η θυγατρική της Alphabet που εξετάζει συγκεκριμένα την τεχνητή νοημοσύνη και τη μηχανική εκμάθηση. Η Google το στρέφει στο ζήτημα της αναδίπλωσης πρωτεΐνης. Αυτή είναι μια πολύ συγκεκριμένη διαδικασία στη βιοτεχνολογία. Όταν μια πρωτεΐνη σχηματίζεται από μια δέσμη αμινοξέων, παίρνει αυτά τα αμινοξέα, τα οποία έχουν όλα σχήμα σαν μάλλινες αλυσίδες μαλλί και τις διπλώνει και τις σχηματίζει σε αυτό το είδος τρισδιάστατης δομής. Σχεδόν σαν να κρατάς ένα κομμάτι χαρτί σε πουλί Origami ή άλλο ζώο. Το θέμα είναι ότι χρησιμοποιεί πολλά από τα ίδια ανοσοοξέα, μπορεί να τα σχηματίσει σε αυτές τις δομές, αλλά κάθε δομή καθορίζει τι μπορεί να κάνει αυτή η πρωτεΐνη. Σκεφτείτε το καθώς θα μπορούσατε να πάρετε το ίδιο κομμάτι χαρτί και να το διπλώσετε σε πολλά ζώα Origami. Το ίδιο ισχύει και με την πρωτεΐνη.

Ωστόσο, εάν η πρωτεΐνη σας είναι λίγο λιγότερη, εάν διπλωθεί ελαφρώς λάθος, μπορεί να προκαλέσει μια ολόκληρη σειρά γενετικών προβλημάτων, συμπεριλαμβανομένων των πραγμάτων όπως η κυστική ίνωση. Αυτό είναι αποτέλεσμα μιας πρωτεΐνης που μόλις σχηματίζεται ελαφρώς διαφορετικά. Μπορεί να χρειαστούν χρόνια και τόνοι χρημάτων και έρευνας για να προσπαθήσουμε να αναλύσουμε τη δομή και να αναδιπλώσουμε μία μόνο πρωτεΐνη και να είμαστε σε θέση να προβλέψουμε πώς θα λειτουργήσει στο εργαστήριο.

Οι DeepMind της Alphabet αποφάσισε να προσπαθήσει να λύσει αυτό το πρόβλημα το 2016, ξεκινούν να εργάζονται για την τεχνητή νοημοσύνη το 2016. Το 2018, έχουν αυτό το πρόγραμμα που ονομάζεται AlphaFold, μόλις που βγάζει μια νίκη στον διετές διαγωνισμό μετρητών, που είναι ένας διετής διαγωνισμός για να δούμε αν μπορούμε να προβλέψουμε πώς θα σχηματιστούν οι πρωτεΐνες με βάση τα αμινοξέα που εισέρχονται σε αυτές ουσιαστικά αναπαράγονται με την πρόβλεψη αυτά τα χρόνια και χρόνια εργαστηριακής εργασίας και όλα αυτά τα χρήματα.



πλεονεκτήματα και μειονεκτήματα του παγώματος της πίστωσής σας

Στη συνέχεια, μόλις πέρυσι το 2020, η DeepMind επέστρεψε με το AlphaFold 2, δύο χρόνια αργότερα, και ουσιαστικά ανακοίνωσε ότι αυτό το πρόβλημα είχε λυθεί επειδή το AlphaFold 2 μπόρεσε να αναπαραχθεί με απλή μοντελοποίηση πρόβλεψης. Ήταν σε θέση να αντιγράψει βασικά αυτό που χρειάζονται χρόνια και χρόνια οι επιστήμονες για να κάνουν στο εργαστήριο, κοιτάζοντας την πραγματική πρωτεΐνη. Ήταν σε θέση να προβλέψει, «Ναι, έτσι θα μοιάζει». Αυτό έχει απίστευτες συνέπειες για τη βιοτεχνολογία και τη γενετική εργασία και άλλους τομείς θεραπείας ασθενειών και καταστάσεων. Αυτό είναι κυριολεκτικά ένα πράγμα που κάνουν η Google και η Alphabet από τα δεκάδες πράγματα που κάνουν σε αυτόν τον τομέα.



^