Díky a umělá inteligence vyvinutý britskou společností DeepMind, algoritmus široce používaný po celém světě může běžet až o 70 % rychleji.
Toto zlepšení je způsobeno novým přístupem umělé inteligence ke klasifikaci dat, která byla lidskými programátory po desetiletí zanedbávána.
vidět víc
Zprávy Google: Budoucnost chatu na různých platformách by mohla být…
Potvrzeno: Samsung skutečně vyrábí skládací obrazovky pro…
Tento objev má potenciál optimalizovat miliony programů, protože třídicí algoritmy jsou základní funkce široce používané počítači po celém světě.
Daniel Mankowitz z DeepMind vyjádřil překvapení nad získanými výsledky a uvedl, že neočekávali lepší výkon.
Vyzdvihl stručnost vypracovaného programu, který se studoval desítky let. Klíčovou roli hrají klasifikační algoritmy, široce používané ve výpočetní technice v organizaci dat, ať už prostřednictvím abecedního řazení slov nebo klasifikace číselné.
Přestože v této oblasti existuje několik přístupů, inovace byly omezeny kvůli vysoké optimalizaci dosažené v průběhu času.
Třídicí algoritmy, známé jako „tahouni“ výpočetní techniky, mají za úkol organizovat data, ať už jde o řazení slov podle abecedy nebo řazení čísel ve vzestupném pořadí.
Navzdory existenci několika klasifikačních algoritmů byly inovace omezené, protože tyto přístupy byly v průběhu desetiletí vysoce optimalizovány.
K překonání tohoto omezení vyvinul DeepMind model umělé inteligence nazvaný AlphaDev. Na rozdíl od vylaďování stávajících algoritmů je AlphaDev navržen tak, aby objevoval nové algoritmy schopné provést daný úkol.
Tento inovativní přístup začíná od nuly a snaží se překonat předchozí snahy v oblasti klasifikace dat. DeepMind používá assembler jako součást vývojového procesu AlphaZero.
Assembly code je prostřední počítačový jazyk, ležící mezi kódem napsaným lidmi a sekvencemi binárních instrukcí zakódovaných v 0s a 1s.
Zatímco kód montáže mohou lidé pečlivě přečíst a pochopit, většina softwaru je napsána do jazyků na vysoké úrovni, které jsou intuitivnější, než budou přeloženy nebo „zkompilovány“ do kódu shromáždění.
DeepMind však tvrdí, že použití kódu sestavení dává AlphaGo větší svobodu vytvářet efektivnější algoritmy využitím jejich schopnosti porozumět jazyku do hloubky úroveň.
Během procesu vývoje je umělá inteligence vedena k vytvoření algoritmu krok za krokem a otestovat jeho výstup proti známému správnému řešení, čímž zajistíte vytvoření metody efektivní. Kromě toho je AI instruována, aby se snažila vytvořit co nejvýstižnější algoritmus.
Společnost poukazuje na to, že tento úkol je stále náročnější, protože problémy se stávají složitějšími. Počet možných kombinací instrukcí totiž rychle narůstá a blíží se počtu částic ve Vesmíru.
Umělá inteligence tak musí čelit obtížím při prozkoumávání extrémně rozsáhlého vyhledávacího prostoru, aby našla optimální řešení větších problémů.
AlphaDev, když byl vyzván, aby vytvořil klasifikační algoritmus, překvapil tím, že předložil výsledek o 70 % rychleji než algoritmus považovaný za nejlepší pro seznamy pěti kusů dat. Kromě toho v seznamech s více než 250 000 položkami dosáhl algoritmus vyvinutý společností AlphaDev zlepšení výkonu o 1,7 %.
Daniel Mankowitz, když analyzoval program vytvořený AlphaDev, měl zpočátku podezření na chybu nebo nedostatek, když při dalším zkoumání si uvědomil, že AI objevila efektivnější přístup ke klasifikaci data.
Milovník filmů a seriálů a všeho, co kinematografie zahrnuje. Aktivní zvědavec na sítích, vždy připojený k informacím o webu.
