共计 1243 个字符，预计需要花费 4 分钟才能阅读完成。
动动发财的小手，点个赞吧！
今日谷歌 DeepMind 应用深度强化学习发现更快的排序算法，相干论文成绩曾经发表在 Nature 上。据报道：该算法能够提速 70%，相比之下，快了 3 倍之多。
摘要
排序或散列等根本算法在任何给定的一天都会被应用数万亿次。随着计算需要的增长，让这些算法尽可能高效变得至关重要。鉴于过来 2 年获得了显着停顿，进一步提高这些例程的效率已证实对人类科学家和计算方法都具备挑战性。在这里，咱们展现了人工智能如何通过发现迄今为止未知的例程来超过以后的技术水平。为实现这一点，咱们将寻找更好的排序程序的工作制订为单人游戏。而后咱们训练了一个新的深度 强化学习 代理 AlphaDev 来玩这个游戏。AlphaDev 从零开始发现了优于先前已知人类基准的小型排序算法。
深度强化学习如何进步排序算法的性能？
深度强化学习通过将排序算法的性能进步工作转化为单人游戏，训练一个新的深度强化学习代理来玩这个游戏。该代理从头开始发现了小型排序算法，这些算法的性能优于以前已知的人类基准。通过这种办法，深度强化学习能够超过以后技术水平，发现迄今未知的排序算法。
利用方向
这些更快的排序算法能够利用于各种事实场景中，例如搜索引擎、数据库、金融交易等须要大量排序操作的畛域。在这些畛域中，更快的排序算法能够进步计算效率和响应速度，从而进步整个零碎的性能和用户体验。此外，这些更快的排序算法还能够利用于人工智能、机器学习等畛域中须要进行大规模数据处理和剖析的工作。
！职业思考
是否当前会呈现新的算法职业，通过深度学习的形式，更新迭代现有的算法，或者利用人工智能发现和发明新德算法？
随着深度学习和人工智能的一直倒退，能够预感将来会呈现新的算法职业。以下是一些可能的方向：
- 算法工程师 / 研究员：这是一个宽泛的畛域，涵盖了开发、改良和优化各种算法的业余人员。他们将利用深度学习和其余相干技术，更新迭代现有的算法，并设计翻新的算法来解决新的问题。
- 生成式 AI 专家：生成式 AI 专家将钻研和开发生成式模型，通过深度学习的形式发明新的算法。他们将摸索如何利用生成式模型生成新的创意和解决方案，波及到自然语言解决、图像生成、音频合成等畛域。
- 强化学习专家：强化学习是一种通过与环境交互来学习最佳行为策略的机器学习办法。强化学习专家将致力于开发和改良强化学习算法，使其可能利用于各种畛域，如主动驾驶、机器人管制、游戏策略等。
- 自动化算法优化专家：这个畛域的业余人员将利用深度学习和其余优化技术，开发自动化算法优化工具。他们的指标是进步算法的效率和性能，从而实现更疾速和更精确的问题求解。
- 数据科学家：数据科学家将利用深度学习和人工智能技术来发现和发明新的算法。通过对大量数据的剖析和建模，他们将寻找模式、提取特色，并利用这些信息来构建新的算法解决方案。
这些是将来可能呈现的一些算法职业方向，但随着技术的不断进步和利用的一直扩大，还会涌现出其余新的职业和机会。要害是继续学习和放弃与技术倒退同步，以适应这个疾速变动的畛域。
本文由 mdnice 多平台公布