DeepMind menggunakan matematika matriks untuk mengotomatiskan penemuan teknik matematika matriks yang lebih baik

DeepMind milik Google telah menerapkan teknik pembelajaran yang diperkuat pada perkalian matriks matematika, mengalahkan beberapa algoritme buatan manusia yang telah bertahan selama 50 tahun dan berupaya meningkatkan ilmu komputer.

Didirikan di London pada tahun 2010, DeepMind telah menjadi terkenal karena mengalahkan juara dunia di permainan papan Go dengan AlphaGo AI dan menghadapi tantangan pelipatan protein yang sangat kompleks dengan Lipatan Alfa.

Dalam gerakan roda-dalam-roda, sejak itu ia mengarahkan pandangannya pada masalah matematika itu sendiri.

Secara khusus, lab mengatakan itu mengembangkan cara untuk mengotomatiskan penemuan algoritma yang bertindak sebagai jalan pintas ketika mengalikan matriks – penyebab sakit kepala bagi banyak siswa matematika remaja.

Selama bertahun-tahun, matematikawan telah menerapkan algoritme pada perkalian array yang kompleks ini, beberapa di antaranya digunakan dalam ilmu komputer, khususnya dalam pembelajaran mesin dan AI.

Kami diberitahu bahwa peneliti DeepMind Alhussein Fawzi dan rekan-rekannya menggunakan penguatan mendalam untuk menemukan kembali algoritma perkalian matriks sebelumnya dan menemukan yang baru. Tim menciptakan sebuah sistem, yang disebut AlphaTensor, yang memainkan permainan di mana tujuannya adalah untuk menemukan pendekatan terbaik untuk mengalikan dua matriks. Jika agen AI bekerja dengan baik, itu diperkuat untuk membuat kesuksesan di masa depan lebih mungkin terjadi.

Proses ini berulang-ulang menggunakan umpan balik ini sehingga agen menghasilkan cara yang menarik dan lebih baik untuk mengalikan matriks. Dikatakan bahwa agen DeepMind ditantang untuk menyelesaikan pekerjaan matematika matriks dalam langkah sesedikit mungkin, dan harus mencari cara terbaik untuk maju dari kemungkinan triliunan gerakan.

Kami mencatat bahwa agen AI ini kemungkinan menggunakan matematika matriks dalam proses pembelajarannya dan selama inferensi; dengan demikian, operasi matriks digunakan untuk menemukan cara yang lebih cepat untuk melakukan operasi matriks.

Fawzi mengatakan pada konferensi pers minggu ini bahwa pekerjaan itu rumit meskipun menghasilkan pengembangan algoritma untuk masalah yang belum diperbaiki dalam lebih dari 50 tahun penelitian manusia, katanya.

Para peneliti mengklaim teknik tersebut dapat bermanfaat bagi tugas komputasi yang menggunakan algoritme perkalian – seperti AI – serta menunjukkan bagaimana pembelajaran penguatan dapat digunakan untuk menemukan solusi baru dan tak terduga untuk masalah yang diketahui, sambil juga mencatat beberapa keterbatasan. Misalnya, komponen yang telah ditentukan sebelumnya diperlukan untuk menghindari sistem kehilangan subset dari algoritma yang efisien.

Para skeptis mungkin menunjuk pada penerapan AlphaFold, yang menjanjikan terobosan dalam penemuan obat melalui penelitian protein yang didukung AI. Meskipun model telah memperkirakan hampir semua struktur protein yang diketahui ditemukan, kemampuan untuk membantu ilmuwan menemukan obat baru masih belum terbukti.

Bagaimanapun, ini bagi kami sepertinya pembelajaran mesin digunakan untuk mempercepat pembelajaran mesin. ®