DeepMind, kodu ve altyapıyı optimize etmek için oyun oynayan yapay zekaları yeniden kullanır

DeepMind’in Alpha yapay zeka serisi, AlphaGo’nun Go’da dünya şampiyonunu yenmesi gibi dünyada birkaç ilki sağladı. Başlangıçta oyun oynamak için eğitilen bu yapay zekalar şimdi başka görevler üzerinde çalışmaya başladı ve onlar için şaşırtıcı bir kolaylık gösteriyor.

Başlangıçta, AlphaGo insan oyunu kullanılarak eğitildi, ardından AlphaGo Zero yalnızca kendisine karşı oynayarak öğrendi, ardından AlphaZero da aynısını yaptı ama aynı zamanda Satranç ve Shogi’de de ustalaştı. MuZero bunların hepsini ve daha fazlasını yaptı üzerine düşünürseniz, görevini nasıl yerine getireceği hakkında “düşünme” biçimini sınırlayabilecek olan oyunun kuralları bile söylenmeden.

Google’da, Borg adlı bir sistem, veri merkezlerindeki görev atamalarını yönetir – temel olarak istekleri ayrıştırır ve kaynakları ışık hızında tahsis eder, böylece devasa teknoloji şirketi geniş ölçekte iş ve araştırma yapabilir. Ancak Borg, “bu iş yükünü yönetmek için görevleri planlamak için manuel olarak kodlanmış kurallar kullanıyor. Google ölçeğinde, manuel olarak kodlanan bu kurallar, sürekli değişen iş yükü dağılımlarının çeşitliliğini göz önünde bulunduramaz, bu da mantıksal olarak kaçınılmaz olduğu kadar izlenmesi zor olan verimsizlikler yaratır.

Ancak Borg verilerine maruz kalan AlphaZero, veri merkezi kullanımındaki ve gelen görevlerdeki kalıpları belirlemeye başladı ve bu yükü tahmin etmenin ve yönetmenin yeni yollarını üretti. Üretimde uygulandığında, “azaltmak[d] %19’a varan oranda az kullanılan donanım miktarı,” bu biraz özenle seçilmiş gibi görünse de yarısı doğru olsa bile “Google ölçeğinde” büyük bir gelişmedir.

Benzer şekilde, MuZero, küçük optimizasyonlar için büyük sonuçlar veren karmaşık bir yazılım alanı olan sıkıştırmaya yardımcı olup olmayacağını görmek için YouTube akışlarına bakarak işe koyuldu. Videoların bit hızını% 4 oranında azaltabildiği bildirildi, bu da yine YouTube ölçeklerinde oldukça büyük. MuZero, çerçeve gruplama gibi sıkıştırmanın yabani otlarına bile giriyor.

AlphaZero’nun bir akrabası olan AlphaDev, Google’ın kullandığı kitaplıktaki standart algoritmalara kıyasla benzer şekilde gelişmiş sıralama algoritmaları. Ve küçük bayt aralıkları (9-16) için daha iyi bir karma işlevi yaparak yükü %30 azalttı.

Bu gelişmeler dünyayı kendi başlarına değiştirmeyecek; geliştirici sistemlerde her zaman artımlı değişiklikler yapılmaktadır. İlginç olan, oyunları kazanmaya odaklanan bir problem çözme yöntemi geliştiren bir yapay zekanın, sıkıştırma gibi tamamen ilgisiz alanlarda yaklaşımını öğrenip genelleştirebilmesidir.

Bu gerçekten ne anlama geliyorsa gelsin, “genel amaçlı yapay zekaya” sahip olmamızdan önce kat etmemiz gereken çok çok uzun bir yol var, ancak zaten oluşturmuş olduğumuz yapay zekalarda belirli bir miktar esneklik olması umut verici. Sadece bunları farklı alanlara uygulayabildiğimiz için değil, aynı zamanda halihazırda çalıştıkları alanlarda esneklik ve sağlamlık önerdiği için.