AlphaTensor एक कृत्रिम बुद्धिमत्ता प्रणाली है जिसे DeepMind द्वारा सुदृढीकरण सीखने का उपयोग करके कुशल मैट्रिक्स गुणन एल्गोरिदम खोजने के लिए विकसित किया गया है। 2022 में पेश किया गया, यह प्रणाली AlphaZero पर आधारित थी और मैट्रिक्स गुणन एल्गोरिदम की खोज को TensorGame नामक एक एकल-खिलाड़ी खेल के रूप में तैयार किया।
AlphaTensor को कम अदिश गुणन संक्रियाओं के साथ मैट्रिक्स गुणा करने के नए तरीके खोजने के लिए डिज़ाइन किया गया था। मैट्रिक्स गुणन रैखिक बीजगणित, संख्यात्मक विश्लेषण, वैज्ञानिक कंप्यूटिंग, कंप्यूटर ग्राफिक्स और मशीन लर्निंग में एक मौलिक संक्रिया है। प्रणाली ने हजारों मैट्रिक्स गुणन एल्गोरिदम खोजे, जिनमें वे एल्गोरिदम शामिल हैं जिन्होंने ज्ञात मानव-निर्मित विधियों को फिर से खोजा और अन्य जिन्होंने विशेष मैट्रिक्स आकारों और गणितीय सेटिंग्स के लिए पहले से ज्ञात परिणामों में सुधार किया।
पृष्ठभूमि
मैट्रिक्स गुणन संख्यात्मक कंप्यूटिंग में बुनियादी संक्रियाओं में से एक है। दो वर्ग मैट्रिक्स को गुणा करने के लिए मानक एल्गोरिदम में घन समय जटिलता होती है, जबकि स्ट्रैसेन एल्गोरिदम जैसे तेज़ एल्गोरिदम अधिक जटिल बीजगणितीय अपघटन का उपयोग करके गुणन संक्रियाओं की संख्या को कम करते हैं। इष्टतम मैट्रिक्स गुणन एल्गोरिदम खोजना कठिन हो सकता है क्योंकि इसमें संभावित टेंसर अपघटन के बड़े स्थान की खोज शामिल होती है।
AlphaTensor ने एल्गोरिदम खोज को TensorGame के रूप में प्रस्तुत करके इस समस्या का दृष्टिकोण अपनाया, जिसमें प्रत्येक चाल एक संक्रिया से मेल खाती है जो मैट्रिक्स गुणन का प्रतिनिधित्व करने वाले टेंसर को कम करती है। खेल का लक्ष्य मैट्रिक्स गुणन टेंसर का कम-रैंक अपघटन खोजना है, जो एक कुशल गुणन एल्गोरिदम के अनुरूप है।
विकास
AlphaTensor को DeepMind द्वारा विकसित किया गया था और अक्टूबर 2022 में Nature में प्रकाशित एक पेपर में वर्णित किया गया था। प्रणाली AlphaZero में उपयोग किए गए सुदृढीकरण-सीखने के दृष्टिकोण पर आधारित थी, जिसे पहले गो, शतरंज और शोगी जैसे खेलों पर लागू किया गया था। उन खेलों के विपरीत, TensorGame में एक बहुत बड़ा खोज स्थान शामिल था, जिसके लिए AlphaZero-शैली की खोज विधि और तंत्रिका नेटवर्क वास्तुकला में परिवर्तन की आवश्यकता थी।
DeepMind ने स्रोत कोड और खोजे गए एल्गोरिदम को एक सार्वजनिक GitHub रिपॉजिटरी के माध्यम से प्रकाशन से जुड़े रूप में जारी किया।
परिणाम
AlphaTensor ने मानक अंकगणित और परिमित क्षेत्रों दोनों पर मैट्रिक्स गुणन एल्गोरिदम खोजे। एक व्यापक रूप से रिपोर्ट किया गया परिणाम दो तत्वों वाले क्षेत्र पर 4 × 4 मैट्रिक्स को 47 गुणन संक्रियाओं का उपयोग करके गुणा करने की एक विधि थी, जो उस सेटिंग में स्ट्रैसेन के एल्गोरिदम को पुनरावर्ती रूप से लागू करने के लिए आवश्यक 49 संक्रियाओं में सुधार करती है।
प्रणाली ने विशेष कंप्यूटर हार्डवेयर के लिए अनुकूलित एल्गोरिदम भी खोजे, जिनमें ग्राफिक्स प्रोसेसिंग यूनिट और टेंसर प्रोसेसिंग यूनिट के लिए डिज़ाइन किए गए एल्गोरिदम शामिल हैं। DeepMind ने कहा कि कुछ हार्डवेयर-विशिष्ट एल्गोरिदम ने परीक्षण किए गए हार्डवेयर पर सामान्य रूप से उपयोग किए जाने वाले एल्गोरिदम की तुलना में व्यावहारिक निष्पादन समय में सुधार किया।
महत्व
AlphaTensor को मशीन लर्निंग का उपयोग न केवल मौजूदा एल्गोरिदम लागू करने के लिए, बल्कि नए खोजने में सहायता करने के लिए एक उदाहरण के रूप में वर्णित किया गया था। यह कार्य एल्गोरिदम खोज, स्वचालित मशीन लर्निंग, प्रोग्राम संश्लेषण और कम्प्यूटेशनल जटिलता सिद्धांत में व्यापक शोध से जुड़ा था, विशेष रूप से मैट्रिक्स गुणन की इष्टतम जटिलता निर्धारित करने की खुली समस्या से।
AlphaTensor बाद में एल्गोरिदम और गणितीय खोज के लिए Google DeepMind प्रणालियों के व्यापक समूह का हिस्सा बन गया, साथ ही AlphaDev और AlphaEvolve जैसी प्रणालियों के साथ।
यह भी देखें
संदर्भ
- DeepMind, 'AlphaTensor', 2022.
- Nature पेपर, अक्टूबर 2022.
बाहरी लिंक
- आधिकारिक वेबसाइट
- GitHub पर alphatensor