今日谷歌 DeepMind 使用深度强化学习发现更快的排序算法，相关论文[1]成果已经发表在Nature上。据报道：该算法可以提速 70％，相比之下，快了3倍之多。
摘要
排序或散列等基本算法在任何给定的一天都会被使用数万亿次。随着计算需求的增长，让这些算法尽可能高效变得至关重要。鉴于过去2年取得了显着进展，进一步提高这些例程的效率已证明对人类科学家和计算方法都具有挑战性。在这里，我们展示了人工智能如何通过发现迄今为止未知的例程来超越当前的技术水平。为实现这一点，我们将寻找更好的排序程序的任务制定为单人游戏。然后我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。
深度强化学习如何提高排序算法的性能？
深度强化学习通过将排序算法的性能提高任务转化为单人游戏，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。通过这种方法，深度强化学习可以超越当前技术水平，发现迄今未知的排序算法。
应用方向
这些更快的排序算法可以应用于各种现实场景中，例如搜索引擎、数据库、金融交易等需要大量排序操作的领域。在这些领域中，更快的排序算法可以提高计算效率和响应速度，从而提高整个系统的性能和用户体验。此外，这些更快的排序算法还可以应用于人工智能、机器学习等领域中需要进行大规模数据处理和分析的任务。
！职业思考
是否以后会出现新的算法职业，通过深度学习的方式，更新迭代现有的算法，或者利用人工智能发现和创造新德算法？
随着深度学习和人工智能的不断发展，可以预见未来会出现新的算法职业。以下是一些可能的方向：
- 算法工程师/研究员：这是一个广泛的领域，涵盖了开发、改进和优化各种算法的专业人员。他们将利用深度学习和其他相关技术，更新迭代现有的算法，并设计创新的算法来解决新的问题。
- 生成式AI专家：生成式AI专家将研究和开发生成式模型，通过深度学习的方式创造新的算法。他们将探索如何利用生成式模型生成新的创意和解决方案，涉及到自然语言处理、图像生成、音频合成等领域。
- 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方法。强化学习专家将致力于开发和改进强化学习算法，使其能够应用于各种领域，如自动驾驶、机器人控制、游戏策略等。
- 自动化算法优化专家：这个领域的专业人员将利用深度学习和其他优化技术，开发自动化算法优化工具。他们的目标是提高算法的效率和性能，从而实现更快速和更准确的问题求解。
- 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创造新的算法。通过对大量数据的分析和建模，他们将寻找模式、提取特征，并利用这些信息来构建新的算法解决方案。
这些是未来可能出现的一些算法职业方向，但随着技术的不断进步和应用的不断扩展，还会涌现出其他新的职业和机会。关键是持续学习和保持与技术发展同步，以适应这个快速变化的领域。
往期推荐
- 这 3个Python 函数你知道吗？
- 如何修复 SSH Client_loop: send disconnect: Broken pipe Error
- 2023 年 10 个最受欢迎的 Linux 发行版
- Region Proposal Network (RPN) 架构详解
Reference
[1]
Nature: https://www.nature.com/articles/s41586-023-06004-9
