AI spelen breekt 50 jaar oud Duits wiskunderecord


Iedereen die rekentaken efficiënter kan afhandelen, kan ook computertoepassingen verbeteren. Een methode om sommige vermenigvuldigingsproblemen in zo min mogelijk stappen op te lossen, is al 50 jaar niet verbeterd. Kunstmatige intelligentie heeft nu het record gebroken.

Effectieve rekenmethode betekent: Minder stappen voor dezelfde oplossing

Van het weergeven van pixels op een computerscherm tot het berekenen van mogelijke bewegingsopties in games, matrixvermenigvuldiging wordt gebruikt in duizenden dagelijkse computertaken. Meer dan 50 jaar geleden vastgelegd: in 1969 ontwikkelde de Duitse wiskundige Volker Strassen wat toen de meest efficiënte methode was voor het vermenigvuldigen van twee 4×4 matrices. Niemand heeft het sindsdien kunnen verbeteren. als zodanig technische ontdekkingsreiziger Naar verluidt brak een team van onderzoekers van Google’s DeepMind in Londen dat record – en met gemak, om zo te zeggen.

De aanpak van het team in het gespecialiseerde tijdschrift de natuur temperen Beschrijving gebaseerd op de resultaten verkregen uit het AlphaZero-project – een kunstmatige intelligentie die met groot succes is getraind om complexe bordspellen zoals schaken en gaan onder de knie te krijgen. Het eenvoudige principe: elke beweging in het spel vertegenwoordigt de volgende stap in het oplossen van het probleem, waarbij het algoritme de noodzakelijke volgorde van zetten vertegenwoordigt. De onderzoekers noemen de overdracht van deze benadering naar het matrixprobleem AlphaTensor.

technologie beoordeling Hij vindt een zeer treffende beschrijving van het idee van het team in zijn rapport: “In plaats van de beste zetvolgorde in Go of schaken te leren, leerde AlphaTensor de beste zetvolgorde in het raken van matrices. Het werd beloond voor het winnen van het spel in het minste aantal zetten mogelijk.” Het resultaat: AI kan onder andere de efficiëntiegrens van 50 jaar doorbreken bij vermenigvuldiging van twee 4×4 matrices – De methode van Strassen vereist 49 stappen, AlphaTensor heeft een manier gevonden om de oplossing in 47 stappen te bereiken. Soortgelijke doorbraken kunnen ook worden bereikt in andere matrixproblemen. Het beste algoritme tot nu toe dat in staat was om 4 5 matrixvermenigvuldiging met 5 5 matrix met 80 individuele vermenigvuldigingen op te lossen, vereist AlphaTensor 76.

READ  Roborock Q7 Max + & Q7 Max kunnen vooraf worden besteld op Amazon

Uiteindelijk is vooruitgang altijd het teamwerk tussen mens en computer

Hoe ingewikkeld het onderwerp ook lijkt, dergelijke hacks kunnen een enorme impact hebben op het dagelijks leven van veel mensen. Want de eenvoudige berekening is: Als de berekeningen met minder stappen kunnen worden gedaan, kunt u kosten besparen en energie besparen voor het hele proces. Ook hier is de volgende stap spannend: theoretische onderzoekers die nu de nieuwe algoritmen analyseren, kunnen aanknopingspunten vinden voor meer doorbraken.

Zie ook: DeepMind: Google’s AI zorgt voor doorbraak in eiwitonderzoek


Processor Cpu Onderzoek Chip Wetenschap Ai Kunstmatige Intelligentie Afbeelding Voorraad Kunstmatige Intelligentie Wereld AI World of Science World of Science Brain Bot Face Head Dual Code Binair denken Brain Control Brain Wave Brain Chip Kunstmatige hersenen Brain Research Brain Thought Heads

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *