DeepMind社 (G検定)

1. 定義と概要

DeepMind社（DeepMind Technologies）とは、2010年にデミス・ハサビス氏、シェーン・レッグ氏、ムスタファ・スレイマン氏の3名によって英国ロンドンで設立された人工知能研究企業です。設立からの資本関係と組織の移り変わりは、次のように整理できます。

年	できごと
2010年	デミス・ハサビス氏ら3名が英国ロンドンで設立
2014年	Googleが買収
2015年	Alphabet（Googleの持株会社で、GoogleやDeepMindなど複数の企業をまとめる親会社です）の完全子会社となる
2023年4月	Google社内の研究組織であるGoogle Brainチームと統合し、Google DeepMindという体制になる

買収、子会社化、統合という3つの節目を経て、現在はGoogleグループの中でAI研究を担う組織という位置づけになっています。

DeepMind社は設立当初から、ディープラーニングと強化学習（試行錯誤をとおして報酬を最大化する行動を学習する手法です）を組み合わせ、汎用的な問題解決能力を持つAIの実現を長期目標に掲げてきた経緯があります。

2013年に発表したDQN（Deep Q-Network、強化学習とディープラーニングを組み合わせ、ゲームなどの得点を最大化する行動を学習する手法です）は、Atari 2600のビデオゲームを画面のピクセル情報のみから学習しました。人間以上のスコアでプレイした成果は、深層強化学習（試行錯誤しながら報酬を最大化する行動を学習する強化学習に、ディープラーニングを組み合わせた分野です）という研究分野を切り開いたとされます。

この土台の上に、DeepMind社はゲームAIから科学研究まで応用範囲を広げてきました。2016年のAlphaGo（囲碁の対局を打つAI）を皮切りに、2017年のAlphaGo Zero・AlphaZero、2020年のAlphaFold（アミノ酸の並び方から、タンパク質の立体的な形を予測するAI）へと成果を重ねています。

2. 試験対策ポイント

まず整理しておきたいのは、DeepMind社が2013年に発表したDQNの位置づけです。DQNは、Q学習（試行錯誤をとおして得た経験から、状態ごとに最も高い報酬が期待できる行動を推定していく強化学習の手法です）にディープラーニングを組み合わせた深層強化学習の代表例にあたります。ゲーム画面のピクセル情報だけを入力として学習した点が、強化学習分野であわせて整理しておきたい論点です。

DeepMind社が研究開発を手がける企業そのものを指すのに対し、AlphaGoはその企業が生み出した個別の技術・成果を指します。囲碁AIのAlphaGo、AlphaGo Zero、AlphaZeroは、いずれもDeepMind社が開発した一連の成果です。

3つのモデルの違いは、学習方法と対応するゲームの範囲という二つの観点で並べると見通しがよくなります。

モデル	発表年	学習方法	対応するゲーム
AlphaGo	2016年	人間の棋譜を使った教師あり学習（正解データを与えて入力と出力の関係を学習させる手法です）を経たうえで、自己対戦（AI同士が対戦を繰り返しながら強くなっていく学習方法です）による強化学習を重ねる	囲碁
AlphaGo Zero	2017年	人間の棋譜を使わず、自己対戦のみで学習する	囲碁
AlphaZero	2017年	人間の棋譜を使わず、自己対戦のみで学習する	囲碁に加えて将棋やチェス

AlphaZeroは、囲碁専用だったAlphaGo Zeroの仕組みを将棋やチェスにも対応できるよう一般化したモデルです。学習方法と対応ゲームの範囲という二つの観点は、取り違えやすい点です。

組織としての変遷も論点のひとつです。2023年4月のGoogle Brainチームとの統合によってGoogle DeepMindという体制になった点は、Googleグループ内でのAI研究組織の位置づけとしてあわせて整理しておきたいところです。

加えて、タンパク質の立体構造を予測するAlphaFoldは、2020年に50年来の課題とされたタンパク質の折りたたみ構造の予測問題を解決したと評価されました。開発を主導したデミス・ハサビスCEOらは2024年のノーベル化学賞を受賞しています。ゲームAI以外の科学分野への応用例として押さえておきたいポイントです。

3. 関連概念との比較・相違点

OpenAIとの最大の違いは、設立の経緯と組織形態にあります。DeepMind社は2010年に英国で設立され2014年にGoogleに買収された企業であるのに対し、OpenAIは2015年に米国で非営利団体として設立された経緯を持ちます。

両社とも強化学習や大規模モデルの研究で知られていますが、出自の異なる組織である点は取り違えやすいところです。研究テーマが近いことと、組織の成り立ちが近いことは別だと切り分けておくと混乱を避けられます。

Google Brainチームとの違いは、統合前の位置づけにあります。Google Brainチームはもともと大規模ニューラルネットワーク（脳の神経回路の仕組みを模したモデルです）の基礎研究を担うGoogle社内のチームであったのに対し、DeepMind社は独立した買収企業として運営されてきました。2023年4月の統合により、両者はGoogle DeepMindという一つの組織にまとまっています。

4. ビジネス・実務での活用シナリオ

データセンター・インフラの分野では、2016年にDeepMind社の技術をGoogleのデータセンターの冷却システムに適用し、消費電力を40%削減した事例があります。過去の運転データからAIが最適な冷却設定を予測し制御に反映する仕組みで、人手による調整では見つけにくい細かな条件の組み合わせをAIが探し当てた点に意義があります。

創薬・生命科学の分野では、AlphaFoldがアミノ酸配列からタンパク質の立体構造を高精度に予測し、新薬候補の探索や基礎研究にかかる時間を大幅に短縮する事例として活用されています。実験によって立体構造を特定するには長い年月がかかっていたため、予測を先に得られる意義は大きいといえます。

ゲーム・エンタメの分野では、AlphaStar（StarCraft II向けAI）やAlphaGoのような対戦型ゲームAIの開発を通じて確立した強化学習の知見について、他社のゲームAIや意思決定エンジンの開発への応用も期待されています。膨大な選択肢の中から最適な一手を選ぶ仕組みは、ゲーム以外の意思決定を伴う場面にも応用が広がっています。

5. 要点まとめ

• DeepMind社は2010年に英国ロンドンで設立され、2014年にGoogleに買収されたAI研究企業で、2023年4月にはGoogle Brainチームと統合しGoogle DeepMindとなりました。
• 2013年のDQN、2016年のAlphaGo、2017年のAlphaGo Zero・AlphaZeroと、深層強化学習を土台にした一連の成果を積み重ねてきました。
• AlphaFoldによるタンパク質構造予測やデータセンター冷却の最適化など、ゲームAIにとどまらず科学研究・インフラ分野にも応用範囲を広げています。

6. 確認問題