Google が所有する DeepMind は、数学的行列の乗算に強化された学習技術を適用し、50 年間持続したいくつかの人工アルゴリズムを打ち負かし、コンピューター サイエンスの改善に取り組んでいます。
2010 年にロンドンで設立された DeepMind は、ボード ゲーム囲碁で世界チャンピオンを打ち負かしたことで有名になりました。 アルファゴー AI と、驚くほど複雑なタンパク質フォールディングの課題に取り組む アルファフォールド.
車輪の中の車輪の動きで、それ以来、数学の問題自体に照準を合わせてきました。
具体的には、ラボは、 発見を自動化する 行列を乗算する際の近道として機能するアルゴリズムの説明 - 多くの XNUMX 代の数学の学生にとって頭痛の種です。
何年もの間、数学者はこれらの複雑な配列の乗算にアルゴリズムを適用してきました。その一部はコンピューター サイエンス、特に機械学習や AI で使用されています。
DeepMind の研究者 Alhussein Fawzi と彼の同僚は、深層強化を使用して以前の行列乗算アルゴリズムを再発見し、新しいものを見つけたと言われています。 チームは、AlphaTensor と呼ばれるシステムを作成しました。このシステムは、XNUMX つの行列を乗算するための最適なアプローチを見つけることを目標とするゲームをプレイします。 AI エージェントがうまく機能すると、将来の成功の可能性を高めるために強化されます。
このプロセスは、このフィードバックを使用して何度も繰り返されるため、エージェントは行列を乗算する興味深い改善された方法を生成します。 DeepMind のエージェントは、可能な限り少ないステップで行列の計算作業を完了するように求められ、何兆もの可能性のある動きから最善の方法を見つけ出さなければならなかったと言われています。
この AI エージェントは、学習プロセスと推論中に行列演算を使用していた可能性が高いことに注意してください。 したがって、行列演算を実行するより高速な方法を見つけるために行列演算が使用されました。
Fawzi 氏は今週の記者会見で、作業は複雑ではあるものの、50 年以上にわたる人間の研究で改善されていない問題に対するアルゴリズムの開発につながったと語った。
研究者は、この手法が AI などの乗算アルゴリズムを使用する計算タスクに役立つ可能性があると主張し、強化学習を使用して既知の問題に対する新しい予想外の解決策を見つける方法を実証する一方で、いくつかの制限も指摘しています。 たとえば、事前定義されたコンポーネントは、システムが効率的なアルゴリズムのサブセットを欠落しないようにするために必要です。
懐疑論者は、AI を利用したタンパク質研究による創薬のブレークスルーを約束した AlphaFold の適用を指摘するかもしれません。 このモデルは、発見された既知のタンパク質構造のほぼすべてを予測していますが、 助ける能力 科学者たちは、新薬がまだ証明されていないことを発見しました。
いずれにせよ、これは機械学習を加速するために機械学習が使用されているように見えます。 ®
