Το DeepMind χρησιμοποιεί μαθηματικά matrix για να αυτοματοποιήσει την ανακάλυψη καλύτερων τεχνικών μαθηματικών μήτρας PlatoBlockchain Data Intelligence. Κάθετη αναζήτηση. Ολα συμπεριλαμβάνονται.

Το DeepMind χρησιμοποιεί μαθηματικά μήτρας για να αυτοματοποιήσει την ανακάλυψη καλύτερων τεχνικών μαθηματικών πινάκων

Το DeepMind που ανήκει στην Google έχει εφαρμόσει τεχνικές ενισχυμένης μάθησης στον πολλαπλασιασμό μαθηματικών πινάκων, ξεπερνώντας ορισμένους ανθρωπογενείς αλγόριθμους που έχουν διαρκέσει 50 χρόνια και εργάζονται για βελτιώσεις στην επιστήμη των υπολογιστών.

Η DeepMind ιδρύθηκε στο Λονδίνο το 2010 και έγινε διάσημη επειδή κέρδισε τον παγκόσμιο πρωταθλητή στο επιτραπέζιο παιχνίδι Go με το AlphaGo Τεχνητή Νοημοσύνη και αναλαμβάνοντας την εκπληκτικά πολύπλοκη πρόκληση της αναδίπλωσης πρωτεϊνών με AlphaFold.

Σε μια κίνηση τροχών-εντός-τροχών, έκτοτε έχει βάλει στόχο τα ίδια τα μαθηματικά προβλήματα.

Συγκεκριμένα, το εργαστήριο είπε ότι ανέπτυξε έναν τρόπο να αυτοματοποιήστε την ανακάλυψη αλγορίθμων που λειτουργούν ως συντομεύσεις κατά τον πολλαπλασιασμό πινάκων – η αιτία των πονοκεφάλων για πολλούς έφηβους μαθηματικούς.

Για χρόνια, οι μαθηματικοί εφαρμόζουν αλγόριθμους σε αυτούς τους σύνθετους πολλαπλασιασμούς πινάκων, μερικοί από τους οποίους χρησιμοποιούνται στην επιστήμη των υπολογιστών, ιδιαίτερα στη μηχανική μάθηση και την τεχνητή νοημοσύνη.

Μας λένε ότι ο ερευνητής του DeepMind, Alhussein Fawzi και οι συνεργάτες του χρησιμοποίησαν βαθιά ενίσχυση για να ανακαλύψουν εκ νέου παλαιότερους αλγόριθμους πολλαπλασιασμού πινάκων και να βρουν νέους. Η ομάδα δημιούργησε ένα σύστημα, με το όνομα AlphaTensor, που παίζει ένα παιχνίδι στο οποίο ο στόχος είναι να βρεθεί η καλύτερη προσέγγιση για τον πολλαπλασιασμό δύο πινάκων. Εάν ο πράκτορας AI τα πάει καλά, ενισχύεται για να κάνει πιο πιθανή τη μελλοντική επιτυχία.

Αυτή η διαδικασία επαναλαμβάνεται ξανά και ξανά χρησιμοποιώντας αυτήν την ανάδραση, έτσι ώστε ο πράκτορας να δημιουργεί ενδιαφέροντες και βελτιωμένους τρόπους πολλαπλασιασμού πινάκων. Λέγεται ότι ο πράκτορας του DeepMind προκλήθηκε να ολοκληρώσει τη μαθηματική εργασία σε όσο το δυνατόν λιγότερα βήματα και έπρεπε να βρει τον καλύτερο τρόπο προς τα εμπρός από δυνητικά τρισεκατομμύρια πιθανές κινήσεις.

Σημειώνουμε ότι αυτός ο πράκτορας AI πιθανότατα χρησιμοποιούσε μαθηματικά μήτρας στη διαδικασία εκμάθησής του και κατά τη διάρκεια της εξαγωγής συμπερασμάτων. Έτσι, οι πράξεις μήτρας χρησιμοποιήθηκαν για να βρεθούν ταχύτεροι τρόποι για να γίνουν πράξεις μήτρας.

Ο Fawzi είπε σε συνέντευξη Τύπου αυτή την εβδομάδα ότι η εργασία ήταν πολύπλοκη, αν και οδήγησε στην ανάπτυξη αλγορίθμων για προβλήματα που δεν έχουν βελτιωθεί σε περισσότερα από 50 χρόνια ανθρώπινης έρευνας, είπε.

Οι ερευνητές ισχυρίστηκαν ότι οι τεχνικές θα μπορούσαν να ωφελήσουν υπολογιστικές εργασίες που χρησιμοποιούν αλγόριθμους πολλαπλασιασμού - όπως η τεχνητή νοημοσύνη - καθώς και να καταδείξουν πώς η ενισχυτική μάθηση μπορεί να χρησιμοποιηθεί για την εύρεση νέων και απροσδόκητων λύσεων σε γνωστά προβλήματα, σημειώνοντας επίσης ορισμένους περιορισμούς. Για παράδειγμα, τα προκαθορισμένα στοιχεία είναι απαραίτητα για να αποφευχθεί η απώλεια ενός υποσυνόλου αποτελεσματικών αλγορίθμων από το σύστημα.

Οι σκεπτικιστές μπορεί να αναφέρουν την εφαρμογή του AlphaFold, το οποίο υποσχέθηκε καινοτομίες στην ανακάλυψη φαρμάκων μέσω της έρευνας πρωτεϊνών που υποστηρίζεται από AI. Αν και το μοντέλο έχει προβλέψει σχεδόν όλες τις γνωστές πρωτεϊνικές δομές που ανακαλύφθηκαν, ικανότητα να βοηθήσει Οι επιστήμονες ανακαλύπτουν ότι τα νέα φάρμακα παραμένουν αναπόδεικτα.

Σε κάθε περίπτωση, αυτό για εμάς μοιάζει με τη χρήση μηχανικής μάθησης για την επιτάχυνση της μηχανικής εκμάθησης. ®

Σφραγίδα ώρας:

Περισσότερα από Το μητρώο