덕분에 인공 지능 영국 회사 DeepMind에서 개발한 전 세계적으로 널리 사용되는 알고리즘은 최대 70% 더 빠르게 실행할 수 있습니다.
이러한 개선은 수십 년 동안 인간 프로그래머가 무시해 온 데이터를 분류하기 위해 인공 지능이 발견한 새로운 접근 방식 덕분입니다.
더보기
Google Messaging: 교차 플랫폼 채팅의 미래는…
확인: 삼성은 실제로 폴더블 스크린을 생산하고 있습니다…
정렬 알고리즘은 전 세계 컴퓨터에서 널리 사용되는 기본 기능이므로 이 발견은 수백만 개의 프로그램을 최적화할 수 있는 잠재력을 가지고 있습니다.
DeepMind의 Daniel Mankowitz는 뛰어난 성능을 기대하지 않았다며 얻은 결과에 놀라움을 표시했습니다.
그는 수십 년 동안 연구된 개발된 프로그램의 간결함을 강조했습니다. 컴퓨팅에서 널리 사용되는 분류 알고리즘은 핵심적인 역할을 합니다. 단어의 사전순 정렬 또는 분류를 통한 데이터 구성 숫자.
이 분야에는 몇 가지 접근 방식이 있지만 시간이 지남에 따라 달성된 높은 최적화로 인해 혁신이 제한되었습니다.
컴퓨팅의 "일꾼"으로 알려진 정렬 알고리즘은 단어를 사전순으로 정렬하든 숫자를 오름차순으로 정렬하든 관계없이 데이터를 구성하는 작업을 수행합니다.
여러 분류 알고리즘이 존재함에도 불구하고 이러한 접근 방식이 수십 년 동안 고도로 최적화되었기 때문에 혁신은 제한적이었습니다.
이러한 한계를 극복하기 위해 DeepMind는 AlphaDev라는 인공 지능 모델을 개발했습니다. 기존 알고리즘을 조정하는 것과는 반대로 AlphaDev는 주어진 작업을 수행할 수 있는 새로운 알고리즘을 발견하도록 설계되었습니다.
이 혁신적인 접근 방식은 데이터 분류 분야의 이전 노력을 극복하기 위해 처음부터 시작합니다. DeepMind는 AlphaZero 개발 프로세스의 일부로 어셈블리 코드를 사용합니다.
어셈블리 코드는 인간이 작성한 코드와 0과 1로 인코딩된 이진 명령 시퀀스 사이에 있는 중간 컴퓨터 언어입니다.
어셈블리 코드는 사람이 주의 깊게 읽고 이해할 수 있지만 대부분의 소프트웨어는 코드로 번역되거나 "컴파일"되기 전에 보다 직관적인 고급 언어로 집회.
그러나 DeepMind는 조립 코드를 사용하면 AlphaGo가 더 많은 자유를 얻을 수 있다고 주장합니다. 언어를 심층적으로 이해하는 능력을 활용하여 보다 효율적인 알고리즘을 만듭니다. 수준.
개발 과정에서 인공 지능이 단계별로 알고리즘을 구축하도록 안내합니다. 알려진 올바른 솔루션에 대해 출력을 테스트하여 메서드 생성을 보장합니다. 효과적인. 또한 AI는 가능한 가장 간결한 알고리즘을 만들도록 지시합니다.
회사는 문제가 더 복잡해짐에 따라 이 작업이 점점 더 어려워지고 있다고 지적합니다. 가능한 명령 조합의 수가 급격히 증가하여 우주의 입자 수에 근접하기 때문입니다.
따라서 AI는 더 큰 문제에 대한 최적의 솔루션을 찾기 위해 매우 방대한 검색 공간을 탐색하는 어려움에 직면해야 합니다.
AlphaDev는 분류 알고리즘을 생성하라는 과제를 받았을 때 5개의 데이터 목록에 대해 최고로 간주되는 알고리즘보다 70% 더 빠른 결과를 제시하여 놀랐습니다. 또한 250,000개 이상의 항목이 있는 목록에서 AlphaDev가 개발한 알고리즘은 1.7%의 성능 향상을 달성했습니다.
Daniel Mankowitz는 AlphaDev에서 만든 프로그램을 분석할 때 처음에는 오류나 결함을 의심했지만 추가 조사를 통해 AI가 분류에 대한 보다 효율적인 접근 방식을 발견했음을 깨달았습니다. 데이터.
영화와 시리즈, 영화와 관련된 모든 것을 사랑하는 사람. 네트워크에 대한 적극적인 호기심, 항상 웹에 대한 정보에 연결되어 있습니다.
