ИИ DeepMind открывает новый способ ускорения работы компьютеров

Искусственному интеллекту (ИИ) удалось создать новый, более эффективный алгоритм расчета матрицы, чем тот, который используется в настоящее время. Это открытие может показаться немного непонятным для тех, кто не погружался в тайны матричных вычислений. Однако это может оказать реальное влияние, особенно в области вычислительной техники. По словам исследователей DeepMind, некоторые вычисления могут быть выполнены на 20% быстрее.

Исследователь, стоящий за этим открытием, — не кто иной, как искусственный интеллект. Другими словами, алгоритм машинного обучения, разработанный компанией DeepMind. Его название - AlphaTensor.

Группа ученых, возглавляющая проект, в течение двух лет работала над очень конкретной задачей. ИИ пытается превзойти человеческий интеллект в области матричных вычислений. Целью было найти способ выполнения этого типа умножения, используя как можно меньше операций. "Мы сосредоточились на фундаментальной задаче умножения матриц и используем глубокое обучение с подкреплением (DRL) для поиска алгоритмов умножения матриц, которые доказали свою точность и эффективность", — пишут ученые в статье, опубликованной в журнале Nature .

Матричные умножения состоят из умножения "матриц" друг на друга. Другими словами, массивы чисел. Грубо говоря, это вопрос перемножения двух решеток чисел между собой. Зачем кому-то делать это с собой? Просто потому, что он очень полезен в большом количестве областей. Вычисление матриц - это фундаментальная компьютерная задача. Поэтому оно в той или иной степени используется почти всеми программами. В некоторых специфических областях, таких как графика, искусственный интеллект (нейронные сети) и научное моделирование, оно используется даже в очень больших масштабах.

В этих областях даже небольшое улучшение производительности может привести к значительному повышению производительности. Это также может привести к тому, что машины будут потреблять меньше энергии, поскольку для достижения того же результата можно использовать меньшую вычислительную мощность.

Первый прорыв за последние 50 лет

По словам ученых, эта знаменитая скорость вычислений может быть увеличена примерно на 20% на определенных устройствах, благодаря новому методу.

Это не обязательно будет относиться непосредственно ко всем устройствам, таким как компьютеры или смартфоны. Но причина, по которой этот прорыв вызывает ажиотаж, заключается в том, что он является первым за почти 50 лет в области умножения матриц. Очень долгое время умножение матриц выполнялось чисто пропорционально количеству перемножаемых элементов. В 1969 году математик по имени Фолькер Штрассен совершил прорыв в этой области. Он доказал, что умножение матрицы из двух строк двух чисел на другую такого же размера не обязательно требует восьми умножений.

Он смог свести операцию к семи различным вычислениям. Этот подход называется алгоритмом Штрассена. С тех пор были достигнуты и другие успехи, но они не были применимы в конкретных областях. Поэтому успех AlphaTensor вызывает ажиотаж в этой области. Для достижения этой цели ИИ был запущен в работу без каких-либо предварительных знаний об используемых в настоящее время решениях. Его попросили создать алгоритм, который выполнит эту задачу умножения за минимальное количество шагов.

AlphaTensor в итоге придумал алгоритм, который перемножает две матрицы из четырех строк по четыре числа, используя 47 умножений. Это лучшая производительность, чем 49 умножений, которые до сих пор позволял метод Штрассена. Другие методы были найдены для матриц различных размеров: всего 70. Небольшое число, по сравнению со всеми алгоритмами, найденными ИИ. Например, AlphaTensor обнаружил 14 000 различных методов вычисления только для матриц 4X4. Однако лишь немногие из них превзошли существующий метод расчета. Проблема? Ученые не совсем понимают, как все это работает.

