谷歌實驗室研究新算法 電腦更高效可節省資源

Google DeepMind業務長默多克。Google DeepMind

AlphaDev首席研究員曼科維茨。Google DeepMind

Alphabet旗下人工智能(AI)研究實驗室Google DeepMind的研究人員本周宣佈一項AI系統,著重於找出作為軟件開發基礎和企業每日用上數萬億次的更快電腦算法,使運算更有效率和永續。

據《華爾街日報》報道,這項最新突破剛刊登於科學期刊《自然》(Nature)。位於英國倫敦的Google DeepMind研究實驗室,將這套AI系統稱為AlphaDev。該系統依據AI圍棋軟件AlphaGo的新一代版本AlphaZero,利用「強化學習」(reinforcement learning)為排序(sorting)和雜湊(hashing)等電腦學功能找出更快算法。強化學習是機器學習的一種,讓電腦自行學習和開發策略。

排序算法用於將資料排序,例如為網站搜尋結果排名和金融機構的後端系統。雜湊算法則把數據轉化成獨特字串,讓用戶在數據庫等方面找出他們所需要的內容。由於它們廣泛獲電腦使用,加快這些算法可以大幅降低運算所需的資源。

該公司表示,當把AlphaDev應用於一個C++排序庫時,AlphaDev提高較小的排序工作速度達70%,大型排序工作則加快1.7%。至於雜湊功能,AlphaDev在9至16字節範圍內發現一種快30%的算法。所有算法已於開源庫內提供給開發人員。

Google DeepMind業務長默多克(Colin Murdoch)表示,作為DeepMind不斷努力提高電腦系統效率的努力一部份,它一直與谷歌和Alphabet各個部門合作應用與AlphaDev類似的AI系統,將網絡資源最佳化、維持數據中心降溫和跨伺服器中分享運算資源。

該公司表示,在他們的試驗中,AI減少谷歌數據中心未充分利用的伺服器硬件數目達19%。對企業來說,即是空轉運算未被使用,就會浪費能源和金錢。

默多克認為,若分配資源上變得更有效,將增加業務的流通,因為企業可以使用原本被綁住的數位資源。

DeepMind首批應用倡議之一是四年前一項改善YouTube影片壓縮管道的項目,讓用戶用少一點數據收看影片而不會犧牲影片品質。

AlphaDev首席研究員曼科維茨(Daniel Mankowitz)表示,隨著該項目的成功,六名研究人員將他們注意力放在把代碼最佳化上。雖然技術最佳化本身並非新鮮事,但他指出,這正是DeepMind「想像未來高效率算法可能結果」的方法,為工程師以前開發的排序算法產生更快結果。

但默多克坦言,要大型語言模型在雲端以至手機和流動裝置上盡可能有效率運行,仍需進行更多研究,「將會是未來數月一大研究問題」。本報訊

科技-三藩市版