Google 소유의 DeepMind는 수학 행렬의 곱셈에 강화 학습 기술을 적용하여 50년 동안 지속된 일부 인간이 만든 알고리즘을 능가하고 컴퓨터 과학의 개선을 위해 노력하고 있습니다.
2010년 런던에서 설립된 DeepMind는 보드게임 바둑에서 세계 챔피언을 이긴 것으로 유명해졌습니다. 알파 고 AI와 놀랍도록 복잡한 단백질 접힘 도전 알파 폴드.
바퀴 속 바퀴 이동에서는 그 이후로 수학적 문제 자체에 초점을 맞췄습니다.
특히 연구실은 검색 자동화 행렬을 곱할 때 지름길 역할을 하는 알고리즘 - 많은 십대 수학 학생에게 두통의 원인입니다.
수년 동안 수학자들은 이러한 복잡한 배열 곱셈에 알고리즘을 적용해 왔으며 그 중 일부는 컴퓨터 과학, 특히 기계 학습 및 AI에서 사용됩니다.
DeepMind 연구원 Alhussein Fawzi와 그의 동료들은 초기 행렬 곱셈 알고리즘을 재발견하고 새로운 알고리즘을 찾기 위해 심층 강화를 사용했다고 들었습니다. 팀은 AlphaTensor라는 시스템을 만들었습니다. 이 시스템은 두 행렬을 곱하는 가장 좋은 방법을 찾는 것이 목표인 게임입니다. AI 에이전트가 잘되면 미래의 성공 가능성을 높이기 위해 강화됩니다.
이 프로세스는 이 피드백을 사용하여 계속 반복되어 에이전트가 행렬을 곱하는 흥미롭고 개선된 방법을 생성합니다. DeepMind의 에이전트는 가능한 한 적은 단계로 행렬 수학 작업을 완료해야 했으며 잠재적으로 수조 개의 가능한 이동 중에서 가장 좋은 방법을 찾아내야 했습니다.
우리는 이 AI 에이전트가 학습 과정과 추론 중에 행렬 수학을 사용했을 가능성이 있다는 점에 주목합니다. 따라서 행렬 연산은 행렬 연산을 수행하는 더 빠른 방법을 찾는 데 사용되었습니다.
Fawzi는 이번 주 언론 브리핑에서 작업이 복잡했지만 50년 이상의 인간 연구에서 개선되지 않은 문제에 대한 알고리즘 개발로 이어졌다고 말했습니다.
연구자들은 이 기술이 AI와 같은 곱셈 알고리즘을 사용하는 계산 작업에 도움이 될 수 있을 뿐만 아니라 강화 학습을 사용하여 알려진 문제에 대한 새롭고 예상치 못한 솔루션을 찾는 방법을 보여 주는 동시에 몇 가지 제한 사항을 지적할 수 있다고 주장했습니다. 예를 들어 시스템에서 효율적인 알고리즘의 하위 집합이 누락되는 것을 방지하려면 미리 정의된 구성 요소가 필요합니다.
회의론자들은 AI 지원 단백질 연구를 통해 신약 개발의 돌파구를 약속한 AlphaFold의 적용을 지적할 수 있습니다. 이 모델은 발견된 거의 모든 알려진 단백질 구조를 예측했지만, 도움을 줄 수 있는 능력 과학자들은 신약이 아직 입증되지 않았다는 사실을 발견했습니다.
어쨌든 이것은 기계 학습을 가속화하는 데 사용되는 기계 학습처럼 보입니다. ®
