بفضل أ الذكاء الاصطناعي طورتها شركة DeepMind البريطانية ، وهي خوارزمية مستخدمة على نطاق واسع حول العالم يمكن أن تعمل بنسبة تصل إلى 70٪ أسرع.
يرجع هذا التحسن إلى نهج جديد وجده الذكاء الاصطناعي لتصنيف البيانات التي أهملها المبرمجون البشريون لعقود.
شاهد المزيد
Google Messaging: يمكن أن يكون مستقبل الدردشة عبر الأنظمة الأساسية...
تم التأكيد: تنتج Samsung حقًا شاشات قابلة للطي لـ...
هذا الاكتشاف لديه القدرة على تحسين ملايين البرامج ، حيث أن خوارزميات الفرز هي وظائف أساسية تستخدمها أجهزة الكمبيوتر على نطاق واسع في جميع أنحاء العالم.
أعرب دانيال مانكويتز من شركة DeepMind عن دهشته من النتائج التي تم الحصول عليها ، مشيرًا إلى أنهم لا يتوقعون أداءً فائقًا.
وسلط الضوء على إيجاز البرنامج المطور الذي تمت دراسته على مدى عقود. تلعب خوارزميات التصنيف ، المستخدمة على نطاق واسع في الحوسبة ، دورًا رئيسيًا في تنظيم البيانات ، سواء من خلال الترتيب الأبجدي للكلمات أو التصنيف رقمي.
على الرغم من وجود العديد من الأساليب في هذا المجال ، إلا أن الابتكارات كانت محدودة بسبب التحسين العالي الذي تم تحقيقه بمرور الوقت.
تُكلف خوارزميات الفرز ، المعروفة باسم "أحصنة العمل" في الحوسبة ، بتنظيم البيانات ، سواء كانت فرز الكلمات أبجديًا أو فرز الأرقام بترتيب تصاعدي.
على الرغم من وجود العديد من خوارزميات التصنيف ، إلا أن الابتكارات كانت محدودة ، حيث تم تحسين هذه الأساليب بشكل كبير على مر العقود.
للتغلب على هذا القيد ، طور DeepMind نموذج ذكاء اصطناعي يسمى AlphaDev. على عكس تعديل الخوارزميات الموجودة ، تم تصميم AlphaDev لاكتشاف خوارزميات جديدة قادرة على أداء مهمة معينة.
يبدأ هذا النهج المبتكر من الصفر ، سعياً منه لتجاوز الجهود السابقة في مجال تصنيف البيانات. يستخدم DeepMind كود التجميع كجزء من عملية تطوير AlphaZero.
كود التجميع هو لغة كمبيوتر وسيطة ، تقع بين الكود المكتوب من قبل البشر وتسلسلات التعليمات الثنائية المشفرة في 0 و 1.
بينما يمكن قراءة كود التجميع وفهمه بعناية من قبل البشر ، فإن معظم البرامج مكتوبة إلى لغات عالية المستوى ، تكون أكثر سهولة ، قبل ترجمتها أو "تجميعها" في رمز حَشد.
ومع ذلك ، يجادل DeepMind بأن استخدام رمز التجميع يمنح AlphaGo حرية أكبر في إنشاء خوارزميات أكثر كفاءة من خلال الاستفادة من قدرتها على فهم اللغة بعمق مستوى.
أثناء عملية التطوير ، يتم توجيه الذكاء الاصطناعي لبناء خوارزمية خطوة بخطوة واختبار ناتجها مقابل حل صحيح معروف ، وبالتالي ضمان إنشاء طريقة فعال. بالإضافة إلى ذلك ، يُطلب من الذكاء الاصطناعي السعي لإنشاء أكثر الخوارزميات إيجازًا.
تشير الشركة إلى أن هذه المهمة تصبح صعبة بشكل متزايد حيث تصبح المشاكل أكثر تعقيدًا. وذلك لأن عدد التوليفات الممكنة من التعليمات يزداد بسرعة ، ويقترب من عدد الجسيمات في الكون.
وبالتالي ، يتعين على الذكاء الاصطناعي أن يواجه صعوبة استكشاف مساحة بحث شاسعة للغاية لإيجاد الحلول المثلى لمشاكل أكبر.
عند تحدي AlphaDev لإنشاء خوارزمية تصنيف ، تفاجأ بتقديم نتيجة أسرع بنسبة 70٪ من الخوارزمية التي تعتبر الأفضل لقوائم من خمسة أجزاء من البيانات. علاوة على ذلك ، في القوائم التي تحتوي على أكثر من 250000 عنصر ، حققت الخوارزمية التي طورتها AlphaDev تحسنًا في الأداء بنسبة 1.7٪.
دانيال مانكوفيتز ، عند تحليل البرنامج الذي أنشأته AlphaDev ، اشتبه في البداية في وجود خطأ أو عيب ، ولكن عندما لمزيد من التحقيق ، أدركت أن الذكاء الاصطناعي قد اكتشف نهجًا أكثر كفاءة في التصنيف بيانات.
من محبي الأفلام والمسلسلات وكل ما يتعلق بالسينما. نشط فضولي على الشبكات ، متصل دائمًا بمعلومات حول الويب.
