Умножение чисел является одним из базовых инструментов в работе любого компьютера. Искусственный интеллект компании DeepMind нашел новый способ умножения чисел, обещающий ускорение работы компьютеров. Умножение матриц (когда две сетки чисел перемножаются вместе) является основой многих вычислительных задач и усовершенствованная техника, открытая искусственным интеллектом, может повысить скорость вычислений до 20 процентов.
Новый способ умножения матриц является первым таким прогрессом более чем за 50 лет. Находка может повысить скорость вычислений, поскольку ряд программного обеспечения зависит от выполнения такой задачи в большом масштабе.
Веками считалось, что самый эффективный способ умножения матриц будет пропорционален количеству множащихся элементов. То есть задача становится пропорционально труднее для все больших и больших матриц.
Но математик Фолькер Штрассен доказал в 1969 году, что умножение матрицы из двух строк с двумя числами на другую матрицу такого же размера не обязательно предполагает восемь умножений и что с помощью хитрого трюка его можно сократить до семи. Этот подход, называемый алгоритмом Штрассена, требует дополнительного сложения, но это приемлемо, поскольку сложение в компьютере занимает гораздо меньше времени, чем умножение.
Алгоритм является наиболее эффективным подходом для большинства размеров матриц в течение более 50 лет. Хотя были обнаружены некоторые незначительные улучшения, которые нелегко адаптировать к компьютерному коду.
Но искусственный интеллект DeepMind теперь обнаружил более быструю технику, которая идеально работает на текущем оборудовании.Искусственный интеллект AlphaTensor приступил к работе, не зная никаких решений, и перед ним встала проблема создания рабочего алгоритма, который выполнял бы задачи за минимальное количество шагов.
Он нашел алгоритм умножения двух матриц из четырех строк с четырьмя числами, используя только 47 умножений, что превосходит 49 умножений по алгоритму Штрассена. Искусственный интеллект также разработал усовершенствованные методы умножения матриц других размеров, всего 70 новых способов.
AlphaTensor обнаружил тысячи функциональных алгоритмов для каждого размера матрицы, включая 14000 только для матриц 4х4. Но лишь небольшое количество алгоритмов было лучше современного уровня. Исследование базируется на AlphaZero, игровой модели DeepMind и разрабатывалось два года.
Хусейн Фавзи из Deepmind говорит, что результаты математически обоснованы, но далеки от интуитивно понятных людям. «По сути, мы не знаем, почему система придумала это, – говорит он. – Почему это лучший способ умножения матриц? Это неясно».
DeepMind обнаружил, что алгоритмы могут повысить скорость вычислений на 10–20 процентов на определенном аппаратном обеспечении, таком как графический процессор Nvidia V100 (GPU) и тензорный процессор Google (TPU) v2, но нет гарантии, что эти преимущества также будут на обычных устройствах, таких как смартфон или ноутбук.
