Köszönhetően a mesterséges intelligencia A brit DeepMind cég által kifejlesztett, világszerte széles körben használt algoritmus akár 70%-kal gyorsabban futhat.
Ez a javulás a mesterséges intelligencia által az emberi programozók által évtizedeken át figyelmen kívül hagyott adatok osztályozására talált új megközelítésnek köszönhető.
többet látni
Google Messaging: A platformok közötti csevegés jövője lehet…
Megerősítve: a Samsung valóban összecsukható képernyőket gyárt…
A felfedezés több millió programot optimalizálhat, mivel a rendezési algoritmusok olyan alapvető funkciók, amelyeket a számítógépek világszerte széles körben használnak.
Daniel Mankowitz (DeepMind) meglepetését fejezte ki a kapott eredményekkel kapcsolatban, és kijelentette, hogy nem számítottak jobb teljesítményre.
Kiemelte a kidolgozott, évtizedeken át tanulmányozott program tömörségét. A számítástechnikában széles körben használt osztályozási algoritmusok kulcsszerepet játszanak az adatok rendszerezésében, akár a szavak ábécé szerinti sorrendjével, akár osztályozással numerikus.
Bár számos megközelítés létezik ezen a területen, az innovációk korlátozottak az idők során elért magas optimalizáltság miatt.
A számítástechnika „igáslovaiként” ismert rendezési algoritmusok feladata az adatok rendszerezése, akár szavak ábécé szerinti rendezése, akár számok növekvő sorrendbe rendezése.
Annak ellenére, hogy létezik számos osztályozási algoritmus, az innovációk korlátozottak voltak, mivel ezeket a megközelítéseket az évtizedek során nagymértékben optimalizálták.
E korlát leküzdésére a DeepMind kifejlesztett egy AlphaDev nevű mesterséges intelligencia modellt. A meglévő algoritmusok módosításával szemben az AlphaDev célja, hogy új algoritmusokat fedezzen fel, amelyek képesek egy adott feladat végrehajtására.
Ez az innovatív megközelítés a nulláról indul, igyekszik felülkerekedni az adatosztályozás terén tett korábbi erőfeszítéseken. A DeepMind összeállítási kódot használ az AlphaZero fejlesztési folyamat részeként.
Az összeállítási kód egy köztes számítógépes nyelv, amely az emberek által írt kód és a 0-ban és 1-ben kódolt bináris utasítássorozatok között helyezkedik el.
Míg az összeállítási kódot az emberek gondosan elolvashatják és megérthetik, a legtöbb szoftver írott magas szintű nyelvekre, amelyek intuitívabbak, mielőtt lefordítanák vagy kódba „fordítanák”. összeszerelés.
A DeepMind azonban azzal érvel, hogy az összeállítási kód használata nagyobb szabadságot ad az AlphaGo-nak hatékonyabb algoritmusokat hozhat létre, kihasználva a nyelv mélyreható megértésének képességét szint.
A fejlesztési folyamat során a mesterséges intelligenciát lépésről lépésre egy algoritmus felépítésére irányítják és tesztelje a kimenetét egy ismert helyes megoldással szemben, így biztosítva a módszer létrehozását hatékony. Ezenkívül az AI-t arra utasítják, hogy törekedjen a lehető legtömörebb algoritmus létrehozására.
A cég rámutat arra, hogy ez a feladat egyre nagyobb kihívást jelent, ahogy a problémák egyre összetettebbé válnak. Ennek az az oka, hogy az utasítások lehetséges kombinációinak száma gyorsan növekszik, és megközelíti az univerzum részecskéinek számát.
Így az AI-nak szembe kell néznie azzal a nehézséggel, hogy rendkívül hatalmas keresési teret tudjon felfedezni, hogy optimális megoldást találjon nagyobb problémákra.
Az AlphaDev, amikor kihívást jelentett egy osztályozási algoritmus létrehozásával, meglepte, hogy 70%-kal gyorsabb eredményt mutatott be, mint az öt adatból álló listáknál a legjobbnak tartott algoritmus. Továbbá a több mint 250 000 elemet tartalmazó listákban az AlphaDev által kifejlesztett algoritmus 1,7%-os teljesítményjavulást ért el.
Daniel Mankowitz, amikor az AlphaDev által létrehozott programot elemezte, kezdetben hibára vagy hibára gyanakodott, azonban amikor tovább vizsgálva rájött, hogy az AI hatékonyabb megközelítést fedezett fel az osztályozásra adat.
A filmek, sorozatok és minden, ami a mozihoz tartozik, szerelmese. Aktív érdeklődő a hálózatokon, mindig kapcsolatban áll az internettel kapcsolatos információkkal.