"Мы не знаем, почему система пришла к такому выводу", — объясняет Хуссейн Фаузи из DeepMind в статье в журнале New Scientist. "Почему это лучший способ умножения матриц? Это неясно. Каким-то образом нейронные сети обладают интуицией в отношении того, что выглядит хорошо, а что плохо. Честно говоря, я не могу точно сказать, как это работает. Я думаю, что здесь есть над чем поработать теоретически, как именно глубокое обучение справляется с подобными задачами", — заключает он.

Для Одеда Лачиша из Биркбека, исследователя из Лондонского университета, также опрошенного СМИ, открытие ИИ в любом случае является многообещающим. Это может стать предвестником других подобных достижений. "Я думаю, что мы увидим результаты, генерируемые ИИ, для других проблем схожего характера, хотя редко что-то столь важное, как умножение матриц. Существует сильная мотивация для использования такой технологии, поскольку меньшее количество операций в алгоритме означает не только более быстрый результат, но и меньшие затраты энергии", — напоминает он.

Источник

corde писал(а):

Цитата:

Нет, не существует!

Всё относительно, товарищ. вас , как личности , на этом сайте тоже не существует .
Но то "нечто", что действует под вашим ником тем не менее что то пишет, нажимает...
Вот и с ИИ также)

Значит Вы мало знаете об ИИ. Если говорить об ИИ, то когда он появится, скорее всего мы пропадем. Поэтому термины и аббревиатуры надо все таки правильно указывать в статьях и не вводить людей в заблуждение.

igelfd8rsw писал(а):

Цитата:

Матричные умножения состоят из умножения "матриц" друг на друга.

Цитата:

В этих областях даже небольшое улучшение производительности может привести к значительному повышению производительности.

могуча русская языка

Л-логика

Опять наезжают на главного научного сотрудника НоуНейма... Да он вас в кислоте за пять минут растворит! И сверху гашеной известью удобрит! Потом, продекламирует всю таблицу Менделеева и пойдёт спать!

Бред!
Какая интуиция у ИИ программ. Нахождение оптимального алгоритма и то если программист был дока.
А так, просто более оптимального способа. Методом перебора возможностей.

zz13 писал(а):

Цитата:

"Мы не знаем, почему система пришла к такому выводу", — объясняет Хуссейн Фаузи из DeepMind в статье в журнале New Scientist. "Почему это лучший способ умножения матриц? Это неясно. Каким-то образом нейронные сети обладают интуицией в отношении того, что выглядит хорошо, а что плохо. Честно говоря, я не могу точно сказать, как это работает. Я думаю, что здесь есть над чем поработать теоретически, как именно глубокое обучение справляется с подобными задачами", — заключает он.

после таких слов можно ставить крест на его профессиональной деятельности, он абсолютно безграмотен. они дали базу матриц и задачу найти способ вычислить наименьшее количество шагов для их перемножения, задача выполнена. что тут непонятного? машина просто перебрала все возможные варианты и выдала самый оптимальный с наименьшим количеством шагов и нет тут никакой интуиции и прочей чуши. про интуицию и ИИ говорят только полностью безграмотные фантазёры.

Понятное дело, что ИИ не гадалка на кофейной гуще, это интеллектуальный инструмент заточен на выполнение таких задач как вычисление матриц, справляется ИИ с ними непостижимым для человека образом, повторяюсь просто потому что создан для этой цели, как лампочка излучать свет.

Ну наконец-то :подмигивание:

[quote="zz13";p="11741246"]

Цитата:

они дали базу матриц и задачу найти способ вычислить наименьшее количество шагов для их перемножения, задача выполнена. что тут непонятного? машина просто перебрала все возможные варианты и выдала самый оптимальный с наименьшим количеством шагов и нет тут никакой интуиции и прочей чуши. про интуицию и ИИ говорят только полностью безграмотные фантазёры.

1. Нет, перебор - слишком долго. Они наверняка хотя бы от метода Монте-Карло плясали.
2. Под интуицией может пониматься до-логическое мышление, на котором, по теореме Гёделя (о неполноте формальных логических систем), неизбежно базируется логическое; нейронные сети у нас в головах, скорее всего, лишь аппроксимируют логические функции, а не содержат их в явном виде.

