DeepMind は衝撃的な並べ替えアルゴリズムを開始し、C++ ライブラリは更新に追われています。
#クリックして 51CTO Web サイトのコンテンツに関するアンケートにご参加ください
コンパイル | Wang Ruiping、Yan ZhengAlphaGo にもう 1 人の「弟」が加わりました!Google DeepMind は、Alpha シリーズを並べ替えアルゴリズムに「組み込んで」、AlphaDev を開始しました。 これはいわば「開発秘法」のようなもので、強化学習AIを用いてソートアルゴリズムやハッシュアルゴリズムを発見することで、人間のプログラマーが設計したアルゴリズムを強制的にそれぞれ約70%、約30%高速化するというものです。命令の組み合わせの数は、宇宙内の粒子の数、またはチェス (10120 ゲーム) や囲碁 (10700 ゲーム) で考えられる手の組み合わせの数に似ています。間違った手ごとに、アルゴリズム全体が無効になります。
モデルはアルゴリズムを出力し、それを予想される出力と比較し、アルゴリズムの正確さと待ち時間に基づいてエージェントに報酬を与えます。
アルゴリズムを構築するとき、命令が入力されるたびに、AlphaDev は出力アルゴリズムと期待される結果を比較して正確さをチェックします (並べ替えアルゴリズムの場合、これは、順序付けされていない数値を入力した後、正しく並べ替えられて出力できることを意味します)数字)。
モデルは、数値の正しい順序と効率に対して AlphaDev に報酬を与えます。最終的に、より正確で高速なプログラムを発見した AlphaDev が競争に勝ちました。
4. アルゴリズムの革新: スワップ移動およびコピー移動命令シーケンス
AlphaDev は、より高速なアルゴリズムを生成するだけでなく、2 つの命令シーケンスも革新します。
具体的には、生成されるソート アルゴリズムには、スワップ移動とコピー移動という 2 つの新しい命令シーケンスが含まれており、使用されるたびに 1 つの命令が保存されます。研究者らはこれを「AlphaDevのスワップ移動とコピー移動」と呼んでいる。
この斬新なアプローチは、見物人に衝撃を与え、チェスの伝説を生み出した「直感に反する」チェスのプレイである AlphaGo の「手 37」を彷彿とさせます。
移動命令シーケンスとコピー移動命令シーケンスを交換することにより、AlphaDev はステップをスキップし、間違いのように見えても実際には近道である方法で目標を完了します。これは、AlphaDev には初期の解決策を発見し、コンピューター サイエンス アルゴリズムの改善を試みる能力があることを意味します。
5. テスト: ハッシュ アルゴリズムの推進と改善
研究者は、より高速な並べ替えアルゴリズムを発見した後、それを別のコンピューター サイエンス アルゴリズムであるハッシュ アルゴリズムに適用しようとしました。
ハッシュ アルゴリズムはコンピューティングの基本アルゴリズムであり、データの取得、保存、圧縮に使用されます。図書館員が分類システムを使用して特定の本を見つけるのと同じように、ハッシュ アルゴリズムは、ユーザーが探しているものとその場所を知るのに役立ちます。
これらのアルゴリズムは、特定のキー (ユーザー名「Jane Doe」など) のデータを取得してハッシュし、生データを一意の文字列 (1234ghty など) に変換できます。
コンピュータは、すべてのデータを検索するのではなく、このハッシュを使用して、キーに関連するデータを迅速に取得します。
研究者たちは、より高速なアルゴリズムを発見するために、データ構造で最も一般的に使用されるハッシュ アルゴリズムの 1 つに AlphaDev を適用しました。ハッシュ関数の 9 ~ 16 バイト範囲に適用すると、AlphaDev は 30% 高速なアルゴリズムを生成しました。
今年初め、AlphaDev によって生成された新しいハッシュ アルゴリズムがオープン ソースの Abseil ライブラリにリリースされ、世界中の何百万人もの開発者が利用できるようになりました。現在では毎日数万人が使用していると推定されています. 億回。
