只有一个懒惰的作者没有在Geektimes撰写有关DeepMind的文章。 该公司在AI领域的其他组织中所取得的成就确实使其脱颖而出。 最著名的项目DeepMind-AI，专门从事围棋游戏。 目前，该系统可能是世界上最熟练的围棋选手-无论是在人与车之间。
但是，围棋游戏只是对AI功能的展示，而不是公司的唯一项目。 她目前正在将AI的弱形式教给导航的智慧。 在实现预期目标的过程中，通常在环境中进行定向的方法包括通过对接收到的信息进行分析，不断评估周围一个人（或动物）周围的事物。 DeepMind专家开发了一组神经网络，这些神经网络经过训练可以在像老鼠一样的正方形平台上移动。
我们谈论的是老鼠在同一地点移动。 该计算机系统接收到有关老鼠速度，主要运动方向，与墙壁的距离以及所有其他参数的数据。 基于这些数据，AI开发了一种实际上类似的运动方法，并且不是自发的，它是基于老鼠在太空中导航时使用的某些因素。
有趣的是，计算机系统已经开发出用于导航的特殊层，其操作原理类似于工作原理，该原理负责在空间中定向哺乳动物的大脑。
在人类中，这是由几组细胞引起的。 这些神经元在一个人经过他先前遇到的物体时被激活。 这些神经元位于海马体（大脑的一部分，负责记忆的形成和信息的存储）中。 据人们判断，专门的单元格为此而突出。 这些单元格的位置显示在公告图像中。
DeepMind专家认为，训练过程中的神经网络形成的结构类似，只是数字的，而不是物理的。 该公司还声称，只有形成这种结构的神经网络才能在复杂的环境中正常导航-不仅在正方形地点，而且在具有多个房间的建筑物中。 此外，如果发生某些变化（例如，门关闭或家具移动），则神经网络可以使其路径适应这种复杂的环境。
根据项目的结果，可以得出一些结论。 例如，其中一种-由动物开发的空间定向方法是最佳的。 海马神经元是在特定位置停留较长时间后记住路径并为已知对象铺平道路的好方法。
在某些情况下，似乎不仅生物系统，而且数字系统也都采用了类似的解决方案。
DOI：
10.1038 / s41586-018-0102-6
