Създаденият от компанията DeepMind ИИ AlphaZero. който първоначално се използваше при десктоп компютърните игри, предложи нов начин за умножение на матриците. Това е фундаментална математическа задача, за която ново решение не е предлагано от 50 години.
Задачата за умножението на матриците се използва на много места – от показването на изображение на екран до моделирането на сложна физика, както и за обучение на изкуствен интелект или на самия себе си. Оптимизирането на решението на този алгоритъм би помогнало за опростяване изпълнението на редица компютърни операции, би довело до намаляване на разходите и до икономия на енергия. Въпреки повсеместността на проблема, той все още не е подробно проучен.
Матрицата е масив от числа, а матричното умножение обикновено е последователно умножение на числата в редовете на едната матрица по числата в колоните на другата. Проблемът изглежда сравнително прост, но става много по-сложен и по-труден, когато се опитваме да намерим бърз метод за умножението на две големи матрици и това е един от важните проблеми в компютърните науки. Предполага се, че броят на възможните начини за умножаване на матрици надвишава броя на атомите във Вселената – в някои случаи до 10³³ опции.
Задачата за умножението на матрици е подадена на ИИ AlphaZero във вид на игра, в която изкуственият интелект е награждаван, ако успее да я изиграе с минимален брой ходове. В крайна сметка AlphaZero е предложил метод за умножение на 4х4 матрици с 49 стъпки, докато досега се използваше алгоритъма от 1969 година с 64 стъпки. При по-големи матрици новият метод действа по-добре – при размернот 9х9 броят на стъпките намалява от 511 на 498, а при 11х11 – от 919 на 896.
Новият открит от ИИ AlphaZero метод е приложен в ускорителите NVIDIA V100 и Google TPU, които масово се използват за машинно обучение. Оказа се, че алгоритъмът, базиран на новия метод е с около 20% по-бърз.