آیا می‌توان از الگوریتم‌های هوش مصنوعی (AI) برای سرعت بخشیدن به ضرب ماتریس، یکی از اساسی‌ترین وظایف یادگیری ماشین استفاده کرد؟
به گزارش کالاسودا و به نقل از venturebeat، امروز در رویداد DeepMind در مقاله‌ای که در نیچر منتشر شد، AlphaTensor اولین سیستم هوش مصنوعی برای کشف الگوریتم‌های جدید، کارآمد و قابل اثبات رونمایی شد.
از زمانی که الگوریتم Strassen در سال 1969 منتشر شد، علم کامپیوتر در تلاش برای پیشی گرفتن از آن است.
در حالی که ضرب ماتریس یکی از ساده‌ترین عملیات جبر است، یکی از اساسی‌ترین وظایف محاسباتی نیز به حساب می‌آید و یکی از اصلی‌ترین عملیات ریاضی در شبکه‌های عصبی امروزی است.
امروزه از ضرب ماتریس برای پردازش تصاویر گوشی‌های هوشمند، درک دستورات گفتاری، گرافیک کامپیوتری برای بازی‌های رایانه ای، فشرده سازی داده‌ها و . … استفاده می‌شود.
امروزه، کمپانی‌ها از سخت‌افزار گران‌قیمت GPU برای افزایش راندمان ضرب ماتریس استفاده می‌کنند.
اما این روش می‌تواند کارایی را چند برابر کرده و از هزینه‌ها بکاهد.
طبق یک پست وبلاگ DeepMind، AlphaTensor بر اساس AlphaZero ساخته شده است،.
اگر بتوان از هوش مصنوعی برای یافتن الگوریتم‌های جدید برای کارهای محاسباتی اساسی استفاده کرد؛ می توان به پیشرفت‌های زیادی برسیم.
زیرا می‌توانیم از الگوریتم‌هایی که در حال حاضر استفاده می‌شود فراتر رفته و کارایی را بهبود ببخشیم.
البته این کار چالش برانگیز است، زیرا فرآیند کشف الگوریتم‌های جدید بسیار سخت است، و خودکار کردن کشف الگوریتمی با استفاده از هوش مصنوعی نیازمند یک فرآیند طولانی و دشوار است
در نهایت AlphaTensor فضای غنی‌تری از الگوریتم‌های ضرب ماتریس را کشف می‌کند.
با توجه به پست وبلاگ، از AlphaTensor برای یافتن الگوریتم‌هایی روی یک سخت‌افزار خاص، مانند Nvidia V100 GPU و Google TPU v2، استفاده کردند. این الگوریتم‌ها ماتریس‌های بزرگ را ۱۰ تا ۲۰ درصد سریع‌تر ضرب می‌کنند، که انعطاف‌پذیری AlphaTensor را در بهینه‌سازی اهداف به نمایش می‌گذارد.
لینک کوتاه:
