डीपमाइंड एआई वन-अप गणितज्ञों की गणना कंप्यूटिंग के लिए महत्वपूर्ण है

दीपमाइंड ने इसे फिर से किया है।

जीव विज्ञान में एक मौलिक चुनौती को हल करने के बाद-प्रोटीन संरचना की भविष्यवाणी-तथा गाँठ सिद्धांत के गणित को सुलझाना, इसका उद्देश्य रोज़मर्रा के हज़ारों अनुप्रयोगों में अंतर्निहित एक मूलभूत कंप्यूटिंग प्रक्रिया है। छवियों को पार्स करने से लेकर मॉडलिंग का मौसम या कृत्रिम तंत्रिका नेटवर्क के आंतरिक कामकाज की जांच करते हुए, एआई सैद्धांतिक रूप से कई क्षेत्रों में गणना को तेज कर सकता है, ऊर्जा उपयोग और लागत में कटौती करते हुए दक्षता में वृद्धि कर सकता है।

लेकिन अधिक प्रभावशाली है कैसे उन्होंने ये कर दिया। रिकॉर्ड तोड़ने वाला एल्गोरिथम, जिसे अल्फ़ाटेन्सर कहा जाता है, किसका स्पिनऑफ़ है? अल्फ़ाज़ो, जिसने शतरंज और गो में मानव खिलाड़ियों को प्रसिद्ध रूप से रौंद दिया।

"हजारों वर्षों से मूलभूत संचालन करने के लिए दुनिया भर की सभ्यताओं में एल्गोरिदम का उपयोग किया गया है," लिखा था सह-लेखक डॉ. दीपमाइंड में मतेज बलोग और अलहुसैन फावजी। "हालांकि, एल्गोरिदम की खोज करना बेहद चुनौतीपूर्ण है।"

AlphaTensor एक नई दुनिया के लिए एक पथ प्रज्वलित करता है जहाँ AI ऐसे प्रोग्राम डिज़ाइन करता है जो किसी भी मानव इंजीनियर से बेहतर प्रदर्शन करते हैं, साथ ही साथ अपनी मशीन "ब्रेन" में सुधार करते हैं।

"यह काम एक अनुकूलन समस्या के लिए एआई का उपयोग करके अज्ञात क्षेत्र में धकेलता है जिस पर लोगों ने दशकों से काम किया है ... जो समाधान मिलते हैं उन्हें कम्प्यूटेशनल रन टाइम में सुधार के लिए तुरंत विकसित किया जा सकता है," डॉ। फेडेरिको लेवी, एक वरिष्ठ संपादक ने कहा प्रकृति, जो प्रकाशित द स्टडी।

मैट्रिक्स गुणन दर्ज करें

AlphaTensor का सामना करने वाली समस्या मैट्रिक्स गुणन है। यदि आप अचानक अपनी स्क्रीन को नीचे स्क्रॉल करते हुए हरे रंग की संख्याओं की पंक्तियों और स्तंभों की कल्पना कर रहे हैं, तो आप अकेले नहीं हैं। मोटे तौर पर, एक मैट्रिक्स उस तरह का होता है - संख्याओं का एक ग्रिड जो डिजिटल रूप से आपके चयन के डेटा का प्रतिनिधित्व करता है। यह एक छवि में पिक्सेल हो सकता है, एक ध्वनि क्लिप की आवृत्ति, या वीडियो गेम में पात्रों का रूप और कार्य।

मैट्रिक्स गुणन संख्याओं के दो ग्रिड लेता है और एक के बाद एक गुणा करता है। यह एक गणना है जिसे अक्सर हाई स्कूल में पढ़ाया जाता है, लेकिन यह कंप्यूटिंग सिस्टम के लिए भी महत्वपूर्ण है। यहां, एक मैट्रिक्स में संख्याओं की पंक्तियों को दूसरे में कॉलम से गुणा किया जाता है। परिणाम एक परिणाम उत्पन्न करते हैं—उदाहरण के लिए, वीडियो गेम दृश्य के अपने दृश्य को ज़ूम इन या झुकाने का आदेश। हालांकि ये गणना हुड के तहत काम करती है, फोन या कंप्यूटर का उपयोग करने वाला कोई भी व्यक्ति हर दिन अपने परिणामों पर निर्भर करता है।

आप देख सकते हैं कि कैसे समस्या अत्यंत कठिन, अत्यंत तीव्र गति से हो सकती है। बड़े मैट्रिक्स को गुणा करना अविश्वसनीय रूप से ऊर्जा और समय गहन है। एक नया मैट्रिक्स बनाने के लिए प्रत्येक संख्या जोड़ी को अलग-अलग गुणा करना पड़ता है। जैसे-जैसे मैट्रिसेस बढ़ता है, समस्या तेजी से अस्थिर हो जाती है - सर्वश्रेष्ठ शतरंज या गो चालों की भविष्यवाणी करने से भी ज्यादा। कुछ विशेषज्ञों का अनुमान है कि और तरीके ब्रह्मांड में परमाणुओं की संख्या से मैट्रिक्स गुणन को हल करने के लिए।

