DeepMind kasutab maatriksmatemaatikat, et automatiseerida paremate maatriksmatemaatika tehnikate leidmist

Google'i omanduses olev DeepMind on rakendanud matemaatiliste maatriksite korrutamiseks tugevdatud õppetehnikaid, ületades mõningaid inimese loodud algoritme, mis on kestnud 50 aastat, ja töötades arvutiteaduse täiustamise suunas.

2010. aastal Londonis asutatud DeepMind on kuulsaks saanud lauamängu Go maailmameistri alistamisega. AlphaGo AI ja võtta vastu hämmastavalt keeruline väljakutse, milleks on valkude voltimine AlfaFold.

Rattad-rataste sees liikumisel on see sellest ajast peale võtnud sihikule matemaatikaprobleemid ise.

Täpsemalt ütles labor, et on välja töötanud viisi avastuse automatiseerimiseks algoritmidest, mis toimivad maatriksite korrutamisel otseteedena – paljude teismeliste matemaatikaõpilaste peavalude põhjus.

Matemaatikud on aastaid rakendanud algoritme nende keerukate massiivi korrutuste jaoks, millest mõnda kasutatakse arvutiteaduses, eriti masinõppes ja tehisintellektis.

Meile öeldi, et DeepMindi uurija Alhussein Fawzi ja tema kolleegid kasutasid varasemate maatriksikorrutusalgoritmide taasavastamiseks ja uute leidmiseks sügavat tugevdamist. Meeskond lõi süsteemi nimega AlphaTensor, mis mängib mängu, mille eesmärk on leida parim viis kahe maatriksi korrutamiseks. Kui AI-agendil läheb hästi, tugevdatakse seda, et tulevikus edu oleks tõenäolisem.

Seda protsessi korratakse seda tagasisidet kasutades ikka ja jälle, nii et agent loob huvitavaid ja täiustatud viise maatriksite korrutamiseks. Väidetavalt esitati DeepMindi agendile väljakutse lõpetada maatriksmatemaatika töö võimalikult väheste sammudega ja ta pidi potentsiaalselt triljonitest võimalikest käikudest leidma parima edasiliikumise.

Märgime, et see AI agent kasutas oma õppeprotsessis ja järelduste tegemisel tõenäoliselt maatriksmatemaatikat; seega kasutati maatrikstehteid, et leida kiiremaid viise maatrikstehte tegemiseks.

Fawzi ütles sel nädalal toimunud pressibriifingul, et töö oli keeruline, kuigi selle tulemusel töötati välja algoritmid probleemide jaoks, mida pole enam kui 50 aastat kestnud inimuuringutega parandatud, ütles ta.

Teadlased väitsid, et tehnikad võivad olla kasulikud arvutusülesannetele, mis kasutavad korrutamisalgoritme, nagu AI, ning näidata, kuidas tugevdamisõpet saab kasutada teadaolevatele probleemidele uute ja ootamatute lahenduste leidmiseks, märkides samas ka mõningaid piiranguid. Näiteks on eelmääratletud komponendid vajalikud selleks, et vältida tõhusate algoritmide alamhulga puudumist.

Skeptikud võivad viidata AlphaFoldi rakendusele, mis lubas läbimurdeid ravimite avastamisel tehisintellekti toetatud valguuuringute kaudu. Kuigi mudel on ennustanud peaaegu kõiki teadaolevaid avastatud valgu struktuure, on selle oskus aidata Teadlased avastavad, et uusi ravimeid pole veel tõestatud.

Igal juhul tundub see meie jaoks nii, et masinõpet kasutatakse masinõppe kiirendamiseks. ®