DeepMind, algoritma geliştirmek için yeni AI sistemini detaylandırıyor

Alphabet Inc.’in DeepMind birimi bugün detaylı AlphaTensor, matematiksel problemleri çözmek için kullanılabilecek yeni algoritmalar keşfedebilen bir yapay zeka sistemi.

DeepMind araştırmacıları, matris çarpımlarını gerçekleştirmenin yeni bir yolunu geliştirmek için AlphaTensor’u kullandı. Matris çarpımı, yapay zeka uygulamalarının ve diğer bazı programların verileri işlerken yoğun olarak kullandığı bir hesaplama türüdür. DeepMind’e göre AlphaTensor, matris çarpımlarını şimdiye kadar mümkün olandan daha hızlı gerçekleştirmenin bir yöntemini buldu.

AlphaTensor, DeepMind’in ilk kez 2018’de piyasaya sürdüğü AlphaZero adlı bir yapay zeka sistemine dayanmaktadır. AlphaZero, satranç, Go ve shogi gibi masa oyunları oynamak için tasarlanmıştır. DeepMind, yapay zeka sisteminde karmaşık matematiksel problemlerin üstesinden gelmesini sağlayan bir dizi yükseltme yaptı.

DeepMind’ın yeni piyasaya sürülen AlphaTensor sistemini kullanarak hızlandırdığı hesaplamalar olan matris çarpımları, matrisleri içeren bir tür matematiksel işlemdir. Matris, bir elektronik tabloya benzer şekilde satırlar ve sütunlar halinde düzenlenmiş bir sayılar topluluğudur. Bir matris çarpımı, üçüncü bir matris oluşturmak için iki matris kullanan bir hesaplamadır.

Matematikçiler, bu tür hesaplamaları gerçekleştirmenin yeni ve daha hızlı bir yönteminin keşfedildiği 1960’lara kadar yüzyıllar boyunca belirli bir yolla matris çarpımları yaptılar. Bununla birlikte, bu daha hızlı yöntem, yalnızca nispeten az sayıda sayı içeren belirli matris çarpma türlerine uygulanabilir. Dahası, DeepMind araştırmacıları, “bu sorunun daha büyük versiyonları çözülmeden kaldı” diyor. Blog yazısı bugün.

DeepMind’e göre AlphaTensor sistemi, daha hızlı matris çarpma yönteminin geliştirilmiş bir versiyonunu keşfetti. Ayrıca yapay zeka, matris çarpımlarını gerçekleştirmek için tamamen yeni binlerce algoritma üretti. Bu algoritmalardan bazıları, Nvidia Corp. grafik kartları gibi belirli donanım türlerinde çalışacak şekilde optimize edilmiştir.

DeepMind araştırmacıları AlphaTensor’u oluşturmak için algoritma keşfine yönelik yeni bir yaklaşım geliştirdi.

Araştırmacılar, yeni matris çarpma algoritmalarını keşfetme görevini TensorGame adlı bir oyuna dönüştürdü. Oyunu kazanmak için, bir AI sistemi, bir tensör ayrıştırması olarak karmaşık bir matematiksel işlemi tamamlamalıdır. Tensör ayrıştırmasının tamamlanması, yalnızca AI sisteminin oyunu kazanmasına izin vermekle kalmaz, aynı zamanda süreçte yeni bir matris çarpma algoritması oluşturur.

DeepMind, AlphaTensor’u algoritma keşfi için özel olarak optimize edilmiş bir sinir ağı mimarisiyle donattı. Ardından, Alfabe birimi, takviyeli öğrenme olarak bilinen bir yöntem kullanarak yapay zeka sistemini eğitti. Yöntem, belirli bir görevi tekrar tekrar gerçekleştirmesini sağlayarak bir sinir ağının doğruluğunu deneme yanılma yoluyla geliştirmeyi içerir.

DeepMind, AlphaTensor’u kullanarak matris çarpımlarını çözmek için bilinen en hızlı algoritmalardan birinin daha verimli bir versiyonunu keşfetmeyi başardı. “Örneğin, okulda öğretilen geleneksel algoritma, 100 çarpma kullanarak 4×5 ile 5×5 matrisi çarparsa ve bu sayı insan zekasıyla 80’e düşürülürse, AlphaTensor aynı işlemi sadece 76 çarpma kullanarak yapan algoritmalar bulmuş, DeepMind araştırmacıları ayrıntılı.

AlphaTensor ayrıca binlerce yeni matris çarpma algoritması keşfetti. Projenin bir parçası olarak DeepMind, Nvidia’nın V100 grafik kartı ve Google LLC tarafından geliştirilen bir AI yongası olan TPU v2 gibi belirli yongalarda çalışacak şekilde optimize edilmiş algoritmalar geliştirmek için AlphaTensor’u özelleştirdi. Alfabe birimine göre, bu algoritmalar mevcut matris çarpma yöntemlerinden %20’ye kadar daha hızlı çalışır.

DeepMind’in araştırmacıları, “Matris çarpma, bilgisayar grafiklerini, dijital iletişimi, sinir ağı eğitimini ve bilimsel hesaplamayı kapsayan birçok hesaplama görevinde temel bir bileşen olduğundan, AlphaTensor tarafından keşfedilen algoritmalar bu alanlarda hesaplamaları önemli ölçüde daha verimli hale getirebilir” dedi. “AlphaTensor’ün her türlü hedefi dikkate alma esnekliği, enerji kullanımı gibi ölçümleri optimize eden algoritmalar tasarlamak için yeni uygulamaları da teşvik edebilir.”

Resim: Derin Zihin