1969 में वापस, एक जर्मन गणितज्ञ वोल्कर स्ट्रैसेन ने दिखाया कि कोनों को काटने के तरीके हैं, दो-दो-दो मैट्रिक्स गुणन के एक दौर को घटाकर कुल आठ से सात. यह प्रभावशाली नहीं लग सकता है, लेकिन स्ट्रैसन की विधि ने दिखाया कि मैट्रिक्स गुणन के लिए लंबे समय तक चलने वाले संचालन-अर्थात, एल्गोरिदम को हराना संभव है। उनका दृष्टिकोण, स्ट्रैसेन एल्गोरिथम, 50 से अधिक वर्षों के लिए सबसे कुशल दृष्टिकोण के रूप में राज्य करता रहा है।

लेकिन क्या होगा अगर और भी अधिक कुशल तरीके हैं? "कोई भी इसे हल करने के लिए सबसे अच्छा एल्गोरिदम नहीं जानता है," जापान में नागोया विश्वविद्यालय में डॉ फ्रांकोइस ले गैल, जो काम में शामिल नहीं थे, बोला था एमआईटी प्रौद्योगिकी की समीक्षा. "यह कंप्यूटर विज्ञान में सबसे बड़ी खुली समस्याओं में से एक है।"

एआई चेज़िंग एल्गोरिदम

यदि मानव अंतर्ज्ञान लड़खड़ा रहा है, तो क्यों न एक यांत्रिक मन में टैप किया जाए?

नए अध्ययन में, डीपमाइंड टीम ने मैट्रिक्स गुणन को एक खेल में बदल दिया। अपने पूर्ववर्ती AlphaZero के समान, AlphaTensor गहरी सुदृढीकरण सीखने का उपयोग करता है, एक मशीन सीखने की विधि जो जैविक दिमाग के सीखने के तरीके से प्रेरित है। यहां, एक एआई एजेंट (अक्सर एक कृत्रिम तंत्रिका नेटवर्क) एक मल्टीस्टेप समस्या को हल करने के लिए अपने पर्यावरण के साथ बातचीत करता है। यदि यह सफल होता है, तो यह एक "इनाम" अर्जित करता है - अर्थात, एआई के नेटवर्क मापदंडों को अपडेट किया जाता है, इसलिए भविष्य में इसके फिर से सफल होने की अधिक संभावना है।

यह पैनकेक को पलटना सीखने जैसा है। शुरू में बहुत सारे फर्श पर गिरेंगे, लेकिन अंततः आपके तंत्रिका नेटवर्क एक संपूर्ण फ्लिप के लिए हाथ और हाथ की गतिविधियों को सीखेंगे।

AlphaTensor का प्रशिक्षण मैदान एक प्रकार का 3D बोर्ड गेम है। यह अनिवार्य रूप से सुडोकू के समान एक-खिलाड़ी पहेली है। एआई को संभव न्यूनतम चरणों में संख्याओं के ग्रिड को गुणा करना चाहिए, जबकि स्वीकार्य चालों के असंख्य में से चुनना - उनमें से एक ट्रिलियन से अधिक।

इन स्वीकार्य चालों को सावधानी से AlphaTensor में डिज़ाइन किया गया था। एक प्रेस ब्रीफिंग में, सह-लेखक डॉ. हुसैन फ़ॉज़ी ने समझाया: "एल्गोरिदम खोज की जगह तैयार करना बहुत जटिल है ... और भी कठिन है, हम इस स्थान में कैसे नेविगेट कर सकते हैं।"

दूसरे शब्दों में, जब विकल्पों की एक दिमागी दबदबा का सामना करना पड़ता है, तो हम घास के ढेर में सुई खोजने की हमारी संभावनाओं को बेहतर बनाने के लिए उन्हें कैसे कम कर सकते हैं? और हम पूरे भूसे के ढेर को खोदे बिना सुई तक पहुंचने के लिए सबसे अच्छी रणनीति कैसे बना सकते हैं?

टीम ने AlphaTensor में शामिल एक तरकीब ट्री सर्च नामक एक विधि है। इसके बजाय, रूपक के रूप में, बेतरतीब ढंग से घास के ढेर के माध्यम से खुदाई करते हुए, यहां एआई "सड़कों" की जांच करता है जिससे बेहतर परिणाम मिल सकते हैं। इंटरमीडिएट की सीख तब एआई को सफलता की संभावनाओं को बढ़ावा देने के लिए अपने अगले कदम की योजना बनाने में मदद करती है। टीम ने सफल खेलों के एल्गोरिथम नमूने भी दिखाए, जैसे किसी बच्चे को शतरंज की शुरुआती चाल सिखाना। अंत में, एक बार एआई ने मूल्यवान चाल की खोज की, टीम ने बेहतर परिणाम की तलाश में अधिक अनुरूप सीखने के लिए उन कार्यों को फिर से व्यवस्थित करने की अनुमति दी।

