ডিপমাইন্ড ম্যাট্রিক্স ম্যাথ ব্যবহার করে উন্নত ম্যাট্রিক্স গণিত কৌশলগুলিকে স্বয়ংক্রিয়ভাবে আবিষ্কার করতে

Google-এর মালিকানাধীন ডিপমাইন্ড গাণিতিক ম্যাট্রিক্সের গুণনের জন্য শক্তিশালী শেখার কৌশল প্রয়োগ করেছে, কিছু মানব-নির্মিত অ্যালগরিদমকে পরাজিত করেছে যা 50 বছর স্থায়ী হয়েছে এবং কম্পিউটার বিজ্ঞানের উন্নতির দিকে কাজ করছে।

2010 সালে লন্ডনে প্রতিষ্ঠিত, ডিপমাইন্ড বোর্ড গেম গো-তে বিশ্ব চ্যাম্পিয়নকে হারানোর জন্য বিখ্যাত হয়ে উঠেছে AlphaGo AI এবং এর সাথে প্রোটিন ভাঁজ করার মানসিকভাবে জটিল চ্যালেঞ্জ গ্রহণ করা আলফাফোল্ড.

চাকার মধ্যে-চাকার চলনে, এটি গাণিতিক সমস্যাগুলির উপর নিজের দৃষ্টিভঙ্গি স্থাপন করেছে।

বিশেষ করে, ল্যাব বলেছে যে এটি একটি উপায় তৈরি করেছে আবিষ্কার স্বয়ংক্রিয় অ্যালগরিদমগুলি যা ম্যাট্রিক্সকে গুণ করার সময় শর্টকাট হিসাবে কাজ করে – অনেক কিশোর গণিত ছাত্রের মাথাব্যথার কারণ।

বছরের পর বছর ধরে, গণিতবিদরা এই জটিল অ্যারে গুণের জন্য অ্যালগরিদম প্রয়োগ করছেন, যার মধ্যে কিছু কম্পিউটার বিজ্ঞানে, বিশেষ করে মেশিন লার্নিং এবং এআই-তে ব্যবহৃত হয়।

We’re told that DeepMind researcher Alhussein Fawzi and his colleagues used deep reinforcement to rediscover earlier matrix multiplication algorithms and find new ones. The team created a system, dubbed AlphaTensor, that plays a game in which the goal is to find the best approach to multiplying two matrices. If the AI agent does well, it is reinforced to make future success more likely.

This process is repeated over and over using this feedback so that agent generates interesting and improved ways to multiply matrices. It’s said that DeepMind’s agent was challenged to complete matrix math work in as few steps as possible, and had to figure out the best way forward from potentially trillions of possible moves.

আমরা লক্ষ্য করি যে এই AI এজেন্ট সম্ভবত তার শেখার প্রক্রিয়ায় এবং অনুমানের সময় ম্যাট্রিক্স গণিত ব্যবহার করছিল; এইভাবে, ম্যাট্রিক্স অপারেশনগুলি ম্যাট্রিক্স ক্রিয়াকলাপগুলি করার জন্য দ্রুত উপায় খুঁজে পেতে ব্যবহৃত হয়েছিল।

ফওজি এই সপ্তাহে একটি প্রেস ব্রিফিংয়ে বলেছিলেন যে কাজটি জটিল ছিল যদিও সমস্যাগুলির জন্য অ্যালগরিদমগুলির বিকাশের ফলে যা 50 বছরেরও বেশি মানুষের গবেষণায় উন্নত হয়নি, তিনি বলেছিলেন।

গবেষকরা দাবি করেছেন যে কৌশলগুলি গণনামূলক কাজগুলিকে উপকৃত করতে পারে যা গুণন অ্যালগরিদমগুলি ব্যবহার করে - যেমন AI - সেইসাথে কিছু সীমাবদ্ধতা উল্লেখ করার সাথে সাথে পরিচিত সমস্যাগুলির নতুন এবং অপ্রত্যাশিত সমাধানগুলি খুঁজে পেতে কীভাবে শক্তিবৃদ্ধি শেখার ব্যবহার করা যেতে পারে তা প্রদর্শন করে। উদাহরণস্বরূপ, সিস্টেমে কার্যকর অ্যালগরিদমের উপসেট অনুপস্থিত এড়াতে পূর্বনির্ধারিত উপাদানগুলি প্রয়োজনীয়।

সন্দেহবাদীরা আলফাফোল্ডের প্রয়োগের দিকে ইঙ্গিত করতে পারে, যা এআই-সমর্থিত প্রোটিন গবেষণার মাধ্যমে ওষুধ আবিষ্কারে সাফল্যের প্রতিশ্রুতি দেয়। যদিও মডেলটি আবিষ্কৃত প্রায় সমস্ত পরিচিত প্রোটিন কাঠামোর ভবিষ্যদ্বাণী করেছে, তার সাহায্য করার ক্ষমতা বিজ্ঞানীরা আবিষ্কার করেছেন নতুন ওষুধ অপ্রমাণিত।

যাই হোক না কেন, এটি আমাদের কাছে মেশিন লার্নিংকে ত্বরান্বিত করার জন্য মেশিন লার্নিং এর মত মনে হচ্ছে। ®