Alpha家族新AI打破代碼瓶頸，數(shù)十億人使用的算法效率提高70%。

通過游戲找到提速算法最優(yōu)解

排序算法是世界各地計算機不斷使用的基本功能，雖然數(shù)十億人每天都在使用該算法，但沒有人意識到算法還存在優(yōu)化空間。Google DeepMind表示：“看起來，現(xiàn)在AI不僅可以幫人寫代碼，而且可以幫我們寫出更好的代碼?！?/p>

據(jù)介紹，AlphaDev基于AlphaZero強化學習模型構(gòu)建，其工作方式與AlphaZero相似，后者結(jié)合計算機推理和直覺，曾在圍棋、國際象棋等游戲中屢次擊敗世界冠軍。在棋盤游戲中，AlphaZero有能力選擇每一步的走法，不過AlphaDev只能選擇添加指令，并不會選擇下一步怎么走棋。

值得一提的是，DeepMind選擇了現(xiàn)在已很少見的匯編語言，這是C++等語言編寫的代碼在運行之前被翻譯成的語言，由計算機芯片處理。匯編的優(yōu)點是它允許將算法分解為更小的步驟，如果它要尋找更快的方法，這是一個很好的起點。

為了訓練AlphaDev來發(fā)現(xiàn)新的算法，Google DeepMind將排序問題轉(zhuǎn)化成了一個“匯編游戲”（Assembly Game）。在每一輪中，AlphaDev都需要觀察它生成的算法以及中央處理器（CPU）中包含的信息，并通過在算法中添加一條指令來進行移動。而這個匯編游戲非常困難，因為AlphaDev必須有效地搜索大量可能的指令組合，從而找到一個可以排序且比當前最佳算法更快的算法。

其中AlphaDev需要操作的“可能的指令組合”的數(shù)量，堪比宇宙中的粒子數(shù)量，或者國際象棋（10的120次方局）和圍棋（10的700次方局）中可能的走法組合數(shù)。更為嚴苛的是，任何一個錯誤的移動，都可能會使整個算法無效。DeepMind的突破在于將尋找更快算法的問題視為一場游戲，然后讓它的人工智能贏得這場游戲，最后根據(jù)AlphaDev正確排序數(shù)字的能力以及完成排序的速度和效率給予獎勵，而AlphaDev則需要通過發(fā)現(xiàn)一個正確且更快的程序來贏得游戲。如果AlphaDev的算法既正確又比現(xiàn)有算法快，那么它就贏了。

或可解決摩爾定律放緩問題

排序算法使得LLVM libc++排序庫得到改進：對于較短的序列，排序庫的速度提高了70%，對于超過25萬個數(shù)據(jù)的序列，速度提高了約1.7%。

其中，Google DeepMind團隊更專注于改進3到5個元素的短序列排序算法。這些算法是使用最廣泛的算法之一，因為它們通常作為更大排序函數(shù)的一部分被多次調(diào)用，改進這些算法可以提高對任意數(shù)量項目進行排序的整體速度。

而事實上，AlphaDev不僅發(fā)現(xiàn)了更快的算法，還發(fā)現(xiàn)了新的方法。它的排序算法包含新的指令序列，每次應(yīng)用時都會節(jié)省一條指令——這顯然會產(chǎn)生巨大的影響，因為這些算法每天都要使用數(shù)萬億次。研究人員把這些稱為“AlphaDev的交換和復制動作”。

這種新穎的方法讓人聯(lián)想到AlphaGo的“第37步”——當時這這種反直覺的下法讓圍觀者目瞪口呆，并導致李世石這位傳奇圍棋選手被打敗。通過交換和復制動作，AlphaDev跳過了一個步驟，以一種看起來像錯誤但實際上是捷徑的方式連接項目。這表明AlphaDev有能力發(fā)掘出原創(chuàng)性的解決方案，并挑戰(zhàn)人類對如何改進計算機科學算法的思考方式。

“說實話，我們沒有想到會取得更好的成績：這是一個非常短的程序，這些類型的程序已經(jīng)被研究了幾十年?！闭撐牡牡谝蛔髡?、Google DeepMind的研究科學家丹尼爾·曼科維茨（Daniel Mankowitz）說，“我們最初以為它犯了一個錯誤，或者有一個bug或其他東西，但是，當我們分析這個程序時，我們意識到AlphaDev實際上已經(jīng)發(fā)現(xiàn)了更快的東西。”

曼科維茨表示：“優(yōu)化每天被調(diào)用數(shù)萬億次的基本函數(shù)的代碼，有望帶來足夠大的好處，鼓勵人們嘗試執(zhí)行更多這些函數(shù)，并將其作為解決摩爾定律放緩瓶頸的途徑之一?！?/p>

英國伯明翰大學教授馬克·李（Mark Lee）則認為，AlphaDev很有意思，即使是1.7%的速度提升也很有用，但尚不能確定這種方法是否可以彌補摩爾定律的瓶頸，因為它不能在更復雜的情況下取得同樣的收益。

哈希算法速度提高30%

在發(fā)現(xiàn)更快的排序算法后，團隊測試了AlphaDev是否可以概括和改進不同的計算機科學算法：哈希。

哈希是計算中用于檢索、存儲和壓縮數(shù)據(jù)的基本算法。就像使用分類系統(tǒng)來定位某本書的圖書管理員一樣，散列算法可以幫助用戶知道他們正在尋找什么以及在哪里可以找到它。這些算法獲取特定密鑰的數(shù)據(jù)（例如用戶名“Jane Doe”）并對其進行哈希處理——這是一個將原始數(shù)據(jù)轉(zhuǎn)換為唯一字符串（例如1234ghfty）的過程。計算機使用此散列來快速檢索與密鑰相關(guān)的數(shù)據(jù)，而不是搜索所有數(shù)據(jù)。當團隊將AlphaDev應(yīng)用于散列函數(shù)的9-16字節(jié)范圍時，AlphaDev發(fā)現(xiàn)的算法速度提高了30%。

目前，Google DeepMind正在探索AlphaDev在C++等高級語言中直接優(yōu)化算法的能力，這對于開發(fā)人員來說將更加有用。

Google DeepMind在官方博客中寫道：“通過優(yōu)化和推出全球開發(fā)人員使用的改進排序和哈希算法，AlphaDev展示了其具有真實世界影響的泛化和發(fā)現(xiàn)新算法的能力。我們將AlphaDev視為發(fā)展通用人工智能工具的一步，這些工具可以幫助優(yōu)化整個計算生態(tài)系統(tǒng)，并解決其他有益于社會的問題?！?/p>