Tack vare a artificiell intelligens utvecklad av brittiska företaget DeepMind, en algoritm som används i stor utsträckning över hela världen kan köra upp till 70 % snabbare.
Denna förbättring beror på ett nytt tillvägagångssätt som hittats av artificiell intelligens för att klassificera data som hade försummats av mänskliga programmerare i decennier.
se mer
Google Messaging: Framtiden för plattformsoberoende chatt kan vara...
Bekräftat: Samsung producerar verkligen vikbara skärmar för...
Upptäckten har potential att optimera miljontals program, eftersom sorteringsalgoritmer är grundläggande funktioner som ofta används av datorer runt om i världen.
Daniel Mankowitz från DeepMind uttryckte förvåning över de erhållna resultaten, och sa att de inte förväntade sig överlägsen prestation.
Han lyfte fram det koncisa i det utvecklade programmet, som studerats i årtionden. Klassificeringsalgoritmer, som ofta används i datoranvändning, spelar en nyckelroll i organisationen av data, antingen genom alfabetisk ordning av ord eller klassificering numerisk.
Även om det finns flera tillvägagångssätt inom detta område har innovationer varit begränsade på grund av den höga optimering som uppnåtts över tid.
Sorteringsalgoritmer, kända som datorernas "arbetshästar", har till uppgift att organisera data, oavsett om ord sorteras alfabetiskt eller sorteras siffror i stigande ordning.
Trots att det finns flera klassificeringsalgoritmer har innovationer varit begränsade, eftersom dessa tillvägagångssätt har optimerats mycket under decennierna.
För att övervinna denna begränsning utvecklade DeepMind en artificiell intelligensmodell kallad AlphaDev. I motsats till att justera befintliga algoritmer, är AlphaDev designad för att upptäcka nya algoritmer som kan utföra en given uppgift.
Detta innovativa tillvägagångssätt börjar från början och försöker övervinna tidigare ansträngningar inom området dataklassificering. DeepMind använder assemblerkod som en del av utvecklingsprocessen för AlphaZero.
Assembly code är ett mellanliggande datorspråk, som ligger mellan kod skriven av människor och sekvenser av binära instruktioner kodade i 0:or och 1:or.
Även om monteringskoden noggrant kan läsas och förstås av människor, skrivs de flesta program till högnivåspråk, som är mer intuitiva, innan de översätts eller "kompileras" till kod hopsättning.
DeepMind hävdar dock att användningen av monteringskod ger AlphaGo större frihet att skapa effektivare algoritmer genom att dra fördel av deras förmåga att förstå språket på djupet nivå.
Under utvecklingsprocessen guidas den artificiella intelligensen till att bygga en algoritm steg för steg och testa dess utdata mot en känd korrekt lösning, vilket säkerställer skapandet av en metod effektiv. Dessutom instrueras AI: n att försöka skapa en så kortfattad algoritm som möjligt.
Företaget påpekar att denna uppgift blir allt mer utmanande i takt med att problemen blir mer komplexa. Detta beror på att antalet möjliga kombinationer av instruktioner ökar snabbt och närmar sig antalet partiklar i universum.
Alltså måste AI möta svårigheten att utforska ett extremt stort sökutrymme för att hitta optimala lösningar på större problem.
När AlphaDev utmanades att skapa en klassificeringsalgoritm, förvånade han genom att presentera ett resultat 70 % snabbare än den algoritm som anses vara den bästa för listor med fem datastycken. Dessutom, i listor med mer än 250 000 artiklar, uppnådde algoritmen utvecklad av AlphaDev en prestandaförbättring på 1,7 %.
När Daniel Mankowitz analyserade programmet skapat av AlphaDev, misstänkte han först ett fel eller fel, men när undersökte vidare, insåg att AI: n hade upptäckt ett mer effektivt tillvägagångssätt för klassificering data.
Älskar av filmer och serier och allt som rör film. En aktiv nyfiken på nätverken, alltid kopplad till information om webben.
