谷歌DeepMind打破算法封印限制

近日，谷歌旗下AI實驗室DeepMind的工程師團隊在官網(wǎng)上發(fā)布了一條論文，該論文稱采用深度強化的學習方式發(fā)現(xiàn)了更加快速的排序方法。據(jù)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(nèi)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(zhàn)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(jīng)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(jīng)網(wǎng)絡系統(tǒng)去知道蒙特卡洛樹搜索規(guī)劃過程。

經(jīng)過目前的搜索排列之后，已經(jīng)從零開始發(fā)現(xiàn)了幾項新型的排列算法，分別能夠?qū)?，4，5的列表完成排序，而且整個排序的方式完全優(yōu)于已知的人類標準。目前，這些算法已經(jīng)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(tǒng)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(zhàn)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(wǎng)絡之前獲得過的各項知識，大多數(shù)的AI基于神經(jīng)網(wǎng)絡系統(tǒng)，會通過無數(shù)次的實驗與嘗試學習如何去執(zhí)行任務，這樣就能夠讓整個算力機制得到提升。