Изкуствен интелект измисли нов математически алгоритъм, прави компютрите с до 20% по-бързи
Приложението ще бъде главно в графиката, в софтуерите за симулация и в... изкуствения разсъдък
Невралните мрежи, наричани от мнозина с термина „ изкуствен интелект ”, стават все по-популярни, а резултатите от тях – все по-изненадващи. Последното развиване идва от компанията DeepMind, на чийто изкуствен интелект е била сложена задача – да откри по-оптимален метод за решение на .
Те съставляват правоъгълни таблици, най-често формирани от цифри и се употребяват за решение на линейни системи в математиката. Две решетки от цифри се умножават едно с друго и това съставлява една от фундаменталните изчислителни задания, употребена на процедура във всички софтуери в света, само че главно в графиката, симулациите и... изкуственият разсъдък, с което на процедура за пръв път ставаме очевидци на това машина да усъвършенства себе си.
Така даже доста малко усъвършенстване в ефикасността на логаритъма за решение на матриците може да има големи изгоди както за развиването на компютрите, по този начин и за пестенето на сила, оповестява
И тъкмо това е съумял да направи изкуственият разсъдък на DeepMind.
Векове наред се е смятало, че най-правилният метод за умножение на матрици е симетричен на броя детайли, които се умножават. Така обаче колкото по-голяма става матрицата, толкоз по-сложно става нейното решение.
През 1969 година математикът Фолкер Щрасен потвърждава, че умножението на матрица от два реда с друга от същия размер не е наложително да включва общо 8 умножения. С много остроумен трик това число може да се понижи до 7. Подходът, към този момент наименуван Алгоритъмът на Щрасен, изисква малко повече събиране, само че е допустим, тъй като събирането при компютрите се прави доста по-бързо от умножението.
Така неговият логаритъм до момента стоеше като най-ефикасния за този тип математическа задача в продължение на над 50 години. Сега обаче DeepMind откри нов, по-бърз метод за решаването на казуса, който също така е използван за всички съвременни хардуерни системи.
Изкуственият разсъдък, именуван AlphaTensor, стартира да взема решение казуса без никакво авансово познание за това по какъв начин се взема решение. Зададено му е единствено да откри решение, което да е оптимално – да се прави умножението на матриците с допустимо минимум стъпки.
След известно време на работа, AlphaTensor открива, че има логаритъм, който да реши матрица с 4 реда, формирани от 4 цифри, употребявайки едвам 47 умножения – с 2 по-малко от оптималния логаритъм на Щрасен, който употребява 49. Изкуственият разсъдък също така открива и създава техники за умножение на други матрици с разнообразни размери – общо 70 на брой.
Хюсеим Фавзи от DeepMind споделя, че резултатът е изцяло математически изискан, само че въобще не е подсъзнателен за хората. „ Не знаем въобще за какво системата ни измисли това. Защо това е най-хубавият метод за умножение на матрици? Не знаем ”, споделя той и прибавя:
„ По някакъв непонятен метод невралните мрежи имат вътрешен глас за това кое наподобява добре и кое зле. Честно казано не мога да ви кажа по какъв начин работи цялото това нещо. Мисля, че има още доста теоритична работа, която би трябвало да се свърши, с цел да разберем по какъв начин „ дълбокото образование ” на ИИ работи и съумява да направи това, което виждаме, че прави ”.
Според DeepMind откритието на невралната им мрежа може да форсира изчислителната скорост на компютрите с сред 10 и 20% на съответни хардуери като новите чипове на Nvidia и новия тензорен процесор на Гугъл. Няма обаче гаранции, че нарастването в скоростта ще има резултат върху елементарните устройства като смарт телефони и преносими компютри. Поне към този момент. Но откривателите са безапелационни: „ Ако този метод се имплементира вярно в новия хардуер, ще има разлика в продуктивността ”.
„ Новият логаритъм ще увеличи ефикасността на огромен набор от софтуерни приложения, тъй като матричното умножение е доста срещан проблем. И ще има и нови логаритми, които ще са още по-оптимизирани. Приложение на изкуствен интелект ще има и при други сходни проблеми, тъй като има сериозна мотивация да се употребява тази технология. Ако една задача мое да се извърши малко по-ефективно, това значи, че за осъществяването ѝ е нужна по-малко мощ ”, споделя Одед Лачиш от Университета в Лондон.
