我们与学术界合作推进人工智能领域
当我在90年代中期作为本科生学习时，推动数学和科学界限的学术界与许多学生最终进入的行业（如金融）之间几乎没有积极的接触。这让我感到错失良机。虽然私立机构受益于大学研究人员推动的技术进步，但随后他们所做的突破很少能在两者之间互惠互利。
相比之下，我们经常将DeepMind的研究环境称为混合文化，将学术界的长期科学思维与最佳初创企业的速度和重点相结合。考虑到我们团队中有多少人来自这个背景，以及机器学习背后的许多核心理念是由杰夫·辛顿等学术先驱发明和发展的事实，这与学术界的一致性对我们个人来说一直很重要。和Rich Sutton。
这是我们公开发表我们的研究的一个主要原因 - 包括迄今为止超过100篇同行评审的论文 - 并定期出现在NIPS等全行业的会议上。上个月在巴塞罗那，我们发表了20篇论文，参加了42个海报会议，进行了21次会谈，并开源了我们的旗舰DeepMind Lab研究平台 - 还有更多的未来。
我们还希望为学术学习和培训下一代机器学习从业者做出更直接的贡献，因此，从本月开始，我们将运行一个名为Masters的最先进的培训模块伦敦大学学院（UCL）计算机科学系机器学习高级主题。在DeepMind的Thore Graepel的带领下，其他受邀的演讲者将包括跨领域的研究人员，如深度学习，强化学习，自然语言理解等。 Hado van Hasselt，Joseph Modayil，Koray Kavukcuoglu，Raia Hadsell，James Martens，Oriol Vinyals，Shakir Mohamed，Simon Osindero，Ed Grefenstette和Karen Simonyan将加入Volodymyr Mnih，David Silver和Alex Graves--他们也是第一个DeepMind的三篇自然论文的作者。
1月也开始了牛津大学计算机科学系自然语言处理深度学习高级课程。这个应用课程侧重于使用递归神经网络分析和生成语音和文本的最新进展，由Phil Blunsom与DeepMind语言研究小组合作领导，并向四年级本科生，硕士和第一年DPhil（PhD）学生开放。除了我们的团队成员经常教授的国际暑期学校之外，这两门课程都是在这里举办的，今年在德国，中国和南非以及其他地方举办的活动也是如此。
我们还确保来到这里工作的人可以继续为学术界做出个人贡献。我们的一些团队还隶属于各种机构，包括伦敦大学学院，牛津大学，剑桥大学，麻省理工学院以及弗莱堡大学和里尔大学等。
最后，我们认为对于这个领域来说，尽可能多的蓬勃发展的独立学术机构是非常重要的。这就是为什么我们为几个研究实验室和他们的博士生提供赞助，以他们选择的方式追求自己的研究重点，包括阿尔伯塔大学，蒙特利尔大学，阿姆斯特丹大学，伦敦大学学院盖茨比分校，纽约大学和牛津大学，和其他人。
我们认为公司研究实验室和学术界之间的联系是人工智能未来的核心。通过继续分享人才，专业知识和突破 - 不仅仅是技术主题，还包括围绕道德，安全和社会影响的更广泛的问题 - 我们相信我们都将在人工智能及其应用的发展方面取得更好的进展为了积极的社会福利。
