Google AI单位DeepMind以前以AlphaGo战胜棋王一时名声鹊起，这周DeepMind公布全新AI实体模型技术成果AlphaDev，可加快数据中心启动速度并具环保节能之功效。

AlphaDev要以熟练下象棋及电玩游戏机的AlphaZero（曾打败过AlphaGo）和MuZero实体模型改进成的。二者之后改以提升数据中心和图片大小压缩为主轴轴承。而AlphaDev乃是AlphaZero的进化版，它发觉一个新的材料排序（sorting）及散列（hashing）算法，可提速软件编程代码的落实。

AlphaDev搜寻新算法是以让电子计算机载入的中低端程序流程指令，而超自然力量编写如C 这类的高品质语言表达下手。他们认为，低端的组成指令比高档编程语言比较容易寻找改进室内空间，计算机内存和计算在这样一个层级更加弹力，寓意比较容易有颠覆性的技术性，以提升速率或节能降耗。她们我希望你能由AlphaDev寻找新的材料排序及散列算法，因为那是今日大家材料排序、存放及查找的二个最流程步骤。排序算法可能会影响数字设备处理表明新闻资讯，从搜索查询社群网站内容形式排序、或客户介绍等。

做为AlphaZero的变异，AlphaDev都是加强学习（reinforcement learning）实体模型。为了能练习AlphaDev探寻新算法，科研人员将排序变为一人游戏玩家“组合游戏”。每回合AlphaDev都观查它所产生的算法及由CPU所取得的新闻资讯，然后选择一个指令添加算法再进行下来回。AlphaDev必定要从相当多的指令组合中找到排序算法，每回合再找到迅速、更加好的算法。而指令组成总数，大约相当于银河系的分子结构总数，或者西洋棋（10的120三次方）与中国围棋（10的700三次方）棋步。而逃错任意一步，全部算法很有可能就没用了。科研人员是从两个方面来奖励AlphaDev的排序，一是准确性，二是高效率、速率。

最终AlphaDev发觉到一个新的算法，能改善中低端vm虚拟机（LLVM）libc 排序函数库速度，在比较短（3到5 element）串行通信可提升70%，但在超出25万只element长串行通信则提升1.7%。短串行通信的算法是DeepMind研究关键，由于更加常见。DeepMind强调，在简单用户搜索每日任务上，AlphaDev算法可提升排序速率，但一旦运用到更大规模自然环境，比如数据中心，将能很多环保节能及节省成本费。

探寻散列算法都是AlphaDev任务之一。散列主要用于材料存储查找，如数据库当中。AlphaDev查到的算法运用在数据中心内9到16 byte的散列函数公式时，可提升30%效率。

自打公布用以LLVM规范C 函数库的排序算法来取代使用了十多年的副程序流程（sub-routines），及公布用以abseil函数库的散列算法，已经有上百万次免费下载，这种算法已适用于各种产业链，包含云计算技术、网上购物和供应链。

DeepMind预估，一与其算法从下象棋逐渐跨到数据中心计算，将来拥有更多通用性AI实体模型会进一步用以日常生活。