より一般化されたAIツールを使用してコンピュータシステムを最適化する
Using more generalized AI tools to optimize computer systems.
MuZero、AlphaZero、およびAlphaDevが、デバイスの世界を支えるコンピューティングエコシステムを最適化するのに役立っています
人工知能（AI）アルゴリズムは、日々洗練されており、それぞれが最善の方法で問題を解決するために設計されています。私たちは、ますます能力の高い一般的なAIシステムを構築するための取り組みの一環として、世界を広く理解するAIツールを作成しています。これにより、有用な知識をさまざまなタスクに移行することができます。
強化学習に基づいて、私たちのAIモデルであるAlphaZeroとMuZeroは、ゲームで超人的なパフォーマンスを達成しました。現在、彼らはデータセンターやビデオ圧縮の最適化に役立つ能力を拡大しています。そして、最近では、AlphaZeroの専用バージョンであるAlphaDevが、既に私たちのデジタル社会の基盤となるソフトウェアを加速する新しいアルゴリズムを発見しました。
これらのツールは、コンピューティングエコシステム全体で効率の飛躍的な向上を生み出していますが、初期の結果は、より汎用性のあるAIツールの変革的な可能性を示しています。ここでは、これらの進展がコンピューティングの未来を形作り、既に数十億人と地球を助けている方法について説明します。
データセンターのリソースの最適化
データセンターは、検索結果の提供からデータセットの処理までを管理しています。Borgは、Googleのインフラストラクチャサービス、Google WorkspaceやSearchなどのユーザー向け製品、バッチ処理などに対して数十億のタスクを管理しています。
Borgは、これらのワークロードをスケジュールするために手動でコーディングされたルールを使用しています。Googleのスケールでは、これらの手動でコーディングされたルールは、常に変化するさまざまなワークロードの分布を考慮できないため、「一つのサイズがすべてに最適」と設計されています。ここで、AlphaZeroのような機械学習技術が特に役立つのです。これらのアルゴリズムは、さまざまなワークロードの分布に対してより効率的な個別の最適化されたルールを自動的に作成することができます。
トレーニング中、AlphaZeroはデータセンターに入るタスクのパターンを認識し、最適な方法で容量を管理し、最良の長期的な結果を予測する方法を学びました。
AlphaZeroをBorgに適用した結果、本番の実験的な試行では、この手法により未使用のハードウェアの量を最大19％削減することができ、Googleのデータセンターのリソース利用を最適化することができました。
ビデオ圧縮の次のステップ
ビデオストリーミングは、インターネットトラフィックの大部分を占めており、大量のデータを消費しています。そのため、このプロセスの効率を向上させることは、毎日ビデオを視聴している数百万人に大きな影響を与えます。
昨年、私たちはYouTubeと協力して、MuZeroの問題解決能力をビデオの圧縮と送信に活用しました。ビットレートを4％削減することで、視覚品質に影響を与えずに、MuZeroはYouTube全体のエクスペリエンスを向上させました。
最初に、MuZeroをビデオ内の各フレームの圧縮の最適化に適用しました。そして、この作業を拡大して、エンコード中にフレームをグループ化し、参照する方法に関する意思決定を行うようにしました。これにより、さらにビットレートの節約が可能となりました。
これら最初の2つのステップから得られた初期の結果は、MuZeroのポテンシャルがより一般的なツールになる可能性を示しています。これにより、ビデオ圧縮プロセス全体で最適なソリューションを見つけるのに役立ちます。
より高速なアルゴリズムの発見
最近、AlphaDevというAlphaZeroのバージョンがコンピュータサイエンスにおいて画期的な発見をしました。それは、高速なソートアルゴリズムとハッシュアルゴリズムです。これらは、データのソート、格納、取得に毎日何兆回も使用される基本的なプロセスです。
ソートアルゴリズムは、デジタルデバイスが情報を処理し表示する方法に影響を与えます。例えば、オンライン検索結果やソーシャル投稿のランキング、ユーザーへの推奨事項などに使用されます。AlphaDevは、短い要素のシーケンスのソート効率を70％、25万以上の要素のシーケンスでは約1.7％向上させるアルゴリズムを発見しました。これは、C++ライブラリのアルゴリズムと比較しています。したがって、ユーザーが検索クエリを送信する際、AlphaDevのアルゴリズムは結果をより速くソートするのに役立ちます。大規模に使用されると、膨大な時間とエネルギーを節約することができます。
AlphaDevは、データの保存や検索などでよく使用される情報のハッシングに対しても高速なアルゴリズムを発見しました。ハッシングアルゴリズムは通常、キー（例：ユーザー名「Jane Doe」）を使用して一意のハッシュを生成し、データの値（例：「注文番号164335-87」）と対応付けます。
ハッシングシステムでは、図書館員が特定の本を迅速に見つけるために分類システムを使用するのと同様に、コンピュータはすでに探しているものとその場所を知っています。AlphaDevのアルゴリズムは、データセンターのハッシング関数の9-16バイト範囲に適用された場合、効率を30%改善しました。
LLVM標準C++ライブラリのソーティングアルゴリズム（10年以上使用されたサブルーチンをRLで生成されたものに置き換え）とabseilライブラリのハッシングアルゴリズムをリリースして以来、クラウドコンピューティング、オンラインショッピング、サプライチェーン管理など、さまざまな業界でこれらのアルゴリズムを数百万人の開発者や企業が使用しています。
デジタル未来を支える汎用ツール
ゲームをプレイすることから、デバイスの中心部にある複雑なエンジニアリング問題を解決することまで、私たちのAIツールは何十億人もの人々の時間とエネルギーを節約しています。そしてこれはまだ始まりに過ぎません。
私たちは、より多くの汎用AIツールがデジタルワールドを支える計算エコシステム全体を最適化するのに役立つ未来を想像しています。ただし、これらのツールをサポートするためには、より速く、効率的で持続可能なデジタルインフラストラクチャが必要です。
完全な汎用AIツールを実現するには、さらに多くの理論的なおよび技術的な突破が必要です。汎用AIツールの変革的なポテンシャルや、技術、科学、医学のさまざまな課題にどのように適用できるかについて、私たちは将来にわくわくしています。
ソーティングアルゴリズムについて詳しくはこちら：
私たちのブログを読む：https://www.deepmind.com/blog/alphadev-discovers-faster-sorting-algorithms
Natureで私たちの論文を読む：https://www.nature.com/articles/s41586-023-06004-9
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