Невралните мрежи, наричани от мнозина с термина „ изкуствен интелект ”, стават все по-популярни, а резултатите от тях – все по-изненадващи. Последното развиване идва от компанията DeepMind, на чийто изкуствен интелект е била сложена задача – да откри по-оптимален метод за решение на .
Те съставляват правоъгълни таблици, най-често формирани от цифри и се употребяват за решение на линейни системи в математиката. Две решетки от цифри се умножават едно с друго и това съставлява една от фундаменталните изчислителни задания, употребена на процедура във всички софтуери в света, само че главно в графиката, симулациите и... изкуственият разсъдък, с което на процедура за пръв път ставаме очевидци на това машина да усъвършенства себе си.
Така даже доста малко усъвършенстване в ефикасността на логаритъма за решение на матриците може да има големи изгоди както за развиването на компютрите, по този начин и за пестенето на сила, оповестява
И тъкмо това е съумял да направи изкуственият разсъдък на DeepMind.
Векове наред се е смятало, че най-правилният метод за умножение на матрици е симетричен на броя детайли, които се умножават. Така обаче колкото по-голяма става матрицата, толкоз по-сложно става нейното решение.
През 1969 година математикът Фолкер Щрасен потвърждава, че умножението на матрица от два реда с друга от същия размер не е наложително да включва общо 8 умножения. С много остроумен трик това число може да се понижи до 7. Подходът, към този момент наименуван Алгоритъмът на Щрасен, изисква малко повече събиране, само че е допустим, тъй като събирането при компютрите се прави доста по-бързо от умножението.
Така неговият логаритъм до момента стоеше като най-ефикасния за този тип математическа задача в продължение на над 50 години. Сега обаче DeepMind откри нов, по-бърз метод за решаването на казуса, който също така е използван за всички съвременни хардуерни системи.
Изкуственият разсъдък, именуван AlphaTensor, стартира да взема решение казуса без никакво авансово познание за това по какъв начин се взема решение. Зададено му е единствено да откри решение, което да е оптимално – да се прави умножението на матриците с допустимо минимум стъпки.
След известно време на работа, AlphaTensor открива, че има логаритъм, който да реши матрица с 4 реда, формирани от 4 цифри, употребявайки едвам 47 умножения – с 2 по-малко от оптималния логаритъм на Щрасен, който употребява 49. Изкуственият разсъдък също така открива и създава техники за умножение на други матрици с разнообразни размери – общо 70 на брой.
Хюсеим Фавзи от DeepMind споделя, че резултатът е изцяло математически изискан, само че въобще не е подсъзнателен за хората. „ Не знаем въобще за какво системата ни измисли това. Защо това е най-хубавият метод за умножение на матрици? Не знаем ”, споделя той и прибавя:
„ По някакъв непонятен метод невралните мрежи имат вътрешен глас за това кое наподобява добре и кое зле. Честно казано не мога да ви кажа по какъв начин работи цялото това нещо. Мисля, че има още доста теоритична работа, която би трябвало да се свърши, с цел да разберем по какъв начин „ дълбокото образование ” на ИИ работи и съумява да направи това, което виждаме, че прави ”.
Според DeepMind откритието на невралната им мрежа може да форсира изчислителната скорост на компютрите с сред 10 и 20% на съответни хардуери като новите чипове на Nvidia и новия тензорен процесор на Гугъл. Няма обаче гаранции, че нарастването в скоростта ще има резултат върху елементарните устройства като смарт телефони и преносими компютри. Поне към този момент. Но откривателите са безапелационни: „ Ако този метод се имплементира вярно в новия хардуер, ще има разлика в продуктивността ”.
„ Новият логаритъм ще увеличи ефикасността на огромен набор от софтуерни приложения, тъй като матричното умножение е доста срещан проблем. И ще има и нови логаритми, които ще са още по-оптимизирани. Приложение на изкуствен интелект ще има и при други сходни проблеми, тъй като има сериозна мотивация да се употребява тази технология. Ако една задача мое да се извърши малко по-ефективно, това значи, че за осъществяването ѝ е нужна по-малко мощ ”, споделя Одед Лачиш от Университета в Лондон.
Източник: flagman.bg
КОМЕНТАРИ