Google DeepMind არის ხელოვნური ინტელექტის კვლევითი ორგანიზაცია Alphabet-ის (Google-ის მშობელი კომპანიის) შიგნით, რომელიც ქმნის Gemini მოდელების ოჯახს და წარმართავს Google-ის წამყვან AI კვლევების დიდ ნაწილს. მისი დღევანდელი სახე ჩამოყალიბდა 2023 წლის აპრილში, როცა Google-მა გააერთიანა ორი საკუთარი AI ჯგუფი — DeepMind, ლონდონში დაფუძნებული ლაბორატორია, ცნობილი AlphaGo-თი და AlphaFold-ით, და Google Brain, გუნდი, რომელმაც შექმნა Google-ის გამოყენებითი ღრმა სწავლების დიდი ნაწილი — ერთ ორგანიზაციად, DeepMind-ის თანადამფუძნებლის, დემის ჰასაბისის ხელმძღვანელობით.
ორი ლაბორატორია — ერთი ორგანიზაცია
DeepMind დაფუძნდა ლონდონში 2010 წელს დემის ჰასაბისის, შეინ ლეგისა და მუსტაფა სულეიმანის მიერ, ზოგადი დანიშნულების ხელოვნური ინტელექტის შექმნის მიზნით. Google-მა ლაბორატორია შეისყიდა 2014 წელს დაახლოებით 400–650 მილიონ დოლარად, და წლების განმავლობაში ის Alphabet-ის შემადგენლობაში ნახევრად დამოუკიდებლად ფუნქციონირებდა — აქვეყნებდა კვლევებს და ატარებდა ექსპერიმენტებს, როგორიც იყო AlphaGo, მომხმარებელზე ორიენტირებული პროდუქტების შექმნის ნაცვლად.
Google Brain, დაფუძნებული 2011 წელს, საპირისპირო გზას ადგა: ის პირდაპირ Google-ის შიგნით მუშაობდა, ღრმა სწავლებას ნერგავდა ძიებაში, თარგმანსა და ფოტოებში, და მისმა მკვლევარებმა შექმნეს ტრანსფორმერი — ნეირონული ქსელის არქიტექტურა, რომელსაც ეფუძნება თითქმის ყველა თანამედროვე ჩატბოტი. 2023 წლის აპრილში, OpenAI-ის ChatGPT-ისგან მოსული კონკურენციის ფონზე, Google-მა ორივე ჯგუფი გააერთიანა ერთ ორგანიზაციად — Google DeepMind — ჰასაბისის ხელმძღვანელობით.
რა შექმნა ლაბორატორიამ
DeepMind-ის განმტკიცებითი სწავლების (reinforcement learning) კვლევებმა შექმნა AlphaGo, რომელმაც 2016 წელს დაამარცხა გოს მსოფლიო ჩემპიონი ლი სედოლი — შედეგი, რომელსაც ბევრი მკვლევარი კიდევ ათწლეულის შემდეგ ელოდა, რადგან გო ძალიან ინტუიციური მიიჩნეოდა უხეშად ძლიერი გამოთვლებისთვის. შემდგომმა სისტემებმა ეს მიდგომა განაზოგადეს: AlphaZero-მ ჭადრაკის, შოგისა და გოს თამაშს ნულიდან ისწავლა, მხოლოდ წესების ცოდნით, ხოლო AlphaStar-მა ადამიანის საუკეთესო დონეს მიაღწია რეალურ დროში სტრატეგიულ თამაშ StarCraft II-ში. ამ მიმართულებამ მოგვცა AlphaFold — სისტემა, რომელიც ცილის სამგანზომილებიან ფორმას წინასწარმეტყველებს მისი ამინომჟავების მიმდევრობით, წუთებამდე ამცირებს რა ამოცანას, რომლის ლაბორატორიულად გადაწყვეტა ადრე თვეებს მოითხოვდა. AlphaFold-ის გავლენა იმდენად მნიშვნელოვანი აღმოჩნდა, რომ ჰასაბისმა და მისმა კოლეგამ ჯონ ჯამპერმა 2024 წლის ქიმიის ნობელის პრემიის ნახევარი გაინაწილეს.
2023 წლის გაერთიანების შემდეგ, ორგანიზაციის ყველაზე ხილვადი პროდუქტია Gemini — Google-ის მულტიმოდალური AI მოდელების ოჯახი — ვიდეოგენერაციის, მუსიკისა და ამინდის პროგნოზირების სპეციალიზებულ სისტემებთან ერთად. Gemini დღეს საფუძვლად უდევს Gemini აპლიკაციას, Google Search-ის AI მიმოხილვებს და Google Cloud-ის მეშვეობით გაყიდულ ინსტრუმენტებს — გადასვლა DeepMind-ის წმინდა კვლევითი წარსულიდან მილიარდობით ადამიანის მიერ გამოყენებულ პროდუქტებზე. Gemini-ს მუშაობის შესახებ მეტი წაიკითხეთ ჩვენს Gemini-ის ახსნაში.
სად ჯდება AI-ის რბოლაში
Google DeepMind ექვემდებარება Alphabet-ს, ჰასაბისი კი მისი აღმასრულებელი დირექტორია — ეს სტრუქტურულად განასხვავებს მას ორი მთავარი კონკურენტისგან: OpenAI-სგან, ChatGPT-ის შემქმნელისგან, და Anthropic-სგან, Claude-ის შემქმნელისგან — ორივე დამოუკიდებელი კომპანია, დიდი ტექ-კორპორაციის ნაწილის ნაცვლად. სამივე ლაბორატორია დღეს ერთსა და იმავე მიმართულებით კონკურენციას ეწევა — ზოგადი დანიშნულების მოდელები, კოდირების ასისტენტები და კორპორაციული AI ინსტრუმენტები — და თითოეული საკუთარ უსაფრთხოების ვალდებულებებს აქვეყნებს იმის შესახებ, რამდენად შორს წაიღებს მოდელის შესაძლებლობებს გარე შემოწმებამდე.
Google DeepMind-ისთვის ეს ვალდებულება ფორმალიზებულია Frontier Safety Framework-ში, პირველად გამოქვეყნებულში 2024 წელს — დოკუმენტში, რომელიც განსაზღვრავს იმ შესაძლებლობების ზღვარს (მაგალითად, ბიოლოგიური ან კიბერიარაღის შექმნაში დახმარება), რომლის მიღწევისასაც მოდელს დამატებითი გარანტიები ესაჭიროება გამოშვებამდე. ლაბორატორიამ ბიოუსაფრთხოების შეფასების მიმართულება გააფართოვა მოდელების შესაძლებლობების ზრდის პარალელურად.
სიახლეებში
ეს უსაფრთხოების ვალდებულებები საჯარო დაძაბულობაში აღმოჩნდა 2026 წელს, როცა DeepMind-ის ალაინმენტის მკვლევარმა თანამდებობა დატოვა პენტაგონთან გაფორმებული კონტრაქტის გამო, რომელიც აშშ-ის სამხედროებს Gemini-ზე ფართო წვდომას აძლევდა — მისი პოზიციით, გარიგებას აკლდა სისტემის გამოყენების აღსრულებადი გარანტიები. ეს ეპიზოდი ცხადყოფს დაძაბულობას, რომლის წინაშეც დღეს ყველა წამყვანი AI ლაბორატორია დგება: უსაფრთხოების პრინციპების გამოქვეყნება ერთია, ხოლო გადამხდელი კლიენტისთვის მათი დაცვის უზრუნველყოფა მოდელის გამოშვების შემდეგ — სულ სხვა.