6. 勢いを増す: AGI 開発の第一歩を踏み出す
「ソートおよびハッシュ アルゴリズム」を最適化することで、AlphaDev は、さまざまな実用的な新しいアルゴリズムを生成できることを実証しました。
これは、AlphaDev による汎用人工知能 (AGI) ツールの開発に向けた最初のステップでもあり、同様の AI ツールは、コンピューティング エコシステム全体の最適化や、社会に利益をもたらす他の問題の解決にも役立ちます。
低レベルアセンブリ命令空間の最適化アルゴリズムは非常に強力ですが、制限もあります。現在、チームは、開発者にとってより有益となる、高級言語 (C など) でアルゴリズムを最適化する AlphaDev の機能を研究しています。
つまり、これらの新しい発見が、開発者に新しいテクノロジと手法を作成し、基本的なアルゴリズムをさらに最適化し、より強力で持続可能なコンピューティング エコシステムを構築するよう促すことが期待されています。
7. オープンソース: AI 最適化コードにおける画期的な画期的な進歩
以前は、並べ替えアルゴリズムは毎日何兆回も使用されていました。コンピューティングのニーズの増大に伴い、アルゴリズムに対するパフォーマンスの要求もますます高くなっています。人間のエンジニアはさまざまな並べ替えアルゴリズムを発見しましたが、数十年にわたる最適化の後、画期的な進歩を遂げることは難しく、増大する需要に応えることができません。
今回、AlphaDev は、データを並べ替えるためのより高速な並べ替えアルゴリズムを発見しました。
新しいランキング アルゴリズムは、オンライン検索結果やソーシャル投稿をランク付けしたり、コンピューターや携帯電話上のデータを処理したりするために使用できます。
新しい並べ替えアルゴリズムがメインの C ライブラリでオープンソース化されたことは祝う価値があります。現在、世界中の何百万もの開発者や企業がクラウド コンピューティング、オンライン ショッピング、サプライ チェーン管理などに使用しています。
つまり、人工知能ツールを使用してアルゴリズムを最適化すると、従来のプログラミング方法が完全に変わります。並べ替えライブラリが変更されるのは 10 年以上ぶりであり、強化学習モデルによって設計されたアルゴリズムが並べ替えライブラリに追加されるのは初めてであり、人工知能を使用して並べ替えを行う上で画期的な画期的な出来事となりました。コードを最適化します。
8. ユーザー: おそらくこれは単なるからくりだろう
ユーザーは研究結果についてさまざまな意見を持っており、Twitter では賞賛の声がほとんどです。 # 基本を学ぶ タスクの順序付けはプログラマーが早い段階で習得するスキルの 1 つであり、このスキルにより速度が 70% 向上します。 AI を活用して、私たち全員が依存しているアルゴリズムやライブラリが大幅に高速化されるのを見るのはとても興味深いことです。"
"もうすぐ、普通の人でも高度なプログラマーになれるようになるでしょう。"
以上がDeepMind は衝撃的な並べ替えアルゴリズムを開始し、C++ ライブラリは更新に追われています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

1. マルチモーダル大型モデルの発展の歴史 上の写真は、1956 年に米国のダートマス大学で開催された最初の人工知能ワークショップです。このカンファレンスが人工知能開発の始まりとも考えられています。記号論理学の先駆者たち(前列中央の神経生物学者ピーター・ミルナーを除く)。しかし、この記号論理理論は長い間実現できず、1980 年代と 1990 年代に最初の AI の冬の到来さえもたらしました。最近の大規模な言語モデルが実装されて初めて、ニューラル ネットワークが実際にこの論理的思考を担っていることがわかりました。神経生物学者ピーター ミルナーの研究は、その後の人工ニューラル ネットワークの開発に影響を与えました。彼が参加に招待されたのはこのためです。このプロジェクトでは。

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭
