DeepMind es una división de Alphabet, Inc. encargada de desarrollar tecnología de inteligencia artificial de propósito general (AGI). Esta tecnología también es conocida como Google DeepMind.
¿Qué hace DeepMind?
DeepMind utiliza datos de píxeles en bruto como entrada y aprende a partir de la experiencia. La IA utiliza el aprendizaje profundo en una red neuronal convolucional, con una técnica de aprendizaje por refuerzo sin modelo llamada Q-learning.
Mientras que la idea de una inteligencia artificial de propósito general es controvertida, Google se propuso establecer y mejorar su propiedad de IA en una amplia variedad de campos. La tecnología de DeepMind ha sido desafiada para aprender juegos por sí misma. Por ejemplo, cuando se le asignó vencer a la biblioteca de juegos de Atari, aprendió a comprender los juegos sin cambiar el código. Con el tiempo, la IA pudo jugar los juegos mejor y con más eficiencia que los humanos.
Al empujar los límites de la IA, DeepMind se propuso derrotar al juego de mesa Go. Go es un desafío computacional para la IA, en gran parte debido a la complejidad de elegir entre la inmensa cantidad de movimientos posibles en el juego. DeepMind desarrolló un proyecto especial llamado AlphaGo, un programa de computadora diseñado para jugar al juego de mesa. Después de numerosas versiones de modelos de IA de aprendizaje supervisado, AlphaGo superó al jugador número 1 del entorno en 201En el mismo año, DeepMind lanzó una nueva versión llamada AlphaGo Zero, utilizando aprendizaje por refuerzo no supervisado, que superó consistentemente a las versiones anteriores del programa.
Fuera de los juegos, DeepMind se utilizó para mejorar la eficiencia energética en los centros de datos ya optimizados de Google. DeepMind logró mejorar los esfuerzos de los especialistas anteriores en un 15%, lo que representa una reducción del 40% en los costos de enfriamiento. También se ha utilizado en el desarrollo de Google Assistant y ayuda a crear recomendaciones personalizadas de aplicaciones en Google Play.
¿Cómo gana dinero DeepMind?
A mucho antes de que OpenAI sorprendiera al entorno con ChatGPT, existía DeepMind.
Fundada en 2010 en Londres, construyó un equipo de investigadores seleccionados de las mejores universidades del Reino Unido, quienes desde entonces han sido pioneros en algunos de los avances más destacados del entorno en IA, como el sistema de predicción de estructuras de proteínas AlphaFold en 2020 y el jugador de juegos de mesa que derrota a campeones AlphaGo en 201
En 2014, Google la adquirió por $400 millones, una de las adquisiciones tecnológicas más grandes de Europa en ese momento.
Y hasta hace poco, operaba en gran medida de forma independiente, disfrutando del acceso a los recursos financieros y de hardware de su empresa matriz, y la libertad de realizar investigaciones de vanguardia en modelos generativos, aprendizaje por refuerzo, robótica, seguridad y plegamiento de proteínas. En 2021, la compañía creó Isomorphic Labs, un laboratorio independiente dedicado a aplicar técnicas de plegamiento de proteínas al descubrimiento de medicamentos.
Pero ahora, a medida que otras grandes empresas de tecnología como Meta, Microsoft y Amazon apuestan fuerte por la IA, Google se ha dado cuenta de que la carrera está en marcha. En abril, anunció que su laboratorio interno de IA, Google Brain, se fusionaría con DeepMind. Su objetivo: ganar la carrera por construir la primera inteligencia artificial general (AGI) del entorno.
Ahora, con la competencia de openai, y la realización de que agi va a ser quizás el producto más rentable del entorno, no es seguro que google sea quien llegue allí, dice un antiguo ingeniero de investigación de DeepMind, que pidió mantenerse en el anonimato.
El primer resultado de esta fusión de recursos para mantenerse a la vanguardia parece ser Gemini, un gran modelo de lenguaje que está impulsado por algunas de las técnicas de resolución de problemas que se utilizaron en AlphaGo. Se espera que se lance en los próximos meses.
Al mismo tiempo, Google se enfrenta a una nueva economía de IA en la que los mejores investigadores de IA tienen más opciones que nunca, ya sea para construir su propio proyecto o unirse a uno de los varios laboratorios de IA bien financiados con enormes recursos, y cada vez más eligen explorar estas opciones.
De la investigación a las ganancias
La fusión de Google con DeepMind es una gran transformación para una empresa que es única en el campo de la IA y pasó gran parte de la década de 2010 contratando a las mentes más brillantes del aprendizaje automático de las mejores universidades de Europa.
Lo que hizo deepmind fue comprar a la academia... se llevó a muchos de los mejores profesores y graduados, quienes de otra manera habrían ingresado a la academia, y construyó este centro de investigación, dice un ex empleado que trabajó con el equipo de ética. la premisa inicial era que solo investigarían, no se trataba de ganar dinero.
En 2022, DeepMind fue responsable del 12% de los artículos de investigación de IA más citados publicados a nivel mundial, superando a Microsoft, Stanford y UC Berkeley, y solo Meta y Google tuvieron un mayor impacto en la investigación, según una investigación de la startup de búsqueda de IA Zeta Alpha.
DeepMind genera ingresos vendiendo servicios internamente dentro del Grupo Alphabet, así como a través de contratos externos, como una asociación con el Servicio Nacional de Salud de Gran Bretaña. Ha sido rentable desde 2020, pero vio cómo se reducían sus márgenes en sus últimos informes financieros.
Aquí es donde entra en juego Gemini. Con OpenAI en camino de generar más de $1 mil millones en ingresos en 2023 a partir de sus LLM, Google quiere lanzar algo más grande y mejor.
El hecho de que Gemini se construirá utilizando técnicas de AlphaGo, el AI de juego que venció a un campeón humano de Go en 2016, sugiere que podría terminar siendo más poderoso y útil que el GPT-4 de OpenAI. Esto se debe a que el modelo combinará las capacidades de predicción estadística a través de LLM con las capacidades de resolución de problemas del aprendizaje por refuerzo (el enfoque de aprendizaje automático utilizado en AlphaGo).
Google también tiene una gran cantidad de recursos de potencia informática (conocidos como cómputo en la industria de la IA) a su disposición. El acceso a chips especializados para el entrenamiento de IA es un factor clave para entrenar modelos potentes, y el sitio de noticias de semiconductores SemiAnalysis describió recientemente a Google como la compañía más rica en cómputo del entorno.
La publicación estima que la infraestructura de cómputo de la compañía será cinco veces más poderosa que la de OpenAI para fines de este año y 20 veces más potente para fines del próximo año.
¿Qué sigue?
Sin embargo, mientras Google DeepMind utiliza sus habilidades de modelo de lenguaje y aprendizaje por refuerzo para construir Gemini, surgen interrogantes sobre lo que significa la fusión para los investigadores que se centran en investigaciones más fundamentales que están más alejadas de la comercialización.
Los antiguos empleados dicen a Sifted que aún no está claro cómo el impulso de la productización de la investigación de DeepMind afectará a los equipos a largo plazo, pero algunos preferirían irse y comenzar su propio proyecto en lugar de esperar y ver.
El cambio hacia un enfoque más centrado en el producto hizo que la moral fuera baja entre algunas personas más en el lado de investigación fronteriza, dice Sid Jayakumar, fundador de la startup de IA GenAI, que pasó siete años en DeepMind.
Contratamos a muchos ingenieros e investigadores realmente buenos y experimentados a quienes básicamente les pedimos que replicaran un entorno académico dentro de la industria, lo cual era único en ese momento y lo que se necesitaba para construir cosas como alphago y alphafold.
Ya no es solo un entorno académico y, en mi opinión, es comprensible. pero si vienes de esa perspectiva [académica], piensas: 'esto no es genial, lo que nos contrataron para hacer ya no es la prioridad', agrega Jayakumar.
Un antiguo científico investigador dice a Sifted que una de las razones por las que dejó recientemente DeepMind fue que no estaba seguro de si los proyectos en los que trabajaba sobrevivirían al impulso de productizar la investigación del laboratorio.
Estábamos trabajando en cosas bastante fundamentales y no siempre está claro cómo eso sobrevive a un cambio, dice a Sifted. mi opinión personal era: '¿qué va a pasar con estos programas de investigación fundamentales cuando nos pidan tener más impacto comercial?'
Salida de talento
Para muchos ingenieros de IA, DeepMind sigue siendo un lugar destacado en el currículum, pero los principales investigadores están dejando la empresa para fundar sus propias empresas, en un número aparentemente creciente. Según el análisis de LinkedIn realizado por Sifted, dieciséis ex empleados de DeepMind lanzaron sus propias empresas en los últimos doce meses, en comparación con siete en el año anterior.
Entre los que recientemente dejaron la empresa se encuentran Cyprien de Masson d'Autume, cofundador de la empresa de investigación y productos de IA Reka AI, y Michael Johanson, cofundador de Artificial.Agency, una startup de IA con sede en Canadá que aún se encuentra en modo sigilo. Tanto de Masson d'Autume como Johanson se desempeñaron como investigadores senior en DeepMind.
La salida de los principales investigadores es una tendencia que refleja el historial de Google en retención de talento de IA, ya que muchos de los investigadores detrás de sus mayores avances han dejado la empresa. En los últimos ocho años, veinte investigadores principales que trabajaron en documentos destacados han pasado a fundar empresas como Character.AI, Cohere y Adept, o a trabajar en grandes laboratorios de IA como Meta, Hugging Face y Anthropic.
La pérdida más destacada de la compañía probablemente sea la de Arthur Mensch, cofundador de Mistral AI, la startup de IA con sede en París que recientemente recaudó una enorme ronda de financiación inicial de €105 millones y es considerada como una de las principales contendientes de Europa para construir LLM como GPT-
Recientemente, le dijo a Sifted que dejó DeepMind porque la compañía no era lo suficientemente innovadora, y Mistral lanzó su propio modelo de lenguaje en solo tres meses.
Otro ex investigador de DeepMind que se convirtió en fundador también le dijo a Sifted que, dado el rápido progreso en IA, dejó la empresa este año para lanzar una empresa que pudiera ser más ágil.
Como una gran organización cotizada, creo que hay mucha preocupación acerca de lanzar algo a los usuarios que no sea perfecto, dice a Sifted. puedes iterar mucho más rápido y obtener comentarios más rápido fuera [de google], y creo que esa fue mi principal motivación.
Los que no se han ido son constantemente contactados por reclutadores.
Hay muchas personas que están esperando el momento adecuado para trabajar en sus ideas y luego irse. tienes que entender que los investigadores de deepmind están siendo llamados por reclutadores que les dicen 'puedo conseguirte fácilmente un salario de $700,000 o $800,000', dice un inversionista cercano a la compañía.
Pero también hay muchos que quieren quedarse, dice el ex empleado Jayakumar.
El equipo de ia de google deepmind es el mejor y ha sido consistente. google nunca ha avanzado tan rápido y no recuerdo que se mostrara tanta urgencia como ahora... de hecho, estaría más preocupado si aún se centraran más en esa investigación de vanguardia y no se hubieran movido hacia la producción, agrega Jayakumar.
Sifted se puso en contacto con DeepMind para solicitar una entrevista y respuestas a los puntos mencionados en este artículo. La compañía declinó una entrevista, pero Dex Hunter-Torricke, jefe de comunicaciones de Google DeepMind, dice que el trabajo que realiza la compañía llega a miles de millones de personas a través de los productos de google y ofrece avances líderes en la industria en ciencia e investigación.
Si quieres conocer otras notas parecidas a Deepmind: la revolución de la ia y su impacto en google puedes visitar la categoría Inteligencia artificial.