A série DeepMind Alpha de modelos de inteligência artificial foi a primeira do mundo em várias categorias – por exemplo, AlphaGo venceu o campeão mundial em Go pela primeira vez. Agora, esses modelos, originalmente treinados em jogos, estão sendo usados para outras tarefas, para as quais mostraram habilidades inesperadas.
Fonte da imagem: deepmind.com
Inicialmente, o AlphaGo foi treinado em jogos jogados por pessoas. Seu sucessor, AlphaGo Zero, aprendeu jogando sozinho, e AlphaZero aprendeu xadrez e o jogo japonês de shogi da mesma forma. O MuZero aprendeu esses e outros jogos mesmo sem conhecer suas regras, que, aliás, limitam o jogador em como resolver o problema.
Nos datacenters (DPCs) de propriedade do Google, o sistema Borg é responsável pela distribuição das tarefas – analisa as solicitações e aloca instantaneamente os recursos necessários. Em seu funcionamento, o sistema é guiado por regras estabelecidas manualmente, que, a princípio, não podem levar em consideração todos os esquemas reais de distribuição de carga de trabalho, gerando inevitáveis ineficiências, também difíceis de rastrear.
“Em algum momento, os dados de Borg alimentaram o modelo de AlphaZero, que começou a identificar padrões na distribuição de recursos do data center dependendo das tarefas recebidas, após o que desenvolveu novas maneiras de prever e gerenciar essa carga. Em condições reais de produção, isso ajudou reduzir a parcela de equipamentos subutilizados em 19%, o que é uma quantia significativa em termos do Google.”
As redes neurais MuZero atribuíram eficiência de compactação aos vídeos do YouTube, uma área que permite obter resultados notáveis mesmo com um pouco de otimização. O modelo conseguiu reduzir a taxa de bits do vídeo em 4%, o que é bastante na escala do YouTube, e oferecer novas formas de agrupar quadros. Por fim, o modelo irmão do AlphaZero, AlphaDev, ajudou a melhorar os algoritmos de classificação em relação aos padrões da biblioteca do Google. Ele também otimizou a função de hash para pequenos intervalos de bytes (de 9 a 16), reduzindo a carga em 30%.
Em outras palavras, modelos de IA originalmente projetados para ganhar jogos conseguiram explorar áreas aparentemente estranhas e sugerir maneiras de otimizar tarefas de trabalho, ao mesmo tempo em que mostram certa flexibilidade. E no ano passado, o AlphaZero desenvolveu maneiras novas e mais eficientes de multiplicar algumas matrizes matemáticas pela primeira vez em meio século.