DeepMind maakt nieuwe AI die 50 jaar oud matrix multiplic...

[WCas]

nieuws: DeepMind maakt nieuwe AI die 50 jaar oud matrix-multiplication-proble... @TijsZonderH

De titel is te sensationeel, dit is geen 50 jaar oud matrix multiplication probleem dat opgelost is. Ik citeer uit mijn reactie onder het artikel:

Ten eerste is de titel geheel misleidend; deze AI heeft geen "50 jaar oud matrix multiplication probleem opgelost." Wat deze AI wel gedaan heeft, is een algoritme ontdekt wat sneller is dan het snelste algoritme wat we kennen in een heel specifiek probleem. Voor zover de auteurs weten is Strassen's algoritme het snelste algoritme om twee 4 bij 4 matrices over een eindig veld te vermenigvuldigen. Dit is een erg specifiek probleem, al helemaal het deel "over een eindig veld," wat bijvoorbeeld matrixvermenigvuldiging over gehele nummers uitsluit, en voor zover ik zo snel kon zien hebben ze niet sterk gemaakt waarom dit specifieke probleem zo relevant is.

[fopjurist]

Voor dat algoritme er was, was de gedachte dat hoe meer matrices moesten worden vermenigvuldigd, hoe proportioneel moeilijker de berekening werd.

Deze zin begrijp ik niet helemaal. In het artikel in Nature en op de Wikipediapagina over het Strassen-algoritme komt het woord proportioneel niet voor en worden ook telkens maar 2 matrices met elkaar vermenigvuldigd. Voordat het Strassen-algoritme er was kostte het 2n³ stapjes om twee matrices van grootte n*n te vermenigvuldigen, en Strassen verbeterde dat naar minder dan 4,7 n^{log₂ 7} stapjes. Daar is niets proportioneels aan.

(de huidige zin begint ook niet goed: voordat dat algoritme er was)

[TijsZonderH]

Je hebt gelijk, het is inderdaad geen probleem dat is opgelost, ik maak ervan dat het het bekendste algoritme kan verbeteren. Dat is iets passender toch? Het is een wat ingewikkeld verhaal en net iets buiten mijn comfort zone.

[WCas]

Dat is zeker passender, je kan er zelfs "sneller dan de state of the art" van maken of zoiets - "voor zover de auteurs weten" is iets wat wetenschappers zeggen om zich in te dekken tegen obscure papers die verbeteringen claimen zonder ooit opgemerkt te worden door de bredere wetenschappelijke community.