MuZero、AlphaZero 和 AlphaDev：优化计算系统
内容提要
我们正在开发更强大的人工智能工具，以提升计算能力。通过强化学习，AlphaZero和MuZero在游戏中表现出色，并已应用于计算芯片设计、数据中心优化和视频压缩。AlphaDev发现了更快的排序和哈希算法，显著提高了数据处理效率。这些进展展示了通用人工智能工具的潜力，将优化全球计算生态系统。
延伸解读
从游戏到芯片：强化学习的跨界迁移
AlphaZero和MuZero最初在游戏中达到超人水平，但文章强调其能力已迁移至芯片设计、数据中心优化和视频压缩。这种迁移依赖于强化学习在复杂状态空间中寻找最优策略的通用性。例如，将电路设计视为神经网络，用AlphaZero像解游戏一样优化电路，并在IWLS 2023竞赛中82%的问题上取得最佳方案。这展示了通用AI工具在计算系统优化中的潜力。
数据中心节能：AlphaZero的实际效益
谷歌数据中心使用Borg系统调度任务，但手动规则难以应对多变负载。引入AlphaZero后，它学习任务模式并预测长期最优决策，实验中将未充分利用的硬件比例降低了19%。这意味着更少的资源浪费和更高的能效，对于大规模数据中心而言，这种优化能显著降低运营成本和碳排放。
视频压缩：MuZero的渐进式优化
视频流占互联网流量的大部分，MuZero与YouTube合作，通过优化帧压缩和帧间引用，将比特率降低4%而不影响画质。最初仅优化单帧，现已扩展到帧分组和引用决策，进一步节省比特率。这表明MuZero有潜力成为视频压缩全流程的通用优化工具，未来可能带来更大的带宽节省。
AlphaDev算法：基础软件的效率突破
AlphaDev发现了更快的排序和哈希算法，排序短序列效率提升70%，长序列提升约1.7%；哈希算法在9-16字节范围效率提升30%。这些算法已集成到LLVM标准C++库和abseil库，被数百万开发者使用。由于排序和哈希每天被调用数万亿次，这种底层优化能节省大量时间和能源，影响云计算、电商和供应链等多个行业。
Q&A
MuZero和AlphaZero在游戏中表现如何？
MuZero和AlphaZero通过强化学习在游戏中表现出色，达到了超人类的水平。
AlphaDev发现了哪些新算法？
AlphaDev发现了更快的排序和哈希算法，显著提高了数据处理效率。
这些人工智能工具如何优化数据中心？
AlphaZero通过学习任务模式，自动创建个性化规则，优化数据中心的工作负载管理。
MuZero如何改善视频压缩？
MuZero通过优化每个视频帧的压缩，减少比特率4%，提升了YouTube的整体体验。
这些AI工具对全球计算生态系统的潜力是什么？
这些进展展示了通用人工智能工具的潜力，可以优化全球计算生态系统。
AlphaDev的排序算法与传统算法相比有什么优势？
AlphaDev的排序算法在处理短序列时效率提高了70%，在处理超过250,000个元素的序列时提高了约1.7%。
