英国《自然》杂志封面，以“矩阵游戏”为题，刊登了人工智能(AI)公司“深度思维”团队的最新发现：AI可以解决矩阵乘法问题。这是第一个能够为矩阵乘法等基本任务找到新颖、高效、正确算法的AI系统。换句话说，这个名为“AlphaTensor”的AI可以自己找到一种新的算法，从而解决了一个数学领域50年未解决的问题。3354找出两个矩阵相乘的最快方法。相关研究论文图片来源《自然》网站数学经常出现在计算机程序设计中，通常是作为描述和操纵现实世界现象表征的手段。例如，它用于表示计算机屏幕上的像素、天气状况或人工网络中的节点。在这种情况下，运用数学的主要方法之一就是计算矩阵。图片来源：深度思考在给游戏编程时，矩阵描述了可能的运动选项。为了实现这样的运动，矩阵经常被相乘和/或相加。这需要大量的工作，尤其是当矩阵变得越来越大时，这就是为什么计算机科学家花费大量的时间和精力来开发越来越有效的算法来完成这项工作。1969年，数学家Volcker Strathearn提出了一种方法，只用7次乘法运算而不是标准的8次乘法运算，将两个22矩阵相乘。但在新的成果中，“深度思考”的研究人员想知道是否有可能使用基于强化学习的AI系统来创建新的算法，使计算步骤比目前使用的更少。为了找到答案，他们从游戏系统中寻找灵感，这些游戏系统大多基于强化学习。在构建了一些初步的系统后，研究团队将重点转向了树搜索，树搜索也用于游戏编程，是系统在特定情况下查看各种方案的手段。当应用于乘法矩阵时，研究人员发现，将AI系统转换为一个游戏，可以搜索到最有效的方式来获得所需的结果3354个数学结果。研究人员通过允许系统搜索和评估来测试他们的系统，然后使用现有的算法，并奖励他们选择最有效的算法。系统学习了影响矩阵乘法效率的因素。接下来，研究人员将允许系统创建自己的算法，寻求进一步提高效率。他们发现，在很多情况下，系统选择的算法比人类前辈创造的算法更好。“深度思考”团队希望未来更多地使用AI来帮助克服数学和科学中一些最重要的问题。“AlphaTensor”的前身其实是“Alpha Zero”，在国际象棋、围棋、姜奇等游戏中击败人类高手。可以说，这项工作显示了智能体从游戏到解决数学问题的重要转变。从数学的角度来看，新的AI可以比以前更高效地探索算法空间，加深人们对矩阵丰富性的理解。从更深远的角度来看，矩阵乘法是计算机图形学、数字通信、神经网络训练、科学计算等诸多领域的核心。这个AI不仅会带来“矩阵游戏”，还会大大提高这些领域的计算效率。

---

农业问答  农业技术 农业论文 农业新闻 打赏QQ交流群：120510388