Система искусственного интеллекта AlphaTensor компании DeepMind нашла ускоренный способ умножения матриц, новых решений для которых не находилось более 50 лет. Об этом говорится в материале MIT Technology Review.
Задача об умножении матриц лежит в основе различных приложений: от вывода изображения на дисплей и до моделирования сложной физики, а также процесса машинного обучения. Оптимизация решения помогла бы ускорить выполнение тысяч компьютерных операций, тем самым сократив расходы и обеспечив экономию энергии. Но несмотря на повсеместное распространение задачи, она до сих пор изучена не до конца. «Число доступных способов умножения матриц превосходит количество атомов во вселенной», — уточняется в материале.
Нейросеть настроили так, чтобы она воспринимала задачу как настольную игру. Каждое действие умножения сопоставляли игровому ходу, а ИИ получал награду за победу с минимальным числом ходов. По итогу нейросеть отыскала способ умножения матриц (размером 4×4), оказавшийся более эффективным в сравнении с предложенным в 1969 году немецким математиком. Его вариация предполагала решение за 49 шагов, а AlphaTensor уложилась в 47.
При других размерах матриц результат оказался еще более выдающимся: при 9×9 количество шагов сократилось с 511 до 498, при 11×11 — с 919 до 896.
Наш канал в Telegram. Присоединяйтесь!
Есть о чем рассказать? Пишите в наш телеграм-бот. Это анонимно и быстро