Takket være a kunstig intelligens utviklet av det britiske selskapet DeepMind, en algoritme som er mye brukt over hele verden, kan kjøre opptil 70 % raskere.
Denne forbedringen skyldes en ny tilnærming funnet av kunstig intelligens for å klassifisere data som hadde blitt neglisjert av menneskelige programmerere i flere tiår.
se mer
Google Messaging: Fremtiden for chat på tvers av plattformer kan være...
Bekreftet: Samsung produserer virkelig sammenleggbare skjermer for...
Oppdagelsen har potensial til å optimalisere millioner av programmer, ettersom sorteringsalgoritmer er grunnleggende funksjoner som er mye brukt av datamaskiner over hele verden.
Daniel Mankowitz fra DeepMind uttrykte overraskelse over de oppnådde resultatene, og uttalte at de ikke forventet overlegen ytelse.
Han fremhevet konsisiteten til det utviklede programmet, som ble studert i flere tiår. Klassifiseringsalgoritmer, mye brukt i databehandling, spiller en nøkkelrolle i organisering av data, enten det er gjennom alfabetisk rekkefølge av ord eller klassifisering numerisk.
Selv om det er flere tilnærminger på dette feltet, har innovasjoner vært begrenset på grunn av den høye optimaliseringen som er oppnådd over tid.
Sorteringsalgoritmer, kjent som "arbeidshestene" til databehandling, har i oppgave å organisere data, enten det er sortering av ord alfabetisk eller sortering av tall i stigende rekkefølge.
Til tross for eksistensen av flere klassifiseringsalgoritmer, har innovasjoner vært begrenset, siden disse tilnærmingene har blitt svært optimalisert gjennom flere tiår.
For å overvinne denne begrensningen utviklet DeepMind en kunstig intelligens-modell kalt AlphaDev. I motsetning til å justere eksisterende algoritmer, er AlphaDev designet for å oppdage nye algoritmer som er i stand til å utføre en gitt oppgave.
Denne innovative tilnærmingen starter fra bunnen av, og søker å overvinne tidligere innsats innen dataklassifisering. DeepMind bruker monteringskode som en del av AlphaZero-utviklingsprosessen.
Monteringskode er et mellomdataspråk, som ligger mellom kode skrevet av mennesker og sekvenser av binære instruksjoner kodet i 0-er og 1-er.
Mens monteringskode kan leses og forstås nøye av mennesker, er det meste av programvare skrevet til høynivåspråk, som er mer intuitive, før de blir oversatt eller "kompilert" til kode montering.
DeepMind hevder imidlertid at bruken av monteringskode gir AlphaGo større frihet til skape mer effektive algoritmer ved å utnytte deres evne til å forstå språket i dybden nivå.
Under utviklingsprosessen guides den kunstige intelligensen til å bygge en algoritme trinn for trinn og test resultatet mot en kjent korrekt løsning, og sikrer dermed opprettelsen av en metode effektive. I tillegg er AI-en instruert om å søke å lage en så kortfattet algoritme som mulig.
Selskapet påpeker at denne oppgaven blir stadig mer utfordrende ettersom problemene blir mer komplekse. Dette er fordi antallet mulige kombinasjoner av instruksjoner øker raskt, og nærmer seg antallet partikler i universet.
Derfor må AI møte vanskeligheten med å utforske et ekstremt stort søkerom for å finne optimale løsninger på større problemer.
Da AlphaDev ble utfordret til å lage en klassifiseringsalgoritme, overrasket hun ved å presentere et resultat 70 % raskere enn algoritmen som ble ansett som best for lister med fem datastykker. Videre, i lister med mer enn 250 000 varer, oppnådde algoritmen utviklet av AlphaDev en ytelsesforbedring på 1,7 %.
Da Daniel Mankowitz analyserte programmet opprettet av AlphaDev, mistenkte han først en feil eller feil, men da undersøkte videre, innså at AI hadde oppdaget en mer effektiv tilnærming til klassifisering data.
Elsker av filmer og serier og alt som involverer kino. En aktiv nysgjerrig på nettverkene, alltid koblet til informasjon om nettet.