在DeepMind工作是一种怎样的体验？资深员工亲自讲述

在这里，既有头脑风暴，也有生活气息。

本月初，时任苹果机器学习总监的 Ian Goodfellow 宣布在加入公司三年后辞职，没过几天，就有消息曝出大神去向定了，他将重返谷歌加入 DeepMind。

DeepMind 作为一家比较出名的人工智能公司，战果累累，AlphaGo、AlphaFold、AlphaStar 等重大研究都出自这家公司，Ian Goodfellow 选择加入 DeepMind，可能是被这家公司的某些优点吸引了。

那么，在 DeepMind 工作是一种怎样的体验？现在我们跟随 Akhil Raju 视角来了解这家工司。

Akhil Raju 为 DeepMind 机器人团队的软件工程师，2018 年加入该公司。

以下为 Akhil Raju 是如何加入 DeepMind 的，以及在 DeepMind 工作的感受。

我与 DeepMind 的一些契机

小时候我看待 AI 就像看待魔法一样，我非常喜欢星球大战中的 R2-D2、还幻想着和汽车人领袖擎天柱一起玩，我还想去霍格沃茨魔法学院去上学…… 直到 12 岁我开始参加 LEGO 机器人比赛，那一刻，我才明白机器人不再是幻想或只能存在于遥远未来的东西，而是可以创造的东西。事实证明，与机器人玩耍非常有趣。

从那以后，我继续参加机器人比赛，去了麻省理工学院读书，在校期间我花了很多时间学习计算机科学，尤其是机器人技术。不过毕业后，我完全脱离了这个领域，在旧金山的一家初创公司工作了几年，然后又去了谷歌。

我一直有一个想法，就是去国外工作，所以我开始寻找美国以外的机会。我决定搬到伦敦，正好 DeepMind 也在伦敦，我将目光投向这家公司。实际上，我并不认为 DeepMind 会雇佣没有博士学位的人，但我还是试了一下，结果成功了！

因为我是从谷歌转到 DeepMind 的，所以我可以同时申请多个团队。一开始机器人团队并没有引起我的注意，直到招聘人员问我：「你的简历上有机器人方面的内容，你想过加入机器人团队吗?」我抓住了这个机会。从那以后我就成了 DeepMind 机器人团队的一员。

我在 DeepMind 工作的一天

下面讲一下我在 DeepMind 工作的一天。每天早上当我到达公司时，我的队友基本上已经到了，大家都在办公室吃早餐，在开始工作之前大家一起吃早餐已经成为我们日常生活的一部分。

早上我大部分时间都在机器人实验室度过，修复之前实验中的故障或设置新机器人。即使没有太多工作要做，我只要四处走走，看到我们的机器人在工作，听到机器和马达的嗡嗡声，我就能获得能量。在过去的几年里，我以及我的队友已经成长了很多。

下午时间基本上是会议、代码编写。现在大多数人都不在远程办公，回到了办公室，我们也会一两个人凑到一起聊天。我在办公室最喜欢的一部分内容是白板会议，这可以帮助我快速学习和行动。如果天气好的话，我们也可以去阳台上收听一些自己最喜欢的美国体育播客，放松之后，继续写代码。

可能大家都很想知道 DeepMind 的幕后是什么样的？我认为 DeepMind 的企业文化是最好的部分之一。从我的角度来看，我们在大学、初创公司和大公司之间找到了很好的平衡。

在 DeepMind ，经常会发现人们在写满数学的白板前进行头脑风暴，或者有人躲在安静的角落里阅读最新的研究论文。与初创公司类似，整个过程中都充满了明显的能量——你可以真正感受到每个人的兴奋。

当你热爱你所做的事情时，你就会觉得它并不像是工作。机器人团队是所有这一切的缩影，我们中的许多人在工作之外也是亲密的朋友，这种感觉非常好。

关于新冠期间在家办公这件事，我想说的是，在疫情流行的第一个月里，我一直抱着怀疑的态度，以为我们很快就会恢复正常。但事实并非如此，我们大多数会议和合作都搬到了网上，这对我们团队来说尤其有趣。

意识到我们将长期在家办公，我决定利用新的空闲时间来提高自己。期间我尝试了一堆爱好，例如吉他、烹饪，甚至是拼图，但我最喜欢的是扎染。有几个星期我把所有东西都扎染了，从衬衫到短裤再到袜子，现在它们都成为压箱底的东西了。

我很幸运在 DeepMind 工作，并且能够专注于我所擅长的领域。我认为机器人技术及其 AI，将成为一股积极力量，身处这一领域的我们，能够帮助推动这一发展是令人兴奋的。

此外，我对 AI 如何帮助缓解气候变化特别感兴趣——无论是通过寻找更有效地能源使用方法，还是生产清洁能源。DeepMind 的研究人员已经在考虑这个问题，所以我希望我们能够推动世界向前发展并在这个领域产生影响。

一开始我不认为我会在 DeepMind 找到一份工作，但是现在，我对工作非常满意。如果你想加入哪家公司，就大胆的尝试，一次不行，并不意味着之后不行，因为旅程始于尝试。

原文链接：https://www.deepmind.com/blog/from-lego-competitions-to-deepminds-robotics-lab

理论软件工程师DeepMind

相关数据

DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年，最初名称是DeepMind科技（DeepMind Technologies Limited），在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯，谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后，Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏，例如即时战略游戏《星际争霸II》（StarCraft II）。深度AI如果能直接使用在其他各种不同领域，除了未来能玩不同的游戏外，例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作，基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

机器人技术技术

机器人学（Robotics）研究的是「机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产（比如用于装配线）。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成，这也是人工智能领域最早的终极目标之一。

来源：机器之心

AlphaFold技术

DeepMind 提出的深度神经网络蛋白质形态预测方法。AlphaFold系统，是DeepMind在2017-2018年中一直在研究的项目，它建立在多年以前使用大量基因组数据来预测蛋白质结构的研究基础之上。 AlphaFold产生的蛋白质3D模型比以往任何一种都精确得多，在生物学的核心挑战之一上取得了重大进展。

来源：机器之心 DeepMind博客

AlphaStar技术

AlphaStar是2019年1月DeepMind推出的打星际争霸2的AI系统。在1月的首次亮相中，DeepMind播放的比赛视频显示AlphaStar击败了两名人类职业选手TOL与MaNa，引起了业内极大的关注。DeepMind 官方博客介绍，AlphaStar 的行为是由一种深度神经网络生成的，该网络从原数据界面（单位列表与它们的特性）接收输入数据，输出构成游戏内行为的指令序列。具体来说，该神经网络使用了一个 transformer 作为躯干，结合了一个深度 LSTM 核、一个带有 pointer 网络的自动回归策略 head 以及一个中心价值基线。

来源：机器之心官网 DeepMind博客