A társaság a mesterséges intelligenciával kapcsolatos kutatásfejlesztési tevékenységek egyik élharcosa, ők fejlesztették többek között a 2010-es évtized közepén a go világranglista-vezetőt legyőző AlphaGo-t, aminek köszönhetően világhírűvé váltak. Sokak szerint, ha valahol, akkor a DeepMind műhelyeiben juthatunk közel az emberi szintű általános mesterséges intelligenciához.
A mesterséges intelligencia mai alkalmazásainak zöme persze kevésbé látványos és kisebb hírértékű, mint AlphaGo, viszont sokuk anyagiakban is kifejezhető konkrét haszonnal kecsegtet. A fejlesztőcégek jelentős része a klímakatasztrófa elodázása elleni küzdelemben szintén játszik valamilyen szerepet.
Okostelefon-elemtől a Google adatközpontjáig
Évek óta foglalkoznak energiatakarékos, fenntartható technológiákkal, mesterséges intelligenciáikat a környezetvédelemben is igyekeznek hasznosítani. 2016-ban például az energiafogyasztás csökkentésére és ezzel párhuzamosan, a megújuló energiák hatványozottabb felhasználására találtak ki gépi megoldásokat.
Abból indultak ki, hogy elemeink tartják appjainkat mindig „naprakész” állapotban, csakhogy közben sok energiát elpazarolnak. Ehelyett az MI inkább mondja meg: melyik alkalmazást fogjuk hamarosan használni, és melyiket csak napok múlva. Ezt tudva, az elemfogyasztás is racionalizálható.
A DeepMind mélytanulás-technikáját okostelefonok mellett a Google adatközpontjaira is alkalmazták, és kiderült: a hűtéshez szükséges energiák akár negyven százaléka megspórolható vele.
Hűt az MI
A londoni cég és a Trane Technologies vezérlőrendszer-gyártó együttműködésének eredménye az épületek hűtését irányító/szabályozó mesterséges intelligencia. Az MI a mindenkori időjárást figyelembe véve, minimális energiahasználat mellett igyekszik elérni, hogy a lakók mindig kényelmesen érezzék magukat.
A megoldást egyetemi kampuszépületekben – köztük lakásokban, éttermekben, boltokban – tesztelték, ottani adatokon gyakoroltatták. Ezek az adatok az épületek szabvány hűtőrendszerének működésére vonatkoznak, maximum egyévesek voltak.
Az MI többek között olyan tényezőkkel dolgozott, mint az időjárás-mintázatok és a hűtési igények változása. Minden egyes döntéséhez a lehetséges kimenetekre vonatkozó pontszámokat generált, amelyek a folyamatosan figyelt tényezőkön alapultak. A kutatók elégedettek, mert a három hónapos periódusban az MI kilenc-tizenhárom százalék közötti energiatakarékoskodásra késztette a hűtőrendszert.
