Grâce à un intelligence artificielle développé par la société britannique DeepMind, un algorithme largement utilisé dans le monde peut fonctionner jusqu'à 70 % plus rapidement.
Cette amélioration est due à une nouvelle approche trouvée par l'intelligence artificielle pour classer les données qui avaient été négligées par les programmeurs humains pendant des décennies.
voir plus
Google Messaging: l'avenir du chat multiplateforme pourrait être…
Confirmé: Samsung produit vraiment des écrans pliables pour…
Cette découverte a le potentiel d'optimiser des millions de programmes, car les algorithmes de tri sont des fonctions fondamentales largement utilisées par les ordinateurs du monde entier.
Daniel Mankowitz de DeepMind s'est dit surpris des résultats obtenus, déclarant qu'ils ne s'attendaient pas à des performances supérieures.
Il a souligné la concision du programme développé, qui a été étudié pendant des décennies. Les algorithmes de classification, largement utilisés en informatique, jouent un rôle clé dans l'organisation des données, que ce soit par ordre alphabétique des mots ou par classification numérique.
Bien qu'il existe plusieurs approches dans ce domaine, les innovations ont été limitées en raison de la forte optimisation obtenue au fil du temps.
Les algorithmes de tri, connus sous le nom de « bêtes de somme » de l'informatique, sont chargés d'organiser les données, qu'il s'agisse de trier les mots par ordre alphabétique ou de trier les nombres par ordre croissant.
Malgré l'existence de plusieurs algorithmes de classification, les innovations ont été limitées, car ces approches ont été fortement optimisées au fil des décennies.
Pour surmonter cette limitation, DeepMind a développé un modèle d'intelligence artificielle appelé AlphaDev. Plutôt que de peaufiner des algorithmes existants, AlphaDev est conçu pour découvrir de nouveaux algorithmes capables d'effectuer une tâche donnée.
Cette approche innovante part de zéro, cherchant à dépasser les efforts antérieurs dans le domaine de la classification des données. DeepMind utilise le code d'assemblage dans le cadre du processus de développement d'AlphaZero.
Le code assembleur est un langage informatique intermédiaire, situé entre un code écrit par des humains et des séquences d'instructions binaires codées en 0 et en 1.
Alors que le code d'assemblage peut être lu attentivement et compris par les humains, la plupart des logiciels sont écrits dans des langages de haut niveau, plus intuitifs, avant d'être traduits ou « compilés » en code assemblée.
Cependant, DeepMind affirme que l'utilisation du code d'assemblage donne à AlphaGo une plus grande liberté pour créer des algorithmes plus efficaces en profitant de leur capacité à comprendre le langage en profondeur niveau.
Au cours du processus de développement, l'intelligence artificielle est guidée pour construire un algorithme étape par étape et tester sa sortie par rapport à une solution correcte connue, assurant ainsi la création d'une méthode efficace. De plus, l'IA a pour consigne de chercher à créer l'algorithme le plus concis possible.
L'entreprise souligne que cette tâche devient de plus en plus difficile à mesure que les problèmes deviennent plus complexes. En effet, le nombre de combinaisons possibles d'instructions augmente rapidement, se rapprochant du nombre de particules dans l'Univers.
Ainsi, l'IA doit faire face à la difficulté d'explorer un espace de recherche extrêmement vaste pour trouver des solutions optimales à des problèmes plus vastes.
AlphaDev, mis au défi de créer un algorithme de classification, a surpris en présentant un résultat 70% plus rapide que l'algorithme considéré comme le meilleur pour des listes de cinq données. De plus, dans les listes de plus de 250 000 éléments, l'algorithme développé par AlphaDev a obtenu une amélioration des performances de 1,7 %.
Daniel Mankowitz, lors de l'analyse du programme créé par AlphaDev, a d'abord soupçonné une erreur ou un défaut, cependant, lorsque en enquêtant plus avant, s'est rendu compte que l'IA avait découvert une approche plus efficace pour classer données.
Amateur de films et de séries et de tout ce qui touche au cinéma. Un curieux actif sur les réseaux, toujours connecté aux informations sur le web.
