Vlaganje

Google je (še vedno) pionir umetne inteligence

Abeceda (NASDAQ: GOOG) (NASDAQ: GOOGL)je najbolj znan po svojem vodilnem iskalniku v industriji, Googlu. Toda čeprav je bilo to orodje široko razširjeno po vsem svetu, večina ljudi verjetno ne upošteva tehnologije pod pokrovom. Iskanje Google se opira na umetno inteligenco za razumevanje jezika in zagotavlja natančnejše rezultate. Z drugimi besedami, poskuša razlagati, kaj mislite, ne le, kaj vnesete v iskalno vrstico.

Vendar pa je Alphabet več kot Google in je še vedno pionir v novih primerih uporabe umetne inteligence v svojih različnih podjetjih. V tem Backstage Pass video, ki je bil predvajan 27. september 2021 , sodelavec Motley Fool John Bromels razpravlja o nekaj načinih, na katere Alphabet uporablja umetno inteligenco.

John Bromels: Ko že govorimo o umetni inteligenci, je prvo ime, ki mi pride na misel, abeceda. Simbol oznake je GOOG in GOOGL. To je malo priročen človek. Pravzaprav tako izgledam, ko nisem projiciran na platnu, ta rumeni tip tukaj. O Googlu mislimo kot na iskalnik, kot na poslovne pakete in razne druge stvari. Toda Google dejansko veliko počne v zakulisju, posebej Google in Alphabet.





katero podjetje izdeluje cepivo proti koronavirusu

Druga podjetja, ki so del Alphabet na splošno, dejansko veliko delajo v zakulisju, zlasti na področju umetne inteligence. Če želite dejansko postaviti oder za veliko sodobnega in sodobnega dela umetne inteligence, se morate pravzaprav vrniti v leto 1997, ko IBM 's Deep Blue je v šahu najprej premagal mednarodnega velemojstra Garyja Kasparova. Glede na to je bila to velika stvar, ljudje pa se tega ne spomnijo, leto pred tem Deep Blue to dejansko ni uspelo. Igral je Gary Kasparov in izgubil. Imel je repasaž leta 1997 in je lahko zmagal. Seveda je Deep Blue IBM-ova stvar. IBM je tudi šokiral svet leta 2011, ko je Watson v nevarnosti premagal Kena Jenningsa in Brada Rutterja. Toda Google je dejansko prišel na naslovnice nekaj let pozneje, leta 2017, in to je bila velika nagrada. Njegov računalnik AlphaGo je leta 2017 tri igre zapored premagal kitajski Go Master.

Go je po številu možnih potez in številu možnih ponovitev toliko bolj zapleten kot šah, da Google ni storil tega, kar je IBM naredil z Deep Blue. Leta 1997 so programerji Deep Blue dobesedno morali pretehtati vsak možni premik in iti ven, da preučijo vsako posamezno možnost, nato pa se vrnejo in izberejo tisto, ki je imela najbolj možne povprečne kombinacije iz te veje, ki jo je nastavil, ker je Go na tisoče in tisočkrat bolj zapleteno s toliko več možnimi potezami. Mislim, verjamem, da je v kateri koli Go igri nekaj kot bilijoni možnih potez ali možnih zaporedij. Kar je naredil AlphaGo, ki je bil Googlov projekt, so ga naučili tako, da so ga sami predvajali. Igra proti igram, da ugotovi, katere so najboljše prakse in najboljša strategija. Iz tega procesa, to pravzaprav, stvari Chess and the Go so sprožile zanimanje Googla in Alphabet za reševanje teh problemov umetne inteligence in strojnega učenja. Trajalo bi veliko časa, da bi pregledali vse stvari, ki jih Google in Alphabet poskušata narediti na področju AI in strojnega učenja, ker imata številne projekte. Ampak samo enega od teh sem želel izpostaviti.



časovna vrednost opcije

DeepMind je ime hčerinske družbe Alphabet, podobno kot je Google podružnica Alphabet, je DeepMind podružnica Alphabet, ki se posebej ukvarja z umetno inteligenco in strojnim učenjem. Google to obrne na vprašanje zlaganja beljakovin. To je zelo specifičen proces v biotehnologiji. Ko se beljakovina oblikuje iz množice aminokislin, vzame te aminokisline, ki so vse oblikovane kot volnene niti volnene verige, in jih zloži ter jih oblikuje v tovrstno 3D strukturo. Podobno kot bi držal kos papirja v origami ptico ali drugo žival. Stvar je v tem, da uporablja številne enake imunske kisline, lahko jih oblikuje v te strukture, vendar vsaka struktura določa, kaj lahko ta beljakovina naredi. Pomislite na to, da bi lahko vzeli isti kos papirja in ga zložili v številne živali Origami. Enako velja za beljakovine.

Vendar, če so vaše beljakovine nekoliko manjše, če se le malo narobe zložijo, lahko povzročijo številne genetske težave, vključno s stvarmi, kot je cistična fibroza. To je posledica beljakovine, ki se tvori nekoliko drugače. Trajajo lahko leta in tone in tone denarja in raziskav, da bi poskušali analizirati strukturo posameznega proteina in ga zložiti ter napovedati, kako bo deloval v laboratoriju.

Alphabetov DeepMind se je odločil, da bo poskušal rešiti to težavo v letu 2016, z umetno inteligenco začnejo delati leta 2016. Leta 2018 imajo ta program, imenovan AlphaFold, komaj izžreba na bienalnem denarnem tekmovanju, ki je bienalno tekmovanje za ogled če lahko napovemo, kako se bodo beljakovine oblikovale na podlagi aminokislin, ki gredo vanje, ki se v bistvu replicirajo z napovedmi teh let in let laboratorijskega dela in vsega tega denarja.



ali lahko zaslužite s trgovanjem z delnicami

Nato se je šele lani leta 2020 DeepMind vrnil z AlphaFold 2, dve leti pozneje, in v bistvu objavil, da je ta problem rešen, ker se je AlphaFold 2 lahko repliciral s preprostim modeliranjem napovedi. Bil je sposoben v bistvu ponoviti tisto, kar znanstveniki potrebujejo leta in leta, da naredijo v laboratoriju, ob pogledu na dejanske beljakovine. Lahko je napovedal: 'Da, tako bo izgledalo.' To ima neverjetne posledice za biotehnologijo in genetsko delo ter druga področja zdravljenja bolezni in stanj. To je dobesedno ena stvar, ki jo počneta Google in Alphabet iz več deset stvari, ki jih počneta na tem področju.



^