谷歌合并Brain和DeepMind，加速人工智能技术研究（谷歌合并Brain和DeepMind，加速人工智能技术研究）

电子发烧友网报道（文/李弯弯）日前，谷歌母公司Alphabet表示合并旗下两个主要的人工智能研究部门——Google Brain（谷歌大脑）和DeepMind。新部门名为Google DeepMind，将由DeepMind的联合创始人兼首席执行官Demis Hassabis领导。

同时，Brain团队的联合创始人Jeff Dean将接任谷歌研究院（Google Research）和Google DeepMind首席科学家一职。谷歌表示，Dean将领导该公司“与AI有关的最关键和最具战略性的技术项目”，包括一系列新的强大AI项目。

一直以来，谷歌都走在人工智能开发浪潮的前沿，引领着人工智能技术的应用。谷歌大脑是谷歌公司内部的一个重要项目，旨在推动人工智能的研究和发展。该项目始于2011年，由谷歌工程师Andrew Ng创立。

谷歌大脑项目在深度学习领域做出了很多重要贡献。他们提出了一系列先进的神经网络模型和算法，如深度置信网络（DBN）、卷积神经网络（CNN）和循环神经网络（RNN）等，这些技术的应用已经广泛地应用于图像识别、语音识别和自然语言处理等领域。

大家熟知的TensorFlow，最初就是由谷歌大脑团队开发，用于Google的研究和产品生产，于2015年11月9日开源发布。TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习。目前TensorFlow被50个团队用于研究和生产许多谷歌的商业产品，例如语音识别、谷歌邮箱、谷歌相册和谷歌的搜索引擎。

DeepMind是一家AI初创公司，成立于2010年，由著名 AI 研究者、游戏设计师 Demis Hassabis 等人联合创立，致力于将机器学习和系统神经科学的最先进技术结合起来，建立强大的通用学习算法。最初成果主要用于模拟、游戏开发等领域。

2014年，谷歌以 6 亿美元的价格收购了 DeepMind。2016 年 3 月，DeepMind 开发的 AI 程序 AlphaGo 以 4:1 击败韩国围棋冠军李世石，成为近年来 AI 领域的里程碑事件。

在长期人工智能技术研究积累下，2017年，谷歌提出了Transformer 模型，这是一种采用自注意力机制的深度学习模型，旨在处理自然语言等顺序输入数据，可应用于翻译、文本摘要等任务，可并行处理输入数据的优势，使得它成为了自然语言处理问题的首选模型，这也促成了BERT、GPT等预训练模型的发展。

Transformer模型推出一年后，谷歌在2018年发布了BERT（Bidirectional Encoder Representations from Transformers），翻译过来是“基于变换器的双向编码器表示技术”，是一种用于自然语言处理的预训练技术。

2021年，谷歌又发布了两项更强的 AI 技术，分别是对话应用语言模型 LaMDA （Language Model for Dialogue Applications） 和多任务统一模型 MUM （Mutitask Unified Model）。LaMDA 和 MUM 和 BERT、GPT一样，都是基于 Transformer 模型。

LaMDA像是一个对话机器人，MUM是加强版的BERT，性能提高1000倍，还是个多模态学习模型，意味着它不仅可以输入文字，还能理解图片、音频甚至视频。

可以看到，在过去十几年时间里，谷歌一直引领人工智能技术发展。然而，直到2022年11月，OpenAI推出的ChatGPT横空出世，格局由此被打破。

尤其是谷歌在搜索领域的竞争对手微软，作为OpenAI的投资方，率先使用ChatGPT升级了必应搜索引擎，及办公软件，这让谷歌感觉到了危机。

今年2月，谷歌母公司Alphabet宣布推出Bard，旨在与ChatGPT竞争。不过，由于Bard在一段宣传视频中分享了不准确的信息，而未能给谷歌带来积极影响。

此次，谷歌合并两个主要的人工智能研究部门——Google Brain（谷歌大脑）和DeepMind的举措，也正是为了能够加快公司在人工智能领域的行进步伐。

该公司首席执行官桑达尔·皮查伊（Sundar Pichai）发布博客称，此举汇集了谷歌在人工智能领域的两个领先研究小组，在过去十年中，其在人工智能领域的成就涵盖了AlphaGo、Transformers、深度强化学习和分布式系统和软件框架等。皮查伊认为，在谷歌计算资源的支持下，将所有人才整合到一个团队中，将能够显著加快公司在AI方面的进步。

目前来看，虽然谷歌推出的Bard不及ChatGPT影响力大，然而可以看到，谷歌在人工智能各方面都有深厚积累，包括芯片、计算资源、软件、模型算法等等。如今，谷歌将两个主要的人工智能部门合并，集中人力，重点发力人工智能研究，未来的进展值得期待。