原文作者：Matthew Hutson
DeepMind开发的技术能玩围棋和国际象棋，也会帮忙写代码。
基于谷歌DeepMind AlphaZero AI的一个人工智能系统创建了算法，翻译成标准编程语言C++后可将数据排序速度提升到人类生成版本的3倍以上。
“我们有点吃惊，”Daniel Mankowitz说，他是领导这项工作的DeepMind计算机科学家，“我们一开始都不敢相信。”
DeepMind用AlphaZero（玩桌面游戏的人工智能系统）背后的技术产生了排序算法。来源：Ed Jones/AFP via Getty
计算机科学家几十年来都在优化计算机的数据排序方式，力求在返回搜索结果或按字母顺序排序联系人列表时优化关键的几毫秒。现在，位于伦敦的DeepMind利用AlphaZero（玩桌面游戏国际象棋、围棋和象棋的AI系统）背后的技术，以之构建排序算法，极大改进了排序速度。“这是个振奋人心的结果。”斯坦福大学的计算机科学家Emma Brunskill说。
《自然》发表的一篇论文[1]描述了这个名为AlphaDev的系统，它开发了更快的算法，这些算法已经被加入两个标准C++代码库，每天被全世界的编程者使用数万亿次。
从小处开始
研究人员一开始将AlphaDev应用于按规模排序数字。他们从小处开始，让算法一次只排3个、4个或5个数字，但这很重要，因为它们被排序较长列表的算法使用。AlphaDev在汇编指令的层面上运行：代码由自动编译器从程序员用C++写的代码中生成，随后翻译成1和0的机器代码。
AlphaDev的工作方式和它的前身AlphaZero相似，AlphaZero结合计算机版本的“思考”和直觉在桌面游戏中选择棋步[2]。AlphaDev不选择行动，而是选择指令加入一个程式中（DeepMind工程师称之为“汇编游戏”。）
当使用思考时，在每一个决策点，AlphaZero会考虑可能的棋步、在这些行动之后的可能棋步，以此类推，以分支的方式计算哪些行动最有可能最终获胜。但思考所有可能的分支花的时间可能比宇宙年龄还长，所以它会使用一些类似直觉的东西来缩小搜索范围。在每一步上，计算机程序会将游戏状态输入神经网络（复杂、可调的数学函数），突出最有希望的棋步。在训练中，它不断根据游戏结果来更新网络。它还通过不总是选择当前评分最高的一步，来探索棋步。
获得奖赏
AlphaDev可以选择四类行动之一，包括比较数值、在不同位置移动数值、跳到程序的不同部分。在每一步之后，它会尝试排序一系列列表，并根据在列表中多少个项目得到正确排序而获得奖励。它会一直继续，直到完美排序所有列表，或达到程序长度限制，然后再从头开始一个新程序。
神经网络不仅根据正确性来评估和奖赏程序，也考虑速度。Mankowitz的团队训练这个系统基于指令总数或处理时间来评估速度。根据所用的处理器和排序的数值数量，AlphaDev最佳算法比人类的算法节省4%-71%的时间。但当算法多次调用，对25万个值排序时，总共节省的时间只有1-2%，因为其他代码未经优化。
DeepMind还将AlphaDev应用于非排序算法。在一个用于将特定格式存储的数据转化为字节的算法上，它的版本比标准版本花的时间少67%。而它的哈希算法（用于数据存储和检索）比标准算法节省30%的时间。
为了了解AlphaDev在哪里省出时间，研究团队仔细研究了它的算法。在排序上，他们发现了两个新技巧，他们称之为AlphaDev交换和AlphaDev复制。Mankowitz将之与“棋步37”AlphaZero 前身AlphaGo在首尔一次表演赛上与人类围棋冠军李世石比赛时出人意料的棋步作了比较。“事后看来，这是赢得比赛的一个根本动作，影响了我们对战略的思考。”他说。
就科学上来说，“我不知道这里有什么特别深奥的东西。”布朗大学的计算机科学家Michael Littman说，他指出AlphaZero已经存在6年了。“但这项开发意义重大。”他补充说，DeepMind的研究者们善于将方法用于新问题。去年DeepMind也修改了AlphaZero，创造出了AlphaTensor[3]，它发明了更快的矩阵乘法方法。
未来，DeepMind团队可能会将AlphaZero这类算法应用于更多种问题，甚至自行设计硬件，Mankowitz说。“我们确实想全栈都试试。”
参考文献：
1.Mankowitz, D. L. et al. Nature 618, 257263 (2023).
2.Silver, D. et al. Science 362, 11401144 (2018).
3.Fawzi, A. et al. Nature610, 4753 (2022).
原文以DeepMind AI creates algorithms that sort data faster than those built by people标题发表在2023年6月7日《自然》的新闻版块上
nature
doi:10.1038/d41586-023-01883-4
点击阅读原文查看英文原文
点击文字或图片阅读相关文章
DeepMind开发出能让数学计算更快的AlphaTensor
ChatGPT等AI科研工具兴起，它们好用吗？
人工智能会率先发现外星生命吗？
点亮“星标”是您对我们最大的支持！
版权声明：
本文由施普林格自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件China@nature.com。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。
2023 Springer Nature Limited.All Rights Reserved
星标我们，记得点赞、在看+转发哦!
