此外，深度强化学习还正在用于为Google的数据中心节省大量电力能源。在上述最后一项中，DeepMind的实验取得了节能15％ —— 或节省40％冷能的成果——这相当于数百万美元。DeepMind现在希望将客户范围扩大到英国国家电网和其他公用事业提供商。

　　DeepMind 将深度强化学习用于谷歌数据中心节能，现在还和英国政府洽谈接入调节英国电网节能

　　“我们在真实世界的大规模的、嘈杂又混乱的数据集上测试我们的算法。”Suleyman说，“这是一种解决我们最复杂社会问题的相当独特的方法。”

　　研究人员被分为四个大组，还有两三个“别动队”

　　“如果你看看谷歌5、6年前的工作方式，会发现它的研究在很大程度上是以产品为导向的，而且周期较短。这被认为是个优势。”Hassabis说道，“但如果你想尽快地推进研究，那么就需要给科学家空间，好让他们思考什么对研究是有利的，而不是对某种产品需求负责。”

　　DeepMind已经三次登上Nature的封面，有120多篇论文在顶级科学会议上发表，这表明了其旺盛的科技创造力，也表明了其在谷歌的特殊地位。

DeepMind 研究成果屡次发表在顶级期刊，左边便是最著名的 AlphaGo 登上Nature 封面

　　“现在我们的研究团队完全不受任何短期需求的影响，不管是来自谷歌内部还是外部的。我们希望对世界产生巨大影响，直播，但我们的研究需要得到呵护。”Hassabis说道。“我们已经展示了凭借这样的公司文化，我们可以取得多大的成就。我认为谷歌也注意到了这一点，他们因此对我们也有了更为长远的诉求。”

　　DeepMind现在手头上还有6篇论文手稿明年有望刊登在Nature、Science这样的顶级科学期刊上。“这方面我们比其他学术实验室做得更好，但我们的目标并不是产出一篇Nature论文。”Hassabis说，“我们集中精力攻克每一个具体问题。进行伟大的科学研究，论文发布就是自然而然的副产品。”

　　DeepMind研究人员被分入四个主要的组，名为“神经科学”或“前沿学科”（这个组主要由物理学家和数学家组成，测试AI领域最具前瞻性的理论）。除此以外有一些更深入更专业的团队。其中许多项目负责人都是Hassabis上一家公司Elixir Studios的游戏制作人。

　　每8周，科学家们向包括Hassabis和研究负责人Shane Legg的团队领导讲述自己的研究进展。团队的领导人以此来决定针对数十个项目的研究资源分配。“我们交流想法，思考，测试，找出看上去有成效的项目，并分析原因。”Legg说。

　　进展迅速的项目会得到更多的人力和时间，而其他一些会被停掉，所有这些只是几周的事情。“在学术机构里，为了一个新的轮回，你可能要等上几年。但我们这里资源转换的速度非常快。”Hassabis说。

　　其他时间里，公司也有两到三个称为“别动队”的团队，用来解决一些特定问题。“我们在AlphaGo上就是这么做的。一旦它在开始六个月显现出某种前景，开奖，我们就会加派一个带有专业技能的15人的团队，来把它进行到底。”Hassabis说，“这就允许我们把最适合的专家派过去。他们就像是临时调任到那个项目上去，最终他们会回到他们原来的项目中。”

DeepMind 团队

　　提倡跨领域合作；“不仅是职业选择，更是生活方式的改变”

　　对于一些世界上最聪明的大脑来说，这种组织文化像一块吸铁石。Jane Wang是DeepMind的一位认知神经科学家，她曾在芝加哥的Northwestern University做博士后。她说她加入DeepMind是受到了DeepMind清晰的社会使命的吸引。“我在其他一些产业实验室也面试过，DeepMind跟它们不同，这里没有明显的产品化带来的压力，也没有太多限制。这里的使命就是保持好奇。”她说道。

　　对于神经科学团队的领导 Matt Botvinick 来说，加入DeepMind不仅是一个事业抉择，更是生活方式的变化。这位Princeton University神经科学学院的前教授继续生活在美国，每隔一周和伦敦的DeepMind实验室沟通一次。