Forschung: Künstliche Intelligenz entdeckt optimierte Algorithmen

Wetterprognosen, Spracherkennung, Bildverarbeitung, Computergrafiken: Für viele Computeranwendungen spielen bestimmte Algorithmen eine zentrale Rolle. Nun stellen Forscher eine Künstliche Intelligenz vor, die Algorithmen selbstständig findet und optimiert

Die Rekordjagd von AlphaZero geht weiter. Doch die auf künstlicher Intelligenz (KI) basierende Software versucht nun nicht mehr, die besten Wege zu finden, um Schach oder Go zu spielen. Stattdessen heißt das leicht veränderte Programm jetzt AlphaTensor und fahndet nach den kürzesten Algorithmen für bestimmte Rechenoperationen von Computern: die Multiplikation von Matrizen, die unter anderem für Wetterprognosen benutzt wird. Mehr als 70 verbesserte Algorithmen habe AlphaTensor bereits entdeckt, berichtet eine Gruppe des zu Google gehörenden Unternehmens DeepMind in London in der Fachzeitschrift „Nature“.

Algorithmen sind mathematische Berechnungsverfahren zur Lösung eines Problems. Angewandt werden solche Verfahren den Forscher zufolge schon seit Jahrtausenden, inzwischen spielen sie bei vielen Computerfunktionen wie etwa der Verarbeitung von Bildern eine zentrale Rolle.

„Die Verbesserung der Effizienz von Algorithmen für grundlegende Berechnungen kann weitreichende Auswirkungen haben, da sie die Gesamtgeschwindigkeit einer großen Menge von Berechnungen beeinflussen kann“, schreiben die Autoren um Alhussein Fawzi. Die von AlphaTensor gesuchten Algorithmen zur Multiplikation von Matrizen werden beispielsweise verwendet, um Bilder auf Smartphones zu verarbeiten, Sprachbefehle zu erkennen, Grafiken für Computerspiele zu generieren, Daten und Videos zu komprimieren und vieles mehr.

KI entdeckt bessere Rechenwege, als die von Menschen erdachten

AlphaTensor sollte nun nicht nur die Korrektheit bekannter Algorithmen nachweisen, sondern aktiv nach den kürzesten möglichen Algorithmen suchen – und so die Effizienz der Berechnungen steigern. Tatsächlich fand die KI selbstständig viele Algorithmen, die heute als die kürzesten für die Multiplikation zweier Matrizen bestimmter Größe gelten. Doch darüber hinaus entdeckte AlphaTensor Rechenwege, die besser waren als die bislang von Menschen erdachten.

Ein Rückblick: Im Jahr 1969 zeigte der deutsche Mathematiker Volker Strassen, dass man eine relativ einfache Rechenoperation wie die Multiplikation zweier einfacher Matrizen in sieben statt in acht Rechenschritten durchführen kann. Das sorgte unter Mathematikern für Aufsehen. Auch andere Algorithmen optimierte Strassen damals.

Obwohl seitdem Anstrengungen unternommen wurden, weitere Verbesserungen zu erreichen, war dies den Forschern zufolge nicht gelungen – bis jetzt: „Wir verbessern den zweistufigen Algorithmus von Strassen nach unserem Wissen zum ersten Mal seit seiner Einführung im Jahr 1969 zur Multiplikation von Vier-mal-vier-Matrizen“, schreiben die Forscher.

Sensoren für die Seele

Wenn man etwa eine Vier-mal-fünf-Matrix mit einer Fünf-mal-fünf-Matrix multipliziert, weist der traditionelle Algorithmus 100 Rechenschritte auf. Mathematiker haben diese Anzahl auf 80 reduzieren können, doch erst AlphaTensor fand nun einen Algorithmus mit nur 76 Schritten. Bei größeren Matrizen sei das Verbesserungspotenzial in der Regel noch deutlich höher, schreibt das Team.

„Aufbauend auf unserer Forschung hoffen wir, eine größere Anzahl von Arbeiten voranzutreiben – die Anwendung von KI, um der Gesellschaft bei der Lösung einiger der wichtigsten Herausforderungen in der Mathematik und in den Wissenschaften zu helfen“, werden einige der Autoren in einer DeepMind-Mitteilung zitiert.

Holger Hoos von der Rheinisch-Westfälischen Technischen Hochschule Aachen (RWTH) sieht die Arbeit als methodisch „zweifelsohne interessant“, aber nicht als bahnbrechend. Der Ansatz für die Matrix-Multiplikation könne für Algorithmiker und Mathematiker, die auf diesem Gebiet arbeiten, sehr interessant sein, so der Experte. „Aber ich sehe keine Anzeichen für einen Durchbruch im Bereich der automatischen Algorithmenkonstruktion.“