Как MuZero, AlphaZero и AlphaDev помогают оптимизировать всю вычислительную экосистему, лежащую в основе нашего мира устройств

Алгоритмы искусственного интеллекта (ИИ) с каждым днем ​​становятся все более изощренными, и каждый из них предназначен для решения проблемы наилучшим образом. В рамках наших усилий по созданию все более эффективных и универсальных систем ИИ мы работаем над созданием инструментов ИИ с широким пониманием мира, чтобы полезные знания можно было передавать между различными типами задач.

Наши модели искусственного интеллекта AlphaZero и MuZero, основанные на обучении с подкреплением, добились сверхчеловеческой производительности в играх. Теперь они расширяют свои возможности, чтобы помочь оптимизировать центры обработки данных и сжатие видео — и совсем недавно наша специализированная версия AlphaZero, названная AlphaDev, обнаружила новые алгоритмы, которые уже ускоряют работу программного обеспечения, лежащего в основе нашего цифрового общества.

Хотя эти инструменты повышают эффективность всей вычислительной экосистемы, первые результаты показывают преобразующий потенциал более универсальных инструментов искусственного интеллекта. Здесь мы объясняем, как эти достижения формируют будущее вычислений и уже помогают миллиардам людей и планете.

Оптимизация ресурсов центра обработки данных

Центры обработки данных управляют всем, от доставки результатов поиска до обработки наборов данных. Борг управляет миллиардами задач в Google, назначение этих рабочих нагрузок похоже на игру в многомерный тетрис. Эта система помогает оптимизировать задачи для служб внутренней инфраструктуры, пользовательских продуктов, таких как Google Workspace и Search, а также управляет пакетной обработкой.

Борг использует закодированные вручную правила планирования задач для управления этой рабочей нагрузкой. В масштабах Google эти закодированные вручную правила не могут учитывать разнообразие постоянно меняющихся распределений рабочей нагрузки, поэтому они разработаны как «единые правила». к лучшему подходит всем». Именно здесь особенно полезны такие технологии машинного обучения, как AlphaZero: эти алгоритмы способны автоматически создавать индивидуальные оптимально адаптированные правила, которые более эффективны для различных распределений рабочей нагрузки.

Во время обучения AlphaZero научилась распознавать закономерности в задачах, поступающих в центры обработки данных, а также научилась прогнозировать наилучшие способы управления емкостью и принимать решения с наилучшими долгосрочными результатами.

Когда мы применили AlphaZero к Borg, экспериментальные испытания в производственной среде показали, что этот подход может сократить количество недостаточно используемого оборудования на 19 %, оптимизируя использование ресурсов центров обработки данных Google.

Следующие шаги для сжатия видео

Потоковое видео составляет большую часть интернет-трафика, потребляя большие объемы данных. Таким образом, поиск эффективности в этом процессе, какой бы большой или маленькой она ни была, окажет огромное влияние на миллионы людей, которые смотрят видео каждый день.

В прошлом году мы работали вместе с YouTube, чтобы применить возможности решения проблем MuZero для сжатия и передачи видео. Снизив битрейт на 4 % без ущерба для визуального качества, MuZero улучшил общее впечатление от YouTube.

Изначально мы применяли MuZero для оптимизации сжатия каждого отдельного кадра в видео. Теперь мы расширили эту работу, чтобы принимать решения о том, как кадры группируются и ссылаются во время кодирования, что приводит к большей экономии битрейта.

Первые результаты этих первых двух шагов показывают большие перспективы того, что MuZero может стать более универсальным инструментом, помогающим находить оптимальные решения для всего процесса сжатия видео.

Обнаружение более быстрых алгоритмов

Совсем недавно AlphaDev, версия AlphaZero, совершила новый прорыв в информатике, открыв более быстрые алгоритмы сортировки и хеширования — два фундаментальных процесса, которые используются триллионы раз в день для сортировки, хранения и извлечения данных.

Алгоритмы сортировки влияют на то, как все цифровые устройства обрабатывают и отображают информацию, от ранжирования результатов онлайн-поиска и сообщений в социальных сетях до рекомендаций пользователей. AlphaDev обнаружила алгоритм, повышающий эффективность сортировки коротких последовательностей элементов на 70 % и примерно на 1,7 % для последовательностей из более чем 250 000 элементов по сравнению с алгоритмами в библиотеке C++. Таким образом, когда пользователь отправляет поисковый запрос, алгоритм AlphaDev может помочь быстрее отсортировать результаты. При масштабном использовании он экономит огромное количество времени и энергии.

AlphaDev также обнаружил более быстрый алгоритм хеширования информации, который часто используется для хранения и поиска данных, например, в базе данных клиентов. Алгоритмы хеширования обычно используют ключ (например, имя пользователя «Джейн Доу») для создания уникального хэша, соответствующего значениям данных, которые необходимо извлечь (например, «номер заказа 164335-87»).

Как библиотекарь, использующий систему классификации для быстрого поиска конкретной книги, с системой хеширования, компьютер уже знает, что он ищет и где это найти. Алгоритм AlphaDev, примененный к 9-16-байтовому диапазону хеш-функций в центрах обработки данных, повысил эффективность на 30%.

С момента выпуска алгоритмов сортировки в Стандартная библиотека C++ LLVM — замена подпрограмм, которые использовались более десяти лет, на сгенерированные RL — и алгоритмы хеширования в спусковая библиотекамиллионы разработчиков и компаний в настоящее время используют эти алгоритмы в различных отраслях, таких как облачные вычисления, онлайн-покупки и управление цепочками поставок.

Универсальные инструменты для поддержки нашего цифрового будущего

Наши инструменты искусственного интеллекта, от игр до решения сложных инженерных задач, лежащих в основе каждого устройства, экономят время и энергию миллиардов людей. И это только начало.

Мы предвидим будущее, в котором более универсальные инструменты искусственного интеллекта смогут помочь оптимизировать всю вычислительную экосистему, лежащую в основе нашего цифрового мира. Но для поддержки этих инструментов нам потребуется более быстрая, эффективная и более устойчивая цифровая инфраструктура.

Для создания полностью универсальных инструментов искусственного интеллекта требуется еще много теоретических и технологических прорывов. Преобразующий потенциал инструментов искусственного интеллекта общего назначения и то, как их можно применять для решения различных задач в области технологий, науки и медицины. Мы взволнованы тем, что на горизонте.

Узнайте больше об алгоритмах сортировки: