谷歌DeepMind打破算法封印限制

导读 近日，谷歌旗下AI实验室DeepMind的工程师团队在官网上发布了一条论文，该论文称采用深度强化的学习方式发现了更加快速的排序方法。据了解，…

近日，谷歌旗下AI实验室DeepMind的工程师团队在官网上发布了一条论文，该论文称采用深度强化的学习方式发现了更加快速的排序方法。据了解，随着当前计算需求的增长，让算法尽可能的变得更加高效显得至关重要，当前排列或者是散列的基本算法，在一天之内的使用量可以达到上万亿次。如果要进一步提高这些算法历程的相关效率，对于当前人类已知的计算方法来说具有严峻的挑战性。

DeepMind实验室通过去寻找更好的排列程序，将任务改变成一个单人游戏，在这个游戏中需要去完成一系列的CPU指令。将这些指令组合在一起从而形成一种高效的排序算法，经过该实验室训练之后，打造了一个深度强化学习的代理形象，这样就能够自动化的运行游戏，完成各种算法机制的扩展，并且深度使用神经网络系统去知道蒙特卡洛树搜索规划过程。

经过目前的搜索排列之后，已经从零开始发现了几项新型的排列算法，分别能够对3，4，5的列表完成排序，而且整个排序的方式完全优于已知的人类标准。目前，这些算法已经集成到C++排序库中，值得一提的是，这一次的排序库更改，是DeepMind实验室近十多年以来第一次对该算法库提交的首次更改。

传统的老算法机制是模拟人类与生俱来的记忆能力，但是在机器中重建这项能力是一项非常巨大的挑战任务，AI程序通常只能够去完成一项任务。因为在引进一个全新的任务时候，新的适应过程会改写AI网络之前获得过的各项知识，大多数的AI基于神经网络系统，会通过无数次的实验与尝试学习如何去执行任务，这样就能够让整个算力机制得到提升。

未经允许不得转载：87头条 » 谷歌DeepMind打破算法封印限制