בזכות א בינה מלאכותית שפותח על ידי חברת DeepMind הבריטית, אלגוריתם בשימוש נרחב ברחבי העולם יכול לפעול עד 70% מהר יותר.
השיפור הזה נובע מגישה חדשה שמצאה בינה מלאכותית לסיווג נתונים שהוזנחו על ידי מתכנתים אנושיים במשך עשרות שנים.
ראה עוד
Google Messaging: העתיד של צ'אט חוצה פלטפורמות יכול להיות...
אושר: סמסונג באמת מייצרת מסכים מתקפלים עבור...
לגילוי יש פוטנציאל לייעל מיליוני תוכניות, שכן אלגוריתמי מיון הם פונקציות בסיסיות בשימוש נרחב על ידי מחשבים ברחבי העולם.
דניאל מנקוביץ מ-DeepMind הביע הפתעה מהתוצאות שהתקבלו, והצהיר כי הם לא ציפו לביצועים מעולים.
הוא הדגיש את התמציתיות של התוכנית המפותחת, שנלמדה במשך עשרות שנים. אלגוריתמי סיווג, בשימוש נרחב במחשוב, ממלאים תפקיד מפתח בארגון הנתונים, בין אם באמצעות סדר אלפביתי של מילים או סיווג מספרי.
למרות שישנן מספר גישות בתחום זה, החידושים הוגבלו בשל האופטימיזציה הגבוהה שהושגה לאורך זמן.
אלגוריתמי מיון, הידועים כ"סוסי העבודה" של המחשוב, מופקדים על ארגון נתונים, בין אם מיון מילים בסדר אלפביתי או מיון מספרים בסדר עולה.
למרות קיומם של מספר אלגוריתמי סיווג, החידושים היו מוגבלים, מכיוון שגישות אלו עברו אופטימיזציה רבה במהלך עשרות השנים.
כדי להתגבר על מגבלה זו, DeepMind פיתחה מודל של בינה מלאכותית בשם AlphaDev. בניגוד לשינוי אלגוריתמים קיימים, AlphaDev נועד לגלות אלגוריתמים חדשים המסוגלים לבצע משימה נתונה.
גישה חדשנית זו מתחילה מאפס, ומבקשת להתגבר על מאמצים קודמים בתחום סיווג הנתונים. DeepMind משתמשת בקוד assembly כחלק מתהליך הפיתוח של AlphaZero.
קוד הרכבה הוא שפת מחשב ביניים, הנמצאת בין קוד שנכתב על ידי בני אדם לבין רצפים של הוראות בינאריות המקודדות ב-0 ו-1.
בעוד שקוד ההרכבה יכול להיקרא בקפידה ולהבין על ידי בני אדם, רוב התוכנות נכתבות לשפות ברמה גבוהה, שהן אינטואיטיביות יותר, לפני תרגום או "קומפילציה" לקוד הַרכָּבָה.
עם זאת, DeepMind טוענת שהשימוש בקוד assembly נותן ל-AlphaGo חופש גדול יותר ליצור אלגוריתמים יעילים יותר על ידי ניצול יכולתם להבין את השפה לעומק רָמָה.
במהלך תהליך הפיתוח, הבינה המלאכותית מודרכת לבניית אלגוריתם צעד אחר צעד ולבדוק את הפלט שלו מול פתרון נכון ידוע, ובכך להבטיח יצירת שיטה יָעִיל. בנוסף, ה-AI מקבל הוראה לנסות ליצור את האלגוריתם הכי תמציתי שאפשר.
החברה מציינת כי משימה זו הופכת למאתגרת יותר ככל שהבעיות נעשות מורכבות יותר. הסיבה לכך היא שמספר השילובים האפשריים של הוראות גדל במהירות, ומתקרב למספר החלקיקים ביקום.
לפיכך, בינה מלאכותית צריכה להתמודד עם הקושי לחקור מרחב חיפוש עצום במיוחד כדי למצוא פתרונות אופטימליים לבעיות גדולות יותר.
AlphaDev, כשאותגרה ליצור אלגוריתם סיווג, הפתיעה כשהציגה תוצאה מהירה ב-70% מהאלגוריתם שנחשב לטוב ביותר עבור רשימות של חמש פיסות נתונים. יתר על כן, ברשימות עם יותר מ-250,000 פריטים, האלגוריתם שפותח על ידי AlphaDev השיג שיפור ביצועים של 1.7%.
דניאל מנקוביץ, בעת ניתוח התוכנית שנוצרה על ידי AlphaDev, חשד בתחילה לטעות או לפגם, אולם כאשר בחקירה נוספת, הבין שה-AI גילה גישה יעילה יותר לסיווג נתונים.
חובב סרטים וסדרות וכל מה שקשור לקולנוע. סקרן פעיל ברשתות, מחובר תמיד למידע על האינטרנט.