DeepMinds New AI设计了一种新算法来加快全球计算

　　喜欢指数的未来？加入我们的Xpotential社区，通过Xpotential University的课程进行未来的证明，阅读有关指数技术和趋势，连接，观看Keynote或浏览我的博客。

　　不久前，我谈到了一个Google人工智能（AI），可以开发出新的更好的AI，击败了最好的人类AI开发人员可以创建的所有事物，现在另一个AI完成了这项工作，但在更加颗粒的尺度上 - 它确实创造了新的算法并优化了旧算法。

　　现在，由于英国基于英国的DeepMind创建的AI发现了一种改进的计算机来对人类程序员数十年来忽略的数据，因此，由于英国公司DeepMind创建的AI，一项算法每天使用数万亿次的速度可能会加快70％。

　　“老实说，我们没想到会取得更好的成就：这是一个非常短的程序，这些类型的程序已经研究了数十年，” DeepMind的丹尼尔·曼科维茨（Daniel Mankowitz）说。

　　它们被称为排序算法，它们是计算的工作主场之一，用于通过字母顺序排名单词或从最小到最大的数字来组织数据。存在许多不同的排序算法，但是创新受到限制，因为它们在数十年中得到了高度优化。

　　现在，DeepMind创建了一个名为Alphadev的AI模型，该模型旨在发现新算法以完成给定的任务，希望击败我们现有的努力。Alphadev并没有调整当前算法，而是从头开始。

　　它使用汇编代码，它是坐在人写的代码和0s和1s编码的二进制指令序列之间的中间计算机语言。人体可以艰苦地阅读和理解装配代码，但是大多数软件都以更高级别的语言编写，该语言在被翻译或“编译”为组装代码之前更直观。DeepMind说，装配代码为Alphadev提供了更多的余地来创建更有效的算法。

　　AI被告知要一次构建算法一项指令，并根据已知的正确解决方案测试其输出，以确保其创建有效的方法。还被告知要创建最短的算法。DeepMind说，由于可能的指令组合的数量可以迅速接近宇宙中粒子的数量，因此任务越来越困难。

　　当被要求创建分类算法时，Alphadev提出的算法比最佳列表列表的最佳数据快70％，对于超过250,000个项目的列表，列表的列表快1.7％。

　　曼科维茨说：“我们最初认为它是错误的或有错误或其他东西，但是当我们分析该程序时，我们意识到Alphadev实际上发现了一些东西。”

　　由于排序算法用于许多常见软件，因此这种改进可能在全球范围内具有显着的累积效应。这样的算法至关重要，以至于将它们写入代码库中，以至于任何人都可以使用而不是编写自己的代码库。DeepMind将其新算法开源，并将其包含在常用的LIBC ++库中，这意味着人们今天已经可以使用它们。DeepMind说，这是十多年来分类算法库的这一部分的第一个更改。

　　曼科维茨（Mankowitz）说，摩尔定律（摩尔定律（Moore）的定律是，单个芯片的计算能力数量会定期加倍 - 由于小型化遇到了不可变的物理限制，但该法律即将结束，但是Alphadev可能能够通过提高效率来帮助弥补这一点。

　　曼科维茨说：“如今，这些算法已经被[在软件中运行]提取，我们每天估计数万亿美元，并且能够被世界各地数百万的开发商和公司使用。”“优化每天获得数万亿美元的基本功能的守则，希望有足够的好处，以鼓励人们尝试执行更多此类功能，并有一条途径，可以使[摩尔法律放缓]的这种瓶颈取消。”

　　英国伯明翰大学的马克·李（Mark Lee）说，阿尔法德夫（Alphadev）很有趣，即使是1.7％的速度提升也很有用。但是他说，即使在其他常见算法中发现了类似的效率，他也持怀疑态度，这种方法也可以弥补摩尔法律的破坏，因为它将无法在更深奥的软件中取得相同的收益。

　　他说：“我认为他们将能够对分类算法和标准类型的计算算法来做到这一点。但是，它不会应用于……复杂的代码。”“我认为硬件的增加仍将超过它。”

　　虽然，根据我们看到的人工智能已经实现的目标，他可能对此有错，因此我们会看到。

　　期刊参考

　　Nature DOI：10.1038/S41586-023-06004-9