Deepmind推出AI系统AlphaTensor，可发现矩阵相乘的精确算法

  提高基础计算算法的效率是当今一项至关重要的任务，因为它会影响大量计算的总体速度，而这些计算可能会产生重大影响。其中一个简单的任务就是矩阵乘法，它可以在神经网络和科学计算程序等系统中找到。机器学习有潜力超越人类直觉，打败目前可用的最典型的人类设计算法。

  然而，由于可能的算法数量众多，自动发现算法的过程是复杂的。DeepMind最近通过开发AplhaTensor取得了突破性的发现，这是首个可为矩阵乘法等基本任务发现新颖、高效且正确算法的AI系统。解决了一个已经开放了50多年的数学难题：如何尽可能快地将两个矩阵相乘。

  矩阵乘法被用于许多事情，包括处理智能手机上的图像，识别口头命令，为视频游戏创建图形等等。开发有效地矩阵相乘的计算硬件会消耗大量资源;因此，即使矩阵乘法效率的微小提高也会产生重大影响。该研究调查了如何通过使用当代人工智能方法来推进新矩阵乘法算法的自动开发。

  AlphaTensor挖掘了大量最先进的复杂度算法，每一种矩阵乘法的复杂度算法多达数千种，证明矩阵乘法算法的空间比以前认为的更丰富。这些方法证明了AlphaTensor在优化任意目标时的适应性，通过乘大矩阵比在相同硬件上的传统算法快10-20%。

  由于矩阵乘法是许多计算的基本操作，由AlphaTensor开发的技术可以显著提高各个领域的计算效率。该系统的适应性可以考虑任何形式的目的，这可能会激发开发优化算法的新应用，如能耗和数值稳定性等指标。尽管这项研究集中在矩阵乘法的具体问题上，但DeepMind希望鼓励其他人将人工智能应用于指导其他重要计算工作的算法开发。