नई जमीन तोड़ना

AlphaTensor ने अच्छा खेला। परीक्षणों की एक श्रृंखला में, टीम ने एआई को चुनौती दी कि वह पांच-बाई-पांच तक के मैट्रिसेस के लिए सबसे प्रभावी समाधान खोजें- यानी एक पंक्ति या कॉलम में प्रत्येक में पांच नंबर।

एल्गोरिथम ने स्ट्रैसन के मूल हैक को तेजी से फिर से खोजा, लेकिन फिर मानव दिमाग द्वारा पहले से तैयार किए गए सभी समाधानों को पार कर गया। विभिन्न आकारों के मैट्रिक्स के साथ AI का परीक्षण करते हुए, AlphaTensor ने 70 से अधिक के लिए अधिक कुशल समाधान पाया। टीम ने कहा, "वास्तव में, AlphaTensor आमतौर पर मैट्रिक्स के प्रत्येक आकार के लिए हजारों एल्गोरिदम की खोज करता है।" "यह दिमागी दबदबा है।"

एक मामले में, पांच-बाय-पांच मैट्रिक्स को चार-बाय-पांच से गुणा करने पर, एआई ने 80 व्यक्तिगत गुणाओं के पिछले रिकॉर्ड को घटाकर केवल 76 कर दिया। यह बड़े मैट्रिक्स पर भी चमकता था, जिससे दो के लिए आवश्यक संगणनाओं की संख्या कम हो जाती थी। 919 से 896 तक ग्यारह-बाई-ग्यारह मैट्रिसेस।

प्रूफ-ऑफ-कॉन्सेप्ट हाथ में, टीम ने व्यावहारिक उपयोग की ओर रुख किया। कंप्यूटर चिप्स को अक्सर विभिन्न संगणनाओं को अनुकूलित करने के लिए डिज़ाइन किया जाता है—उदाहरण के लिए, ग्राफिक्स के लिए GPU, या मशीन सीखने के लिए एआई चिप्स—और सर्वोत्तम-उपयुक्त हार्डवेयर के साथ एक एल्गोरिथ्म का मिलान करने से दक्षता बढ़ती है।

यहां, टीम ने मशीन लर्निंग में दो लोकप्रिय चिप्स के लिए एल्गोरिदम खोजने के लिए AlphaTensor का उपयोग किया: NVIDIA V100 GPU और Google TPU। कुल मिलाकर, एआई-विकसित एल्गोरिदम ने कम्प्यूटेशनल गति को 20 प्रतिशत तक बढ़ा दिया।

यह कहना मुश्किल है कि क्या एआई स्मार्टफोन, लैपटॉप या अन्य रोजमर्रा के उपकरणों को भी तेज कर सकता है। हालांकि, "यह विकास बहुत रोमांचक होगा यदि इसे व्यवहार में इस्तेमाल किया जा सकता है," एमआईटी के डॉ वर्जीनिया विलियम्स ने कहा। "प्रदर्शन में वृद्धि से बहुत सारे अनुप्रयोगों में सुधार होगा।"

एक एआई का दिमाग

अल्फाटेंसर मैट्रिक्स गुणन के नवीनतम मानव रिकॉर्ड को रौंदने के बावजूद, डीपमाइंड टीम अभी तक यह नहीं बता सकती है कि क्यों।

दीपमाइंड वैज्ञानिक और सह-लेखक डॉ. पुष्मीत कोहली ने एक प्रेस वार्ता में कहा, "इन खेलों को खेलकर इसे यह अद्भुत अंतर्ज्ञान मिला है।"

एल्गोरिदम विकसित करना भी मनुष्य बनाम मशीन नहीं होना चाहिए।

जबकि AlphaTensor तेज एल्गोरिदम की ओर एक कदम है, और भी तेज एल्गोरिदम मौजूद हो सकते हैं। "क्योंकि इसे अपनी खोज को एक विशिष्ट रूप के एल्गोरिदम तक सीमित करने की आवश्यकता है, यह अन्य प्रकार के एल्गोरिदम को याद कर सकता है जो अधिक कुशल हो सकते हैं," बालोग और फ़ॉज़ी ने लिखा।

शायद एक और भी पेचीदा रास्ता मानव और मशीनी अंतर्ज्ञान को जोड़ देगा। "यह पता लगाना अच्छा होगा कि क्या यह नई विधि वास्तव में पिछले सभी को समाहित करती है, या क्या आप उन्हें जोड़ सकते हैं और कुछ बेहतर प्राप्त कर सकते हैं," कहा विलियम्स। अन्य विशेषज्ञ सहमत हैं। अपने निपटान में एल्गोरिदम की एक संपत्ति के साथ, वैज्ञानिक उन्हें सुराग के लिए विच्छेदन करना शुरू कर सकते हैं, जिससे अल्फ़ाटेन्सर के समाधान टिक गए, जिससे अगली सफलता का मार्ग प्रशस्त हुआ।

चित्र साभार: डीपमाइंड