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。

成功したプロジェクトは 発見を自動化する 行列を乗算する際のショートカットとして機能するアルゴリズムの使用 – 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アルゴリズムを再発見し、新しいアルゴリズムを見つけました。 この手法により、AlphaTensor と呼ばれるシステムが作成されました。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。

この場合、エージェントは、3D テンソルまたは数字のグリッドの形でパズルを引き受けます。これは、最も少ない手数で完了する必要があります。 各ステップは、マトリックスベースのパズルを解く際の動きを表しており、数兆の可能な動きが含まれている可能性があります。

Fawzi 氏は今週の記者会見で、アルゴリズムの発見の領域をマッピングするのは大変な作業であると語りましたが、それをナビゲートするのはさらに困難でした。 それにもかかわらず、結果として得られた研究は、50年以上の人間の研究で改善されていない問題のための新しいアルゴリズムを開発した.

研究者は、この手法が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期しない解決策を見つける方法を実証する一方で、いくつかの制限にも注意しています。 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。 ®