Зашёл поискать литературу по «Теория принятия решений», а тут такая интересная новость. Почти в тему. Правда многие комментарии разочаровали. Удивительно, но до сих пор ещё есть масса сторонников плоской Земли. Они именно верят в то, что машины не существуют компьютеров нет и, Разумеется, нет искусственного интеллекта. Они именно верят. Что-либо узнать даже не пытаются. А я, как всегда, диктую эти строки как раз таки благодаря искусственному интеллекту. Конечно же он слабый делает много ошибок. Но даже это статья подтверждает тот факт, что становится всё сильней.
Есть и другие люди, Которые до сих пор считают, что искусственный интеллект — это просто банальный перебор. Они также как и предыдущие обладает слабым естественным интеллектом. Почему-то принято говорить за искусственный слабый. Но забывают про естественный. Рекомендую таким людям взять калькулятор и просто посчитать сколько необходимо времени для перебора всех вариантов. И главное хватит ли на это мощности. Про перебор вариантов Уже забыли когда машина обыграла человека в го. Про него можно было говорить, когда обыграла в шахматы. Перебор вариантов — это не интеллект. Интеллект использует различные алгоритмы решение задач без перебора: графы, байесовский подход, генетические алгоритмы и многое другое. Для самых маленьких и глупых поясню Он как и естественный интеллект Вместо того чтобы перебирать все подряд варианты использовать наиболее вероятны. Например, если вы постоянно бросаете носки в прихожей вряд ли будете (Перебираю все варианты) искать их на балконе. Если затеряется где-то шапка, то пойдёте не на балкон, а в прихожую. Примерно по таким алгоритмом действует и искусственный интеллект. Но неучи до сих пор думают, что он перебирает варианты. Они не понимают, что есть алгоритмы вероятностей. У них большие проблемы с математикой.
Но вернёмся к Новости. Мне кажется это потрясающая новость. Хотя написано довольно витиевато и непонятно. Другими словами, можно сказать искусственный интеллект начал саморазвиваться и самосовершенствоваться. Это первый шаг к сингулярности. К экспоненциальному росту, взрывы интеллектуальных возможностей. Но не стоит радоваться. Уже неоднократно такое было. Думали, что вот-вот будущее наступит, но наступала зима искусственного интеллекта. Не устану повторять, потому что практически нет естественного. У нас до сих пор продолжают вытирать об умных людей ноги, в том числе и об тех, которые могли бы спасти жизнь себе и другим за счёт развития интеллекта. У нас до сих пор основная масса людей находится в наемном рабстве.
Поэтому ещё вопрос Сколько дураков убьют друг друга Прежде чем у них появится хотя бы какой-то интеллект. Ну ладно дураков Они же убивают и умных людей. Потянет ли за собой искусственный интеллект Коллективный и природный? Возникнет ли общие планетарные интеллект при нашей жизни? Или мы так и умрём среди убийц и неучей.
Но саморазвитие это уже большой шаг. Большой шаг пусть даже пока еще маленького ребёнка. Детище человечества.

serpentarius
Я не люблю ИИ, когда меня отымеют роботы по телефону, вместо того, чтоб нормальный белковый оператор сразу отвечал - а уже если я захочу пообщаться с ИИ - тогда бы на него переключали а не наоборот - когда невозможно отбиться от него произнося постоянно мантру-заклинание: "Оператор.. Оператор.. Оператор.."..
когда звонишь скажем в инстанции по ЖКХ, Мос.ру и проч почты России. ))

Но вот здесь мне кажется уместное проявления ИИ - в этой публикации.
на этом месте он хорош и полезен.

Dealaxer писал(а):

Значит Вы мало знаете об ИИ. Если говорить об ИИ, то когда он появится, скорее всего мы пропадем. Поэтому термины и аббревиатуры надо все таки правильно указывать в статьях и не вводить людей в заблуждение.

