डीपमाइंड बेहतर मैट्रिक्स गणित तकनीकों की खोज को स्वचालित करने के लिए मैट्रिक्स गणित का उपयोग करता है

Google के स्वामित्व वाले डीपमाइंड ने गणितीय मैट्रिक्स के गुणन के लिए प्रबलित शिक्षण तकनीकों को लागू किया है, कुछ मानव-निर्मित एल्गोरिदम को पछाड़ दिया है जो 50 वर्षों तक चले हैं और कंप्यूटर विज्ञान में सुधार की दिशा में काम कर रहे हैं।

2010 में लंदन में स्थापित, डीपमाइंड बोर्ड गेम गो में विश्व चैंपियन को हराने के लिए प्रसिद्ध हो गया है AlphaGo एआई और प्रोटीन फोल्डिंग की जटिल चुनौती का सामना अल्फाफोल्ड.

व्हील-इन-व्हील्स मूव में, इसने तब से गणितीय समस्याओं पर अपना ध्यान केंद्रित किया है।

विशेष रूप से, प्रयोगशाला ने कहा कि उसने एक तरीका विकसित किया है खोज को स्वचालित करें ऐसे एल्गोरिदम जो मैट्रिक्स को गुणा करते समय शॉर्टकट के रूप में कार्य करते हैं - कई किशोर गणित छात्रों के लिए सिरदर्द का कारण।

वर्षों से, गणितज्ञ इन जटिल सरणी गुणन के लिए एल्गोरिदम लागू कर रहे हैं, जिनमें से कुछ का उपयोग कंप्यूटर विज्ञान में, विशेष रूप से मशीन लर्निंग और एआई में किया जाता है।

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.

हम ध्यान दें कि यह एआई एजेंट संभवतः अपनी सीखने की प्रक्रिया में और अनुमान के दौरान मैट्रिक्स गणित का उपयोग कर रहा था; इस प्रकार, मैट्रिक्स ऑपरेशंस का उपयोग मैट्रिक्स ऑपरेशंस को करने के तेज़ तरीके खोजने के लिए किया गया था।

फ़ॉज़ी ने इस सप्ताह एक प्रेस ब्रीफिंग में बताया कि काम जटिल था, हालांकि इसके परिणामस्वरूप उन समस्याओं के लिए एल्गोरिदम का विकास हुआ, जिनमें 50 से अधिक वर्षों के मानव अनुसंधान में सुधार नहीं किया गया है, उन्होंने कहा।

शोधकर्ताओं ने दावा किया कि तकनीकें उन कम्प्यूटेशनल कार्यों को लाभ पहुंचा सकती हैं जो गुणन एल्गोरिदम का उपयोग करते हैं - जैसे कि एआई - साथ ही यह प्रदर्शित करते हैं कि कैसे सुदृढीकरण सीखने का उपयोग ज्ञात समस्याओं के नए और अप्रत्याशित समाधान खोजने के लिए किया जा सकता है, जबकि कुछ सीमाओं पर भी ध्यान दिया जा सकता है। उदाहरण के लिए, सिस्टम में कुशल एल्गोरिदम के सबसेट की कमी से बचने के लिए पूर्वनिर्धारित घटक आवश्यक हैं।

संशयवादी अल्फाफोल्ड के अनुप्रयोग की ओर इशारा कर सकते हैं, जिसने एआई-समर्थित प्रोटीन अनुसंधान के माध्यम से दवा की खोज में सफलता का वादा किया था। यद्यपि मॉडल ने लगभग सभी ज्ञात प्रोटीन संरचनाओं की खोज की भविष्यवाणी की है, इसकी मदद करने की क्षमता वैज्ञानिकों ने नई दवाओं की खोज की है जो अभी भी अप्रमाणित है।

किसी भी स्थिति में, हमें ऐसा लगता है कि मशीन लर्निंग का उपयोग मशीन लर्निंग को तेज़ करने के लिए किया जा रहा है। ®