Χάρη στον α τεχνητή νοημοσύνη που αναπτύχθηκε από τη βρετανική εταιρεία DeepMind, ένας αλγόριθμος που χρησιμοποιείται ευρέως σε όλο τον κόσμο μπορεί να τρέξει έως και 70% πιο γρήγορα.
Αυτή η βελτίωση οφείλεται σε μια νέα προσέγγιση που βρέθηκε από την Τεχνητή Νοημοσύνη για την ταξινόμηση δεδομένων που είχαν παραμεληθεί από ανθρώπινους προγραμματιστές για δεκαετίες.
δείτε περισσότερα
Google Messaging: Το μέλλον της συνομιλίας μεταξύ πλατφορμών θα μπορούσε να είναι…
Επιβεβαιώθηκε: Η Samsung πραγματικά παράγει πτυσσόμενες οθόνες για…
Η ανακάλυψη έχει τη δυνατότητα να βελτιστοποιήσει εκατομμύρια προγράμματα, καθώς οι αλγόριθμοι ταξινόμησης είναι θεμελιώδεις λειτουργίες που χρησιμοποιούνται ευρέως από υπολογιστές σε όλο τον κόσμο.
Ο Daniel Mankowitz της DeepMind εξέφρασε την έκπληξή του με τα αποτελέσματα που ελήφθησαν, δηλώνοντας ότι δεν περίμεναν ανώτερες επιδόσεις.
Ανέδειξε τη συνοπτικότητα του αναπτυγμένου προγράμματος, το οποίο μελετήθηκε για δεκαετίες. Οι αλγόριθμοι ταξινόμησης, που χρησιμοποιούνται ευρέως στους υπολογιστές, παίζουν βασικό ρόλο στην οργάνωση των δεδομένων, είτε μέσω αλφαβητικής σειράς λέξεων είτε με ταξινόμηση αριθμητικός.
Αν και υπάρχουν πολλές προσεγγίσεις σε αυτόν τον τομέα, οι καινοτομίες έχουν περιοριστεί λόγω της υψηλής βελτιστοποίησης που επιτυγχάνεται με την πάροδο του χρόνου.
Οι αλγόριθμοι ταξινόμησης, γνωστοί ως «άλογα εργασίας» των υπολογιστών, έχουν ως αποστολή την οργάνωση δεδομένων, είτε ταξινομούν λέξεις αλφαβητικά είτε ταξινομούν αριθμούς σε αύξουσα σειρά.
Παρά την ύπαρξη αρκετών αλγορίθμων ταξινόμησης, οι καινοτομίες έχουν περιοριστεί, καθώς αυτές οι προσεγγίσεις έχουν βελτιστοποιηθεί σε μεγάλο βαθμό κατά τη διάρκεια των δεκαετιών.
Για να ξεπεράσει αυτόν τον περιορισμό, η DeepMind ανέπτυξε ένα μοντέλο Τεχνητής Νοημοσύνης που ονομάζεται AlphaDev. Σε αντίθεση με την προσαρμογή των υπαρχόντων αλγορίθμων, το AlphaDev έχει σχεδιαστεί για να ανακαλύπτει νέους αλγόριθμους ικανούς να εκτελούν μια δεδομένη εργασία.
Αυτή η καινοτόμος προσέγγιση ξεκινά από το μηδέν, επιδιώκοντας να ξεπεράσει προηγούμενες προσπάθειες στον τομέα της ταξινόμησης δεδομένων. Το DeepMind χρησιμοποιεί κώδικα συναρμολόγησης ως μέρος της διαδικασίας ανάπτυξης του AlphaZero.
Ο κώδικας συναρμολόγησης είναι μια ενδιάμεση γλώσσα υπολογιστή, που βρίσκεται μεταξύ κώδικα που γράφτηκε από ανθρώπους και ακολουθιών δυαδικών εντολών που κωδικοποιούνται σε 0 και 1.
Ενώ ο κώδικας συναρμολόγησης μπορεί να διαβαστεί προσεκτικά και να κατανοηθεί από τους ανθρώπους, το μεγαλύτερο μέρος του λογισμικού είναι γραμμένο σε γλώσσες υψηλού επιπέδου, οι οποίες είναι πιο διαισθητικές, πριν μεταφραστούν ή «μεταγλωττιστούν» σε κώδικα συνέλευση.
Ωστόσο, η DeepMind υποστηρίζει ότι η χρήση κώδικα συναρμολόγησης δίνει στο AlphaGo μεγαλύτερη ελευθερία δημιουργούν πιο αποτελεσματικούς αλγόριθμους εκμεταλλευόμενοι την ικανότητά τους να κατανοούν τη γλώσσα σε βάθος επίπεδο.
Κατά τη διαδικασία ανάπτυξης, η τεχνητή νοημοσύνη καθοδηγείται να χτίσει έναν αλγόριθμο βήμα προς βήμα και να δοκιμάσει την απόδοσή του έναντι μιας γνωστής σωστής λύσης, διασφαλίζοντας έτσι τη δημιουργία μιας μεθόδου αποτελεσματικός. Επιπλέον, η τεχνητή νοημοσύνη έχει οδηγίες να επιδιώξει να δημιουργήσει τον πιο συνοπτικό δυνατό αλγόριθμο.
Η εταιρεία επισημαίνει ότι αυτό το έργο γίνεται όλο και πιο δύσκολο καθώς τα προβλήματα γίνονται πιο περίπλοκα. Αυτό συμβαίνει επειδή ο αριθμός των πιθανών συνδυασμών εντολών αυξάνεται ραγδαία, πλησιάζοντας τον αριθμό των σωματιδίων στο σύμπαν.
Έτσι, η τεχνητή νοημοσύνη πρέπει να αντιμετωπίσει τη δυσκολία να εξερευνήσει έναν εξαιρετικά τεράστιο χώρο αναζήτησης για να βρει βέλτιστες λύσεις σε μεγαλύτερα προβλήματα.
Ο AlphaDev, όταν κλήθηκε να δημιουργήσει έναν αλγόριθμο ταξινόμησης, εξέπληξε παρουσιάζοντας ένα αποτέλεσμα 70% ταχύτερο από τον αλγόριθμο που θεωρήθηκε ο καλύτερος για λίστες με πέντε κομμάτια δεδομένων. Επιπλέον, σε λίστες με περισσότερα από 250.000 αντικείμενα, ο αλγόριθμος που αναπτύχθηκε από την AlphaDev πέτυχε βελτίωση απόδοσης 1,7%.
Ο Daniel Mankowitz, κατά την ανάλυση του προγράμματος που δημιουργήθηκε από την AlphaDev, αρχικά υποψιάστηκε ένα σφάλμα ή ελάττωμα, ωστόσο, όταν διερευνώντας περαιτέρω, συνειδητοποίησε ότι το AI είχε ανακαλύψει μια πιο αποτελεσματική προσέγγιση για την ταξινόμηση δεδομένα.
Λάτρης των ταινιών και των σειρών και ό, τι αφορά τον κινηματογράφο. Ένας ενεργός περίεργος στα δίκτυα, πάντα συνδεδεμένος με πληροφορίες για τον Ιστό.
