Berkat a kecerdasan buatan dikembangkan oleh perusahaan Inggris DeepMind, algoritme yang digunakan secara luas di seluruh dunia dapat berjalan hingga 70% lebih cepat.
Peningkatan ini disebabkan oleh pendekatan baru yang ditemukan oleh Kecerdasan Buatan untuk mengklasifikasikan data yang telah diabaikan oleh pemrogram manusia selama beberapa dekade.
lihat lebih banyak
Google Messaging: Masa depan obrolan lintas platform bisa jadi…
Dikonfirmasi: Samsung benar-benar memproduksi layar yang dapat dilipat untuk…
Penemuan ini berpotensi mengoptimalkan jutaan program, karena algoritme pengurutan adalah fungsi dasar yang banyak digunakan oleh komputer di seluruh dunia.
Daniel Mankowitz dari DeepMind menyatakan keterkejutannya dengan hasil yang diperoleh, menyatakan bahwa mereka tidak mengharapkan kinerja yang unggul.
Dia menyoroti keringkasan program yang dikembangkan, yang dipelajari selama beberapa dekade. Algoritma klasifikasi, banyak digunakan dalam komputasi, memainkan peran kunci dalam pengorganisasian data, baik melalui urutan abjad kata atau klasifikasi numerik.
Meskipun ada beberapa pendekatan dalam bidang ini, inovasi terbatas karena tingginya optimalisasi yang dicapai dari waktu ke waktu.
Algoritme pengurutan, yang dikenal sebagai "kuda kerja" komputasi, bertugas mengatur data, baik mengurutkan kata menurut abjad atau mengurutkan angka dalam urutan menaik.
Meskipun ada beberapa algoritme klasifikasi, inovasinya terbatas, karena pendekatan ini telah sangat dioptimalkan selama beberapa dekade.
Untuk mengatasi keterbatasan ini, DeepMind mengembangkan model Kecerdasan Buatan yang disebut AlphaDev. Berbeda dengan mengutak-atik algoritme yang ada, AlphaDev dirancang untuk menemukan algoritme baru yang mampu melakukan tugas tertentu.
Pendekatan inovatif ini dimulai dari awal, berupaya mengatasi upaya sebelumnya di bidang klasifikasi data. DeepMind menggunakan kode rakitan sebagai bagian dari proses pengembangan AlphaZero.
Kode perakitan adalah bahasa komputer perantara, terletak di antara kode yang ditulis oleh manusia dan urutan instruksi biner yang dikodekan dalam 0s dan 1s.
Sementara kode rakitan dapat dibaca dan dipahami dengan cermat oleh manusia, sebagian besar perangkat lunak ditulis ke dalam bahasa tingkat tinggi, yang lebih intuitif, sebelum diterjemahkan atau “dikompilasi” menjadi kode perakitan.
Namun, DeepMind berpendapat bahwa penggunaan kode rakitan memberi AlphaGo kebebasan yang lebih besar membuat algoritme yang lebih efisien dengan memanfaatkan kemampuannya untuk memahami bahasa secara mendalam tingkat.
Selama proses pengembangan, kecerdasan buatan dipandu untuk membangun sebuah algoritma langkah demi langkah dan menguji keluarannya terhadap solusi tepat yang diketahui, sehingga memastikan terciptanya suatu metode efektif. Selain itu, AI diinstruksikan untuk berusaha membuat algoritme sesingkat mungkin.
Perusahaan menunjukkan bahwa tugas ini menjadi semakin menantang karena masalahnya menjadi lebih kompleks. Ini karena jumlah kemungkinan kombinasi instruksi meningkat pesat, mendekati jumlah partikel di Alam Semesta.
Dengan demikian, AI harus menghadapi kesulitan menjelajahi ruang pencarian yang sangat luas untuk menemukan solusi optimal untuk masalah yang lebih besar.
AlphaDev, saat ditantang untuk membuat algoritme klasifikasi, terkejut dengan menyajikan hasil 70% lebih cepat daripada algoritme yang dianggap terbaik untuk daftar lima bagian data. Selain itu, dalam daftar dengan lebih dari 250.000 item, algoritme yang dikembangkan oleh AlphaDev mencapai peningkatan kinerja sebesar 1,7%.
Daniel Mankowitz, saat menganalisis program yang dibuat oleh AlphaDev, awalnya mencurigai adanya kesalahan atau kekurangan, namun saat itu menyelidiki lebih lanjut, menyadari bahwa AI telah menemukan pendekatan yang lebih efisien untuk mengklasifikasikan data.
Pencinta film dan serial dan segala sesuatu yang melibatkan sinema. Rasa ingin tahu yang aktif di jaringan, selalu terhubung dengan informasi tentang web.