dzięki a sztuczna inteligencja Opracowany przez brytyjską firmę DeepMind algorytm szeroko stosowany na całym świecie może działać nawet o 70% szybciej.
Ta poprawa wynika z nowego podejścia opracowanego przez sztuczną inteligencję do klasyfikowania danych, które przez dziesięciolecia były zaniedbywane przez ludzkich programistów.
Zobacz więcej
Google Messaging: Przyszłość czatu międzyplatformowego może być…
Potwierdzono: Samsung naprawdę produkuje składane ekrany dla…
Odkrycie może potencjalnie zoptymalizować miliony programów, ponieważ algorytmy sortowania są podstawowymi funkcjami powszechnie używanymi przez komputery na całym świecie.
Daniel Mankowitz z DeepMind wyraził zdziwienie uzyskanymi wynikami, stwierdzając, że nie spodziewali się lepszej wydajności.
Podkreślił zwięzłość opracowanego programu, który był badany przez dziesięciolecia. Kluczową rolę odgrywają algorytmy klasyfikacji, szeroko stosowane w informatyce w organizacji danych, czy to poprzez alfabetyczne uporządkowanie słów, czy klasyfikację numeryczne.
Chociaż istnieje kilka podejść w tej dziedzinie, innowacje zostały ograniczone ze względu na wysoką optymalizację osiągniętą w czasie.
Algorytmy sortowania, znane jako „konie robocze” komputerów, mają za zadanie organizować dane, czy to sortując słowa alfabetycznie, czy sortując liczby w porządku rosnącym.
Pomimo istnienia kilku algorytmów klasyfikacji, innowacje były ograniczone, ponieważ podejścia te były wysoce optymalizowane przez dziesięciolecia.
Aby przezwyciężyć to ograniczenie, firma DeepMind opracowała model sztucznej inteligencji o nazwie AlphaDev. W przeciwieństwie do ulepszania istniejących algorytmów, AlphaDev ma na celu odkrywanie nowych algorytmów zdolnych do wykonania danego zadania.
To innowacyjne podejście zaczyna się od zera, starając się przezwyciężyć wcześniejsze wysiłki w obszarze klasyfikacji danych. DeepMind używa kodu asemblera w ramach procesu rozwoju AlphaZero.
Kod asemblera to pośredni język komputerowy, leżący pomiędzy kodem napisanym przez ludzi a sekwencjami instrukcji binarnych zakodowanych w zerach i jedynekach.
Chociaż kod asemblera może być dokładnie odczytany i zrozumiany przez ludzi, większość oprogramowania jest napisana na języki wysokiego poziomu, które są bardziej intuicyjne, zanim zostaną przetłumaczone lub „skompilowane” w kod montaż.
Jednak DeepMind twierdzi, że użycie kodu asemblera daje AlphaGo większą swobodę tworzyć bardziej wydajne algorytmy, wykorzystując ich zdolność do dogłębnego rozumienia języka poziom.
Podczas procesu rozwoju sztuczna inteligencja jest prowadzona krok po kroku w celu zbudowania algorytmu i przetestować jego dane wyjściowe pod kątem znanego poprawnego rozwiązania, zapewniając w ten sposób utworzenie metody skuteczny. Ponadto sztuczna inteligencja jest poinstruowana, aby dążyć do stworzenia możliwie najbardziej zwięzłego algorytmu.
Firma zwraca uwagę, że zadanie to staje się coraz trudniejsze, ponieważ problemy stają się bardziej złożone. Dzieje się tak dlatego, że liczba możliwych kombinacji instrukcji gwałtownie wzrasta, zbliżając się do liczby cząstek we Wszechświecie.
W związku z tym sztuczna inteligencja musi zmierzyć się z trudnością eksploracji niezwykle rozległej przestrzeni poszukiwań w celu znalezienia optymalnych rozwiązań większych problemów.
AlphaDev, poproszony o stworzenie algorytmu klasyfikacji, zaskoczył, prezentując wynik o 70% szybciej niż algorytm uważany za najlepszy dla list składających się z pięciu elementów danych. Co więcej, na listach zawierających ponad 250 000 pozycji algorytm opracowany przez AlphaDev osiągnął poprawę wydajności o 1,7%.
Daniel Mankowitz, analizując program stworzony przez AlphaDev, początkowo podejrzewał błąd lub wadę, ale kiedy badając dalej, zdał sobie sprawę, że sztuczna inteligencja odkryła bardziej wydajne podejście do klasyfikowania dane.
Miłośnik filmów i seriali oraz wszystkiego co związane z kinem. Aktywny ciekawski w sieci, zawsze podłączony do informacji o sieci.
