DeepMind sử dụng toán học ma trận để tự động hóa việc khám phá các kỹ thuật toán học ma trận tốt hơn

DeepMind thuộc sở hữu của Google đã áp dụng các kỹ thuật học tập củng cố để nhân các ma trận toán học, đánh bại một số thuật toán do con người tạo ra đã tồn tại 50 năm và nỗ lực hướng tới những cải tiến trong khoa học máy tính.

Được thành lập tại London vào năm 2010, DeepMind đã trở nên nổi tiếng với việc đánh bại nhà vô địch thế giới trong trò chơi cờ vây với AlphaGo AI và thực hiện thử thách phức tạp đến kinh ngạc về việc gấp protein với AlphaFold.

Trong quá trình di chuyển bánh xe trong bánh xe, kể từ đó, nó đã đặt mục tiêu vào các bài toán toán học.

Cụ thể, phòng thí nghiệm cho biết họ đã phát triển một cách để tự động hóa việc khám phá thuật toán hoạt động như phím tắt khi nhân ma trận - nguyên nhân gây đau đầu cho nhiều học sinh toán tuổi teen.

Trong nhiều năm, các nhà toán học đã áp dụng các thuật toán cho các phép nhân mảng phức tạp này, một số thuật toán được sử dụng trong khoa học máy tính, đặc biệt là trong học máy và AI.

Chúng tôi được biết rằng nhà nghiên cứu Alhussein Fawzi của DeepMind và các đồng nghiệp của ông đã sử dụng tính năng củng cố sâu để khám phá lại các thuật toán nhân ma trận trước đó và tìm ra các thuật toán mới. Nhóm đã tạo ra một hệ thống có tên là AlphaTensor, chơi một trò chơi trong đó mục tiêu là tìm ra cách tiếp cận tốt nhất để nhân hai ma trận. Nếu tác nhân AI làm tốt, nó sẽ được củng cố để có nhiều khả năng thành công hơn trong tương lai.

Quá trình này được lặp đi lặp lại bằng cách sử dụng phản hồi này để tác nhân tạo ra những cách thú vị và cải tiến để nhân ma trận. Người ta nói rằng đặc vụ của DeepMind đã được thử thách hoàn thành công việc tính toán ma trận trong ít bước nhất có thể và phải tìm ra cách tốt nhất để giải quyết hàng nghìn tỷ bước đi có thể xảy ra.

Chúng tôi lưu ý rằng tác nhân AI này có khả năng sử dụng toán học ma trận trong quá trình học tập và trong quá trình suy luận; do đó, các phép toán ma trận đã được sử dụng để tìm cách nhanh hơn để thực hiện các phép toán ma trận.

Fawzi nói trong một cuộc họp báo tuần này rằng công việc rất phức tạp mặc dù đã dẫn đến việc phát triển các thuật toán cho các vấn đề chưa được cải thiện trong hơn 50 năm nghiên cứu về con người, ông nói.

Các nhà nghiên cứu tuyên bố các kỹ thuật này có thể mang lại lợi ích cho các nhiệm vụ tính toán sử dụng thuật toán nhân - chẳng hạn như AI - cũng như chứng minh cách học tăng cường có thể được sử dụng để tìm ra các giải pháp mới và bất ngờ cho các vấn đề đã biết, đồng thời lưu ý một số hạn chế. Ví dụ, các thành phần được xác định trước là cần thiết để tránh hệ thống thiếu một tập hợp con các thuật toán hiệu quả.

Những người hoài nghi có thể chỉ ra ứng dụng của AlphaFold, hứa hẹn mang lại những đột phá trong việc khám phá thuốc thông qua nghiên cứu protein được hỗ trợ bởi AI. Mặc dù mô hình đã dự đoán gần như tất cả các cấu trúc protein đã biết được phát hiện, nhưng khả năng giúp đỡ các nhà khoa học khám phá ra các loại thuốc mới vẫn chưa được chứng minh.

Trong mọi trường hợp, điều này đối với chúng tôi giống như việc học máy đang được sử dụng để tăng tốc học máy. ®