DeepMind, daha iyi matris matematik tekniklerinin keşfini otomatikleştirmek için matris matematiğini kullanır

Google'ın sahibi olduğu DeepMind, matematiksel matrislerin çarpımına güçlendirilmiş öğrenme teknikleri uygulayarak 50 yıl süren bazı insan yapımı algoritmaları geride bıraktı ve bilgisayar bilimlerinde iyileştirmeler yapmak için çalıştı.

2010 yılında Londra'da kurulan DeepMind, dünya şampiyonunu Go masa oyunu ile yenmesiyle ünlendi. AlphaGo AI ve protein katlanmasının akıllara durgunluk veren karmaşık mücadelesini üstlenmek AlfaKatlama.

Tekerlekler içinde tekerlek hareketinde, o zamandan beri matematiksel problemlerin kendilerine odaklandı.

Spesifik olarak, laboratuvar bir yol geliştirdiğini söyledi. keşfi otomatikleştir matrisleri çarparken kısayol görevi gören algoritmalar - birçok genç matematik öğrencisi için baş ağrısının nedeni.

Yıllardır matematikçiler bu karmaşık dizi çarpımlarına algoritmalar uyguluyor ve bunların bazıları bilgisayar bilimlerinde, özellikle de makine öğrenmesinde ve yapay zekada kullanılıyor.

DeepMind araştırmacısı Alhussein Fawzi ve meslektaşlarının, daha önceki matris çarpma algoritmalarını yeniden keşfetmek ve yenilerini bulmak için derin takviye kullandıkları söylendi. Ekip, iki matrisi çarpmak için en iyi yaklaşımı bulmayı amaçlayan bir oyun oynayan AlphaTensor adlı bir sistem yarattı. AI ajanı başarılı olursa, gelecekteki başarıyı daha olası kılmak için güçlendirilir.

Bu işlem, bu geri bildirim kullanılarak defalarca tekrarlanır, böylece ajan, matrisleri çarpmak için ilginç ve gelişmiş yollar üretir. DeepMind'in temsilcisinin, matris matematik çalışmasını mümkün olduğunca az adımda tamamlaması ve potansiyel olarak trilyonlarca olası hareketten ileriye doğru en iyi yolu bulması gerektiği söyleniyor.

Bu AI aracısının, öğrenme sürecinde ve çıkarım sırasında büyük olasılıkla matris matematiği kullandığını not ediyoruz; bu nedenle, matris işlemlerini yapmanın daha hızlı yollarını bulmak için matris işlemleri kullanıldı.

Fawzi, bu hafta basın toplantısında yaptığı açıklamada, çalışmanın karmaşık olduğunu ancak 50 yılı aşkın insan araştırmasında geliştirilemeyen problemlere yönelik algoritmaların geliştirilmesiyle sonuçlandığını söyledi.

Araştırmacılar, tekniklerin yapay zeka gibi çarpma algoritmalarını kullanan hesaplama görevlerine fayda sağlayabileceğini, aynı zamanda bilinen sorunlara yeni ve beklenmedik çözümler bulmak için takviyeli öğrenmenin nasıl kullanılabileceğini gösterebileceğini iddia ederken bazı sınırlamalara da dikkat çekti. Örneğin, sistemin etkili algoritmaların bir alt kümesini kaçırmasını önlemek için önceden tanımlanmış bileşenler gereklidir.

Şüpheciler, AI destekli protein araştırması yoluyla ilaç keşfinde atılımlar vaat eden AlphaFold'un uygulanmasına işaret edebilir. Model, keşfedilen neredeyse tüm bilinen protein yapılarını tahmin etmesine rağmen, yardım etme yeteneği bilim adamları yeni ilaçların kanıtlanmadığını keşfetti.

Her durumda, bu bize makine öğrenimini hızlandırmak için kullanılan makine öğrenimi gibi görünüyor. ®