Danke an a künstliche Intelligenz Der von der britischen Firma DeepMind entwickelte Algorithmus kann bis zu 70 % schneller laufen.
Diese Verbesserung ist auf einen neuen Ansatz der künstlichen Intelligenz zur Klassifizierung von Daten zurückzuführen, der von menschlichen Programmierern jahrzehntelang vernachlässigt wurde.
Mehr sehen
Google Messaging: Die Zukunft des plattformübergreifenden Chats könnte … sein
Bestätigt: Samsung produziert tatsächlich faltbare Bildschirme für…
Die Entdeckung hat das Potenzial, Millionen von Programmen zu optimieren, da Sortieralgorithmen grundlegende Funktionen sind, die von Computern auf der ganzen Welt weit verbreitet sind.
Daniel Mankowitz von DeepMind zeigte sich überrascht über die erzielten Ergebnisse und erklärte, dass man keine überlegene Leistung erwarte.
Er betonte die Prägnanz des entwickelten Programms, das jahrzehntelang untersucht wurde. Eine Schlüsselrolle spielen Klassifizierungsalgorithmen, die in der Informatik weit verbreitet sind bei der Organisation von Daten, sei es durch alphabetische Reihenfolge von Wörtern oder Klassifizierung numerisch.
Obwohl es in diesem Bereich mehrere Ansätze gibt, waren Innovationen aufgrund der im Laufe der Zeit erreichten hohen Optimierung nur begrenzt möglich.
Sortieralgorithmen, die als „Arbeitspferde“ der Informatik bekannt sind, haben die Aufgabe, Daten zu organisieren, sei es das alphabetische Sortieren von Wörtern oder das Sortieren von Zahlen in aufsteigender Reihenfolge.
Trotz der Existenz mehrerer Klassifizierungsalgorithmen waren Innovationen begrenzt, da diese Ansätze im Laufe der Jahrzehnte stark optimiert wurden.
Um diese Einschränkung zu überwinden, hat DeepMind ein Modell der künstlichen Intelligenz namens AlphaDev entwickelt. Im Gegensatz zur Optimierung bestehender Algorithmen ist AlphaDev darauf ausgelegt, neue Algorithmen zu entdecken, die eine bestimmte Aufgabe ausführen können.
Dieser innovative Ansatz beginnt bei Null und versucht, frühere Bemühungen im Bereich der Datenklassifizierung zu überwinden. DeepMind verwendet Assembler-Code als Teil des AlphaZero-Entwicklungsprozesses.
Assembler-Code ist eine mittlere Computersprache, die zwischen von Menschen geschriebenem Code und in Nullen und Einsen codierten Sequenzen binärer Anweisungen liegt.
Während Assembler-Code von Menschen sorgfältig gelesen und verstanden werden kann, ist die meiste Software geschrieben in Hochsprachen, die intuitiver sind, bevor sie in Code übersetzt oder „kompiliert“ werden Montage.
DeepMind argumentiert jedoch, dass die Verwendung von Assembler-Code AlphaGo mehr Freiheit gibt Erstellen Sie effizientere Algorithmen, indem Sie ihre Fähigkeit nutzen, die Sprache gründlich zu verstehen eben.
Während des Entwicklungsprozesses wird die künstliche Intelligenz dabei angeleitet, Schritt für Schritt einen Algorithmus aufzubauen und testen Sie seine Ausgabe anhand einer bekanntermaßen korrekten Lösung, um so die Erstellung einer Methode sicherzustellen Wirksam. Darüber hinaus wird die KI angewiesen, einen möglichst prägnanten Algorithmus zu erstellen.
Das Unternehmen weist darauf hin, dass diese Aufgabe mit zunehmender Komplexität der Probleme immer anspruchsvoller wird. Dies liegt daran, dass die Zahl der möglichen Kombinationen von Anweisungen schnell zunimmt und sich der Zahl der Teilchen im Universum annähert.
Daher muss sich die KI der Schwierigkeit stellen, einen extrem großen Suchraum zu erkunden, um optimale Lösungen für größere Probleme zu finden.
Als AlphaDev aufgefordert wurde, einen Klassifizierungsalgorithmus zu erstellen, war es überrascht, dass es ein Ergebnis lieferte, das 70 % schneller war als der Algorithmus, der für Listen mit fünf Datenelementen als der beste galt. Darüber hinaus erzielte der von AlphaDev entwickelte Algorithmus bei Listen mit mehr als 250.000 Artikeln eine Leistungssteigerung von 1,7 %.
Daniel Mankowitz vermutete bei der Analyse des von AlphaDev erstellten Programms zunächst einen Fehler oder eine Schwachstelle, doch als Bei weiteren Untersuchungen wurde klar, dass die KI einen effizienteren Ansatz zur Klassifizierung entdeckt hatte Daten.
Liebhaber von Filmen und Serien und allem, was mit Kino zu tun hat. Ein aktiver Neugieriger in den Netzwerken, immer verbunden mit Informationen über das Internet.