Mueve tu manita para hacer una fortuna, ¡dale un pulgar hacia arriba!
En la actualidad, Google DeepMindutiliza el aprendizaje por refuerzo profundo para descubrir algoritmos de clasificación más rápidos, y los resultados de artículos relacionados [1] se han publicado en NatureInternet. Según los informes: el algoritmo puede acelerar un 70%, en comparación con 3 veces más rápido.
Resumen
Los algoritmos básicos como la clasificación o el hashing se utilizan billones de veces en un día determinado. A medida que crecen las demandas computacionales, se vuelve fundamental hacer que estos algoritmos sean lo más eficientes posible. Dado el notable progreso realizado en los últimos 2 años , mejorar aún más la eficiencia de estas rutinas ha demostrado ser un desafío tanto para los científicos humanos como para los métodos computacionales. Aquí mostramos cómo la IA puede superar el estado actual del arte al descubrir rutinas hasta ahora desconocidas. Para lograr esto, hicimos de la búsqueda de un mejor secuenciador un juego para un solo jugador. Luego entrenamos a un nuevo agente de "aprendizaje de refuerzo" profundo , AlphaDev, para jugar este juego. AlphaDev descubre desde cero pequeños algoritmos de clasificación que superan los puntos de referencia humanos conocidos anteriores.
¿Cómo puede el aprendizaje de refuerzo profundo mejorar el rendimiento de los algoritmos de clasificación?
El aprendizaje por refuerzo profundo entrena a un nuevo agente de aprendizaje por refuerzo profundo para jugar el juego transformando la tarea de aumento del rendimiento de un algoritmo de clasificación en un juego para un solo jugador. El agente descubre pequeños algoritmos de clasificación desde cero que superan los puntos de referencia humanos conocidos anteriormente. De esta manera, el aprendizaje por refuerzo profundo puede ir más allá del estado actual del arte y descubrir algoritmos de clasificación hasta ahora desconocidos.
Dirección de aplicación
Estos algoritmos de clasificación más rápidos se pueden aplicar en varios escenarios del mundo real, como motores de búsqueda, bases de datos, transacciones financieras y otros campos que requieren una gran cantidad de operaciones de clasificación. En estos dominios, los algoritmos de clasificación más rápidos pueden mejorar la eficiencia computacional y la capacidad de respuesta, mejorando así el rendimiento general del sistema y la experiencia del usuario. Además, estos algoritmos de clasificación más rápidos también se pueden aplicar a tareas que requieren procesamiento y análisis de datos a gran escala en los campos de la inteligencia artificial y el aprendizaje automático.
! pensamiento de carrera
¿Aparecerán nuevas profesiones de algoritmos en el futuro, a través del aprendizaje profundo, actualizarán e iterarán los algoritmos existentes, o utilizarán la inteligencia artificial para descubrir y crear nuevos algoritmos?
Con el desarrollo continuo del aprendizaje profundo y la inteligencia artificial, es previsible que surjan nuevas carreras algorítmicas en el futuro. Aquí hay algunas direcciones posibles:
-
Ingeniero/Investigador de Algoritmos: Este es un campo amplio que abarca profesionales que desarrollan, mejoran y optimizan varios algoritmos. Utilizarán el aprendizaje profundo y otras tecnologías relacionadas para actualizar e iterar los algoritmos existentes y diseñar algoritmos innovadores para resolver nuevos problemas. -
Expertos en IA generativa: los expertos en IA generativa investigarán y desarrollarán modelos generativos y crearán nuevos algoritmos a través del aprendizaje profundo. Explorarán cómo se pueden usar los modelos generativos para generar nuevas ideas y soluciones en campos como el procesamiento del lenguaje natural, la generación de imágenes, la síntesis de audio y más. -
Experto en aprendizaje por refuerzo: el aprendizaje por refuerzo es un método de aprendizaje automático que aprende las mejores estrategias de comportamiento al interactuar con el entorno. Los expertos en aprendizaje por refuerzo trabajarán en el desarrollo y mejora de algoritmos de aprendizaje por refuerzo para que puedan ser aplicados en diversos campos como la conducción autónoma, el control de robots, la estrategia de juego, etc. -
Expertos en optimización de algoritmos automatizados: los profesionales en este campo utilizarán el aprendizaje profundo y otras técnicas de optimización para desarrollar herramientas de optimización de algoritmos automatizados. Su objetivo es mejorar la eficiencia y el rendimiento de los algoritmos, lo que lleva a una resolución de problemas más rápida y precisa. -
Científico de datos: los científicos de datos utilizarán técnicas de aprendizaje profundo e inteligencia artificial para descubrir y crear nuevos algoritmos. Al analizar y modelar grandes cantidades de datos, buscarán patrones, extraerán características y utilizarán esta información para crear nuevas soluciones algorítmicas.
Estas son algunas de las direcciones de carreras algorítmicas que pueden surgir en el futuro, pero a medida que la tecnología continúa avanzando y las aplicaciones continúan expandiéndose, surgirán otras nuevas carreras y oportunidades. La clave es el aprendizaje continuo y mantenerse al tanto de los desarrollos tecnológicos en este campo que cambia rápidamente.
Referencia
Naturaleza:https://www.nature.com/articles/s41586-023-06004-9
Este artículo es publicado por mdnice multiplataforma