人工智能编写的代码比我们的快70%

据透露，来自DeepMind的人工智能代理AlphaDev已经能够发现新的和改进的计算机排序算法，这些算法广泛应用于普通计算机编程语言中。从本质上讲，它是从头开始编写新的计算机代码，其运行速度比人造代码快70%。这一突破背后的人是Deepmind的丹尼尔·曼科维茨……

Daniel -我们生活在一个日益数字化的社会中，随着摩尔定律的终结，芯片开始达到其基本的物理极限，我们需要找到新的和创新的方法来优化计算堆栈，因为能源使用的需求在不断增加。这让我们思考，我们能不能去优化一些基本的算法这些算法每天被世界各地的应用程序和公司调用数万亿次?

克里斯-我想这有点像历史上，当我们想让汽车跑得更快时，我们就给它装上一个更大的引擎，而现在我们发现自己受到了燃料越来越贵的事实的限制。就像电一样。所以我们现在的情况是，我们正在制造更好的引擎，因此它们可以更小、更高效，但我们从它们那里得到的性能是一样的。你是说，有了软件，我们就能依赖于这样一个事实:过程变得越来越有活力，可以做得更多，所以我们不必担心我们写的软件有多好，但现在我们需要担心了。

丹尼尔-没错。如果我们想要真正产生最大的性能，一切都需要精简。你可以把汽车想象成计算栈，计算栈的不同部分我们可以优化。我们可以简化汽车的不同部分。

Chris:在过去，我称之为过去，但在你出现之前，我们做了什么来优化我们编写的软件?

丹尼尔:是的，所以很多事情和进步都是人类在观察这些程序并找出改进它们的方法。然后它进入了下一个阶段我们能不能开始找到自动化的方法来发现改进的算法?于是就出现了一些方法试图搜索程序本身并试图弄清楚如果我在程序中改变这个或那个，会发生什么?我们的AlphaDev方法是能够从头开始搜索。换句话说，假设你要从头开始造一个引擎。我们想从头开始构建一个算法。我们告诉它，我们希望你建立的算法是正确的，并且尽可能快。然后AlphaDev会自动搜索空间来建立一个算法。

Chris:当人们谈论人工智能时，他们谈论的是用数据集来训练它。通常是我们已经生成的信息，但它最终会受到我们所知有限的事实的限制因此它所知道的也有一定的限制。那么你能通过你所做的超越这些界限吗?因为你只是在对这个东西说，‘这就是我想让你实现的，去探索吧。’

丹尼尔-是的。现在有了这种技术，这种能力是建立在DeepMind之前的技术基础上的。著名的AlphaGo系统在这场围棋比赛中击败了世界冠军。它做了第37题的著名动作。所有的专家看到这一举动后都说，‘不，这是一个错误。为什么会这样?这样做不对。”事实证明，这样做是正确的。但不仅如此，它的影响力如此之大，以至于它开始影响围棋游戏的策略，以及人们如何教授围棋，并真正超越了人类认为不可能的事情。与AlphaDev类似，我们发现，当对它说，“去建立一个算法，找出如何搜索空间，这样你最终会找到比现有更快的东西，”它也发现了这些类型的移动，当你看算法时，你可能不会期望你可以做这些类型的移动，使算法更有效。

澄清一下，这个东西本质上是在写自己的计算机代码。

丹尼尔-没错。

克里斯-所以你基本上是说比赛的目标是我想在尽可能快的时间内跑完这一圈。这就是你的目标。你会选择怎样绕着赛道跑?你是跨栏，还是直接从中间穿过，还是作弊，都取决于你自己。但我们的目标是尽可能缩短时间，然后让它继续发展。

丹尼尔-是的。就是这样。所以我们设计了这个游戏，你定义了赢得游戏的意义，在构建一个算法的情况下，它是使算法正确和快速。就赛道而言，就像你说的，游戏就是在一圈内移动，在最短的时间内跑完一圈就能获胜。

克里斯:当你把它的产品和我们的产品比较时，你会发现它比我们好多少

Daniel:当我们开始测试它的时候，我们发现它的性能提升幅度从2%到70%不等。

克里斯-天哪。70%，其中一些。这是难以置信的。这是否意味着，我想显而易见的问题是为什么要停在这里?你能把它部署在其他常见的计算机问题上吗?这些问题可以被优化和调整，并可能减少计算的碳足迹。有人说，互联网的碳足迹相当于航空业。这是否意味着我们可以在所有地方取得重大进展?

丹尼尔-这是我们所希望的。我们确实更进一步了。我们确定了一种叫做哈希的算法。想象一下，在一个图书馆里，你有一个图书管理员，你调用排序函数。排序可以用于，例如，将书从A到z排序。散列更多的是关于找到一本书。我们的想法是，每本书都有一个特殊的唯一数字，我们称之为哈希。这意味着当图书管理员去找一本特定的书时，他们知道他们要找的是与这本书对应的特定数字，也就是哈希值。这样一来，他们就不必去搜索整个图书馆的书了，他们知道该去哪里。所以我们用AlphaDev来改进一个散列算法，我们设法找到了一个改进的算法，速度快了30%。现在全世界的开发者、公司和用户都可以使用它。