作为谷歌旗下的人工智能公司，DeepMind 一直以学术性氛围著称，从不断发表论文，参加所有大型学术会议，到开源技术平台，这家公司的所有动作都着眼于长远利益。昨天，该公司创始人 Demis Hassabis 撰文宣布，DeepMind 又启动了与伦敦大学学院（UCL）合作的一项顶级培训计划，致力于培养机器学习领域的顶尖人才，让我们看看他是怎么说的。
在 90 年代中期，当我还是一名大学生的时候，很少会有人会去推动学界与业界公司的互动——而后者是几乎所有大学生毕业后的去向。这对于学生而言也许意味着失去机会。同时，虽然私人机构时常受益于大学的研究成果，但这些技术突破带来的好处却很少被两者共享。
相比之下，DeepMind 的研究环境是一种介于学界与业界的混合体，我们在进行计划时会以学术的思维进行长远考虑，同时像最好的初创公司那样，保持专注与速度。学术背景对于我们所有人而言非常重要，机器学习领域的所有突破性理念都是由学术先驱开创的，包括 Geoff Hinton，包括 Rich Sutton。
这就是为什么我们总是公开自己的研究成果，包括超过一百篇同行评议论文，以及总是出现在大型会议（如 NIPS）上的原因。在上个月巴塞罗那举行的 NIPS2016 上，DeepMind 提交了 20 篇论文，参加了 42 次海报论文讨论，21 次研讨会，随后开源了我们的旗舰研究平台：DeepMind Lab，我们所做的还不止于此。
现在，我们希望为学术界做出更多的贡献，为教育训练下一代机器学习人才提供自己的帮助。所以从本月开始，我们将和伦敦大学学院（UCL）计算机系一道启动顶级培训计划「Advanced Topics in Machine Learning」。这项计划由 DeepMind 的 Thore Graepel 牵头，其他应邀参与授课的学者包括机器学习领域各方向的领先人物，涵盖深度学习、强化学习、自然语言识别等方面。他们包括 Hado van Hasselt、Joseph Modayil、Koray Kavukcuoglu、Raia Hadsell、James Martens、Oriol Vinyals、Simon Osindero、Ed Grefenstette、Karen Simonyan、Volodymyr Mnih、David Silver 和 Alex Graves。他们中的一些人曾是 DeepMind 在 Nature 上发表的三篇论文的主要作者。
DeepMind 研究科学家 Hado van Hasselt 在 UCL 上的授课，在 Advanced Topics in Machine Learning 训练营上
今年一月，牛津大学计算机系也开展了自然语言处理中的先进深度学习课程。这项应用课程重点介绍使用循环神经网络分析和生成语音及文本方向上的最新进展，它由 Phil Blunsom 主讲，DeepMind 语言研究小组协助，向大四、研究生和博一学生开放。除此以外，我们还开办了暑期国际训练营，其中 DeepMind 成员会轮流授课，这样的活动已在德国、中国、南非和其他地区举行过。
我们一直确保来到 DeepMind 的研究者不会失去他/她在学术上的影响力。我们的很多成员目前同时隶属于各家大学，包括 UCL、牛津、剑桥、MIT 和弗莱堡大学、里尔大学等等。
我们认为更多的独立学术机构对于人工智能领域的发展大有益处。因此，我们向众多实验室和其中的博士学生提供资助，帮助他们开展自己的研究。我们资助的大学包括阿尔伯塔大学、蒙特利尔大学、阿姆斯特丹大学、UCL 的 Gatsby Unit、纽约大学、牛津大学等等。
我们认为公司研究部门和学界的紧密联系对于未来人工智能意义重大。通过分享各自拥有的天分、专业知识和研究突破——不仅仅是以技术为导向，而是把合作扩展到伦理、安全和社会影响这样的广泛话题上去，这样才能为人工智能和它的未来创造更好的条件，让新技术拥有正能量，造福整个社会。
