Margföldun á tölum er algengt reiknivandamál narvikk/Getty Images
Nokkrir rannsakendur hafa fundið skilvirkari leið til að margfalda tölunet og slá met sem gervigreindarfyrirtækið setti fyrir aðeins viku. DeepMind.
Fyrirtækið opinberaði þann 5. október að gervigreind hugbúnaður þess hefði slegið met sem hafði staðið í meira en 50 ár fyrir fylkisföldunarvandamálið – algeng aðgerð í alls kyns hugbúnaði þar sem tölunet eru margfölduð hvert með öðru. Ritgerð DeepMind leiddi í ljós nýja aðferð til að margfalda tvö fimm sinnum fimm fylki í aðeins 96 margföldun, tveimur færri en fyrra met.
Jakob Moosbauer og Manuel Kauers við Johannes Kepler háskólann í Linz í Austurríki voru þegar að vinna að nýrri nálgun á vandamálið áður en þessi tilkynning var birt.
Nálgun þeirra felur í sér að keyra hugsanlega margföldunaralgrím í gegnum ferli þar sem mörg skref í reikniritinu eru prófuð til að sjá hvort hægt sé að sameina þau.
„Það sem við gerum er að við tökum núverandi reiknirit og beitum röð umbreytinga sem á einhverjum tímapunkti geta leitt til umbóta. Tæknin okkar virkar fyrir hvaða þekkta reiknirit sem er og ef við erum heppin þá þurfa [niðurstöðurnar] einni margföldun færri en áður,“ segir Moosbauer.
Eftir að DeepMind birti byltinguna sína notuðu Moosbauer og Kauers nálgun sína til að bæta aðferð DeepMind og skáru af öðru skrefi til að setja nýtt met með 95 margföldun. Þeir hafa birt sönnunina í forprentuðu blaði, en hafa ekki enn gefið út upplýsingar um nálgunina sem þeir notuðu til að finna endurbætur á fyrri aðferðum.
„Okkur langaði að gefa út núna til að vera sá fyrsti þarna úti, því ef við finnum hana á svo stuttum tíma er töluverð hætta á að við komumst fram úr einhverjum öðrum aftur,“ segir Moosbauer.
Nýjasta ritgerðin beinist algjörlega að fimm-við-fimm fylkisföldun, en búist er við að aðferðin skili árangri fyrir aðrar stærðir. Vísindamennirnir segja að þeir muni birta upplýsingar um tækni sína fljótlega.
Moosbauer segir að nálgun DeepMind hafi ýtt nýjum krafti inn á svið stærðfræðinnar sem ekki hafi fengið mikla athygli. Hann vonast til að önnur teymi séu einnig að vinna í svipuðum dúr.
Fylkismargföldun er grundvallarverkefni sem notað er í nánast öllum hugbúnaði að einhverju marki, en sérstaklega í grafík, gervigreind og vísindahermi. Jafnvel lítil framför í skilvirkni þessara reiknirit gætu leitt til mikillar frammistöðuhagnaðar eða verulega orkusparnað.
DeepMind sagðist hafa séð aukningu í útreikningshraða á milli 10 og 20 prósent á ákveðnum vélbúnaði eins og Nvidia V100 grafíkvinnslueiningu og Google tensorvinnslueiningu v2. En það sagði að það væri engin trygging fyrir því að svipaður ávinningur myndi sjást í daglegum verkefnum á algengum vélbúnaði. Moosbauer segist vera efins um hagnað í algengum hugbúnaði, en fyrir stór og sérhæfð rannsóknarverkefni gæti orðið framför.
DeepMind hafnaði beiðni um viðtal um nýjasta blaðið, en rannsakandi þess, Alhussein Fawzi , sagði í yfirlýsingu: „Við höfum verið óvart yfir ótrúlegum viðbrögðum við blaðinu. Von okkar var að þessi vinna myndi opna svið reiknirituppgötvunar fyrir nýjum hugmyndum og nálgunum. Það er frábært að sjá aðra kanna hugmyndir í þessu rými ásamt því að byggja ofan á verk okkar svo hratt.“
Tilvísun : arXiv, DOI: 10.48550/arXiv.2210.04045
