谷歌DeepMind打破算法封印限制

2023-06-09 17:57:55 編輯：溥怡愛來源：

導讀近日，谷歌旗下AI實驗室DeepMind的工程師團隊在官網上發布了一條論文，該論文稱采用深度強化的學習方式發現了更加快速的排序方法。據了解，...

近日，谷歌旗下AI實驗室DeepMind的工程師團隊在官網上發布了一條論文，該論文稱采用深度強化的學習方式發現了更加快速的排序方法。據了解，隨著當前計算需求的增長，讓算法盡可能的變得更加高效顯得至關重要，當前排列或者是散列的基本算法，在一天之內的使用量可以達到上萬億次。如果要進一步提高這些算法歷程的相關效率，對于當前人類已知的計算方法來說具有嚴峻的挑戰性。

DeepMind實驗室通過去尋找更好的排列程序，將任務改變成一個單人游戲，在這個游戲中需要去完成一系列的CPU指令。將這些指令組合在一起從而形成一種高效的排序算法，經過該實驗室訓練之后，打造了一個深度強化學習的代理形象，這樣就能夠自動化的運行游戲，完成各種算法機制的擴展，并且深度使用神經網絡系統去知道蒙特卡洛樹搜索規劃過程。

經過目前的搜索排列之后，已經從零開始發現了幾項新型的排列算法，分別能夠對3，4，5的列表完成排序，而且整個排序的方式完全優于已知的人類標準。目前，這些算法已經集成到C++排序庫中，值得一提的是，這一次的排序庫更改，是DeepMind實驗室近十多年以來第一次對該算法庫提交的首次更改。

傳統的老算法機制是模擬人類與生俱來的記憶能力，但是在機器中重建這項能力是一項非常巨大的挑戰任務，AI程序通常只能夠去完成一項任務。因為在引進一個全新的任務時候，新的適應過程會改寫AI網絡之前獲得過的各項知識，大多數的AI基于神經網絡系統，會通過無數次的實驗與嘗試學習如何去執行任務，這樣就能夠讓整個算力機制得到提升。