https://big5.sputniknews.cn/20221012/1044635171.html
AI首次創建高效準確數學算法
AI首次創建高效準確數學算法
俄羅斯衛星通訊社
英國《自然》雜誌封面以“矩陣遊戲”為題,發表了人工智能(AI)公司“深度思維”團隊的最新發現: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發現新穎、高效且正確算法的AI系統。 2022年10月12日, 俄羅斯衛星通訊社
2022-10-12T09:33+0800
2022-10-12T09:33+0800
2022-10-12T09:33+0800
智能
科技
中國
https://cdn.sputniknews.cn/img/07e5/04/15/1033535241_0:0:3072:1728_1920x0_80_0_0_41df620e77655e70357c56e76b23353c.jpg
據《科技日報》報道,數學在計算機編程中經常出現,通常作為描述和操縱現實世界現象表示的一種手段。例如,它用於表示計算機屏幕上的像素、天氣狀況或人工網絡中的節點。在這種情況下,使用數學的主要方式之一,就是對矩陣進行計算。在對遊戲進行編程時,矩陣描述了可能的運動選項。為了實現這樣的運動,矩陣經常被相乘和/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,這就是為甚麼計算機科學家花費大量時間和精力來開發越來越有效算法來完成工作的原因。1969年,數學家沃爾克·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”研究人員從遊戲系統中尋找靈感,這些遊戲大多數都是基於強化學習的。在構建了一些初步系統之後,研究小組將重點轉向了樹搜索,這也用於遊戲編程,是系統在特定情況下查看各種方案的一種手段。當應用於乘法矩陣時,研究人員發現,將AI系統轉換為遊戲可搜索最有效的方法來獲得所需的結果——數學結果。研究人員通過允許它搜索、評估來測試他們的系統,然後使用現有算法,並以獎勵來激勵選出最有效的算法。系統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創建自己的算法,尋求進一步提高效率。他們發現,在許多情況下,系統選擇的算法比人類前輩創建的算法更好。“深度思維”團隊希望,未來AI能更多地用來幫助攻克數學和科學領域的一些最重要的難題。
https://big5.sputniknews.cn/20220627/1042157423.html
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2022
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
News
cn_CN
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
https://cdn.sputniknews.cn/img/07e5/04/15/1033535241_249:0:2980:2048_1920x0_80_0_0_e3c20c5932cbc8b0157573591c7fe54b.jpg俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
智能, 科技, 中國
AI首次創建高效準確數學算法
英國《自然》雜誌封面以“矩陣遊戲”為題,發表了人工智能(AI)公司“深度思維”團隊的最新發現: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發現新穎、高效且正確算法的AI系統。
據《科技日報》報道,數學在
計算機編程中經常出現,通常作為描述和操縱現實世界現象表示的一種手段。例如,它用於表示計算機屏幕上的像素、天氣狀況或人工網絡中的節點。在這種情況下,使用數學的主要方式之一,就是對矩陣進行計算。
在對遊戲進行編程時,矩陣描述了可能的運動選項。為了實現這樣的運動,矩陣經常被相乘和/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,這就是為甚麼計算機科學家花費大量時間和精力來開發越來越有效算法來完成工作的原因。1969年,數學家沃爾克·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”研究人員從遊戲系統中尋找靈感,這些遊戲大多數都是基於強化學習的。在構建了一些初步系統之後,研究小組將重點轉向了樹搜索,這也用於遊戲編程,是系統在特定情況下查看各種方案的一種手段。當應用於乘法矩陣時,研究人員發現,將AI系統轉換為遊戲可搜索最有效的方法來獲得所需的結果——數學結果。
研究人員通過允許它搜索、評估來測試他們的系統,然後使用現有算法,並以獎勵來激勵選出最有效的算法。系統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創建自己的算法,尋求進一步提高效率。他們發現,在許多情況下,系統選擇的算法比人類前輩創建的算法更好。
“深度思維”團隊希望,未來AI能更多地用來幫助攻克數學和科學領域的一些最重要的難題。