Когда появится "Искусственный Разум", а не "Искусственный Интеллект".

EdisonScrew писал(а):

"Искусственный Разум"

А он уже давно есть.
Называется Гомо Эректус, или просто : Гомо .... Сапиенс))

кароче скоро Земля таки налетит на небесную ось, вот примерно всё что я понял из этой замечательной статьи, очень интересно !

zz13 писал(а):

Цитата:

"Мы не знаем, почему система пришла к такому выводу", — объясняет Хуссейн Фаузи из DeepMind в статье в журнале New Scientist. "Почему это лучший способ умножения матриц? Это неясно. Каким-то образом нейронные сети обладают интуицией в отношении того, что выглядит хорошо, а что плохо. Честно говоря, я не могу точно сказать, как это работает. Я думаю, что здесь есть над чем поработать теоретически, как именно глубокое обучение справляется с подобными задачами", — заключает он.

после таких слов можно ставить крест на его профессиональной деятельности, он абсолютно безграмотен. они дали базу матриц и задачу найти способ вычислить наименьшее количество шагов для их перемножения, задача выполнена. что тут непонятного? машина просто перебрала все возможные варианты и выдала самый оптимальный с наименьшим количеством шагов и нет тут никакой интуиции и прочей чуши. про интуицию и ИИ говорят только полностью безграмотные фантазёры.

Нет. Машина там ничего не перебирала. С такой задачей могла справиться только самообучающаяся нейросеть. Задача умножения матриц лишь на первый взгляд кажется относительно простой. Она существенно усложняется при попытке найти ускоренный метод её решения, и это одна из открытых проблем в информатике. Предполагается, что число доступных способов умножения матриц превосходит количество атомов во вселенной — в некоторых случаях до 10³³ вариантов.
Чтобы «заинтересовать» нейросеть AlphaTensor, новую версию AlphaZero, задачу об умножении матриц превратили в своего рода настольную игру, каждое действие умножения сопоставили игровому ходу, а ИИ получал награду за победу с минимальным числом ходов. В результате AlphaTensor нашёл новый способ умножения матриц 4×4, более эффективный, чем в 1969 году предложил немецкий математик Фолькер Штрассен (Volker Strassen). Базовый способ предполагает решение задачи за 64 шага, у Штрассена это 49 шагов, а AlphaTensor справляется за 47. В целом ИИ усовершенствовал алгоритмы для матриц более 70 размеров: при размере 9×9 число шагов уменьшилось с 511 до 498, а при 11×11 — с 919 до 896. В ряде других случаев AlphaTensor повторил лучшие из известных алгоритмов.

ded_23 писал(а):

а ИИ получал награду за победу...

чтоб работать за награду -- надо иметь желание получить награду, а для этого надо иметь в своей основе центр удовольствий :ангел:

хотите сказать, что та железяка уже и удовольствие испытывает ? :ура:

Просмотр доступен только для зарегистрированных пользователей

и вы только что подтвердили написанное мною. машина именно перебирала все возможные варианты опираясь на уже известный алгоритм, она даже не придумала новый алгоритм, а всего лишь нашла один из вариантов более быстрого его решения. даже в шахматах машина не играет как человек, а тупо перебирает всю базу всех возможных вариантов расстановок фигур, ищет соответствие и выдаёт наиболее оптимальный результат приводящий к быстрой победе. машины в этом побеждают только за счёт скорости обработки данных, интеллекта в них нет и они не могут объяснить почему был выбран тот или иной вариант, так как условие выбора уже заложено в них изначально самим условием задачи.
даже 10 в 33 степени вариантов не так уж и много для машины выполняющей миллиарды операций в секунду, на перебор всех вариантов уйдёт всего лишь несколько лет, а если распараллелить задачу на множество машин, то срок выполнения сократится уже до месяцев и дней.