(資料圖片)
科技日報記者?張夢然
英國《自然》雜志封面以“矩陣游戲”為題，發(fā)表了人工智能（AI）公司“深度思維”團隊的最新發(fā)現(xiàn)：AI可解決矩陣乘法問題。這是第一個可為矩陣乘法等基本任務(wù)發(fā)現(xiàn)新穎、高效且正確算法的AI系統(tǒng)。換句話說，這個名為“AlphaTensor”的AI能自行發(fā)現(xiàn)新算法，從而解決了50年來數(shù)學領(lǐng)域一個懸而未決的問題——找到兩個矩陣相乘最快的方法。
相關(guān)研究論文??????圖片來源：《自然》網(wǎng)站
數(shù)學在計算機編程中經(jīng)常出現(xiàn)，通常作為描述和操縱現(xiàn)實世界現(xiàn)象表示的一種手段。例如，它用于表示計算機屏幕上的像素、天氣狀況或人工網(wǎng)絡(luò)中的節(jié)點。在這種情況下，使用數(shù)學的主要方式之一，就是對矩陣進行計算。
示意圖???????圖片來源：深度思維
在對游戲進行編程時，矩陣描述了可能的運動選項。為了實現(xiàn)這樣的運動，矩陣經(jīng)常被相乘和/或相加。這需要海量的工作，隨著矩陣變得越來越大尤其如此，這就是為什么計算機科學家花費大量時間和精力來開發(fā)越來越有效算法來完成工作的原因。1969年，數(shù)學家沃爾克·斯特拉森想出了一種方法，只使用7個乘法運算而不是標準的8個乘法運算將兩個2×2矩陣相乘。
但在新成果中，“深度思維”研究人員想知道是否有可能使用基于強化學習的AI系統(tǒng)來創(chuàng)建新算法，從而使計算步驟比現(xiàn)在使用的算法少。為了找到答案，他們從游戲系統(tǒng)中尋找靈感，這些游戲大多數(shù)都是基于強化學習的。在構(gòu)建了一些初步系統(tǒng)之后，研究小組將重點轉(zhuǎn)向了樹搜索，這也用于游戲編程，是系統(tǒng)在特定情況下查看各種方案的一種手段。當應(yīng)用于乘法矩陣時，研究人員發(fā)現(xiàn)，將AI系統(tǒng)轉(zhuǎn)換為游戲可搜索最有效的方法來獲得所需的結(jié)果——數(shù)學結(jié)果。
研究人員通過允許它搜索、評估來測試他們的系統(tǒng)，然后使用現(xiàn)有算法，并以獎勵來激勵選出最有效的算法。系統(tǒng)學會了影響矩陣乘法效率的因素。接下來，研究人員將允許系統(tǒng)創(chuàng)建自己的算法，尋求進一步提高效率。他們發(fā)現(xiàn)，在許多情況下，系統(tǒng)選擇的算法比人類前輩創(chuàng)建的算法更好。
“深度思維”團隊希望，未來AI能更多地用來幫助攻克數(shù)學和科學領(lǐng)域的一些最重要的難題。
“AlphaTensor”的前身，其實就是在國際象棋、圍棋和將棋等游戲中打敗人類高手的“阿爾法零”，可以說，這項工作展示了智能體從游戲到解決數(shù)學問題的一次重要轉(zhuǎn)變。從數(shù)學角度看，新AI可比以往更高效地探索算法空間，加深人們對矩陣豐富性的理解。而從更深遠的角度講，矩陣乘法正是計算機圖形、數(shù)字通信、神經(jīng)網(wǎng)絡(luò)訓練和科學計算等諸多領(lǐng)域的核心，這一AI帶來的不僅僅是“矩陣游戲”，還將是以上這些領(lǐng)域計算效率的大幅提升。
關(guān)鍵詞：
營業(yè)執(zhí)照公示信息