Осознание ученых – настоящие супергерои

Познакомьтесь с Эдгаром Дуесесом-Гузманом, инженером-исследователем нашей многоагентной исследовательской группы, которая опирается на теорию игр, информатики и социальную эволюцию, чтобы агенты искусственного интеллекта работали лучше вместе.

Что привело вас к работе в информатике?

Я хотел спасти мир с тех пор, как помню. Вот почему я хотел быть ученым. Хотя я любил истории о супергероях, я понял, что ученые – настоящие супергерои. Это те, кто дает нам чистую воду, медицину и понимание нашего места во вселенной. В детстве я любил компьютеры и любил науку. Выросший в Мексике, я не чувствовал, что изучение компьютерных наук было возможным. Итак, я решил изучить математику, рассматривая ее как прочную основу для вычислений, и в итоге я занимался учебной тезисами в теории игр.

Как ваши исследования повлияли на вашу карьеру?

В рамках моего доктора наук в области компьютерных наук я создал биологические симуляции и в конечном итоге влюбился в биологию. Понимание эволюции и то, как она сформировала Землю, было волнующим. Половина моей диссертации была в этих биологических симуляциях, и я продолжал работать в академических кругах, изучая эволюцию социальных явлений, таких как сотрудничество и альтруизм.

Оттуда я начал работать в поисках в Google, где научился иметь дело с массовыми масштабами вычислений. Спустя годы я собрал все три части: теория игр, эволюция социального поведения и крупномасштабные вычисления. Теперь я использую эти произведения для создания искусственно интеллектуальных агентов, которые могут научиться сотрудничать между собой и с нами.

Что заставило вас решить обратиться в DeepMind по сравнению с другими компаниями?

Это была середина 2010-х годов. Я следил за ИИ уже более десяти лет, и я знал о DeepMind и о некоторых из их успехов. Затем Google приобрел его, и я был очень взволнован. Я хотел, но я жил в Калифорнии, и Deepmind нанимал только в Лондоне. Итак, я продолжал отслеживать прогресс. Как только офис открылся в Калифорнии, я был первым в очереди. Мне повезло, что меня наняли в первой когорте. В конце концов я переехал в Лондон, чтобы провести исследование на полную ставку.

Что вас больше всего удивило в работе в DeepMind?

Как смехотворно талантливые и дружелюбные люди. У каждого человека, с которым я разговаривал, также есть захватывающая сторона вне работы. Профессиональные музыканты, артисты, супер-байкеры, люди, которые появились в голливудских фильмах, олимпиадах по математике-вы называете это, у нас есть! И мы все открыты и привержены тому, чтобы сделать мир лучше.

Как ваша работа помогает DeepMind оказать положительное влияние?

В основе моего исследования – создавать интеллектуальных агентов, которые понимают сотрудничество. Сотрудничество является ключом к нашему успеху как вида. Мы можем получить доступ к информации мира и связаться с друзьями и семьей на другом мире из -за сотрудничества. Наша неспособность решить катастрофические эффекты изменения климата является неспособностью сотрудничества, как мы видели во время COP26.

Что самое лучшее в вашей работе?

Гибкость, чтобы преследовать идеи, которые я считаю наиболее важными. Например, я бы хотел помочь использовать нашу технологию для лучшего понимания социальных проблем, таких как дискриминация. Я представил эту идею группе исследователей с опытом в области психологии, этики, справедливости, нейробиологии и машинного обучения, а затем создал исследовательскую программу для изучения того, как может возникнуть дискриминация в стереотипах.

Как бы вы описали культуру в DeepMind?

DeepMind-одно из тех мест, где свобода и потенциал идут рука об руку. У нас есть возможность преследовать идеи, которые, по нашему мнению, важны, и есть культура открытого дискурса. Нередко заражать других своими идеями и сформировать команду, которая делает это реальностью.

Вы являетесь частью каких -либо групп в DeepMind? Или другие действия?

Я люблю участвовать в внеклассных занятиях. Я являюсь посредником семинаров по союзнику в DeepMind, где мы стремимся дать участникам возможность принять меры для позитивных изменений и поощрять союзник в других, способствуя инклюзивному и справедливому рабочему месту. Я также люблю делать исследования более доступными и разговаривать со студентами. Я создал общедоступные учебные пособия для объяснения концепций ИИ подросткам, которые использовались в летних школах по всему миру.

Как ИИ может максимизировать его положительное влияние?

Чтобы оказать наиболее положительное влияние, просто должно быть то, что преимущества разделяются широко, а не хранятся крошечным количеством людей. Мы должны разрабатывать системы, которые расширяют возможности людей и демократизируют доступ к технологиям.

Например, когда я работал над Wavenet, новым голосом помощника Google, я чувствовал, что было бы здорово работать над технологией, которая теперь используется миллиардами людей, в поиске Google или картах. Это хорошо, но потом мы сделали что -то лучше. Мы начали использовать эту технологию, чтобы вернуть их голос людям с дегенеративными расстройствами, такими как ALS. Всегда есть возможности сделать добро, мы просто должны их взять.

С какими самыми большими проблемами сталкивается ИИ?

Есть как практические, так и социальные проблемы. С практической стороны мы усердно работаем, пытаясь сделать наши алгоритмы более надежными и адаптируемыми. Как живые существа, мы принимаем надежность и адаптивность как должное. Немного изменение расположения мебели не заставляет нас забывать, для чего для холодильника. Искусственные системы действительно борются с этим. Есть некоторые многообещающие лиды, но у нас еще есть путь.

Что касается социальной стороны, нам нужно коллективно решить, какой ИИ мы хотим создать. Мы должны убедиться, что все, что сделано, безопасно и полезно. Но это особенно сложно достичь, когда у нас нет идеального определения того, что это значит.

Какие проекты DeepMind вы считаете наиболее вдохновляющими?

Прямо сейчас я все еще еду на максимуме Alphafold, нашего алгоритма смещения белка. У меня есть опыт в биологии и понимаю, насколько многообещающим прогнозирование структуры белка может быть для биомедицинских применений. И я особенно горжусь тем, как DeepMind выпустил структуру белка всех известных белков в организме человека в глобальных наборах данных, и теперь выпустил почти все каталогизированные белки, известные науке.

Какие -нибудь советы для начинающих глубоковод?

Будьте игривым, будь гибким. Я не мог бы оптимизировать для карьеры, ведущей к DeepMind (не было даже глупости, чтобы оптимизировать!), Но то, что я мог сделать, всегда позволило себе мечтать о потенциале технологии, создании интеллектуальных машин и улучшения мир с ними.

Программирование волнует само по себе, но для меня это всегда было скорее средством для достижения цели. Это то, что позволило мне оставаться в курсе, когда технологии приходили и уходили. Я не был привязан к инструментам, я был сосредоточен на миссии. Не сосредотачивайтесь на «что», но на «почему», и «как» будет проявляться.