ゲームプレイAIの新たな応用: データセンターの最適化
DeepMindのAlphaシリーズのAIは、囲碁の世界チャンピオンを破ったAlphaGoなど、いくつかの世界初の成果を提供してきました。これらのゲームプレイに特化したAIは、他のタスクにも適用され始めており、驚くべき能力を示しています。
GoogleのシステムであるBorgは、データセンターでのタスク割り当てを管理していますが、これは手動でコード化されたルールに基づいています。しかし、Googleの規模では、これらの手動でコード化されたルールは、常に変化するワークロードの分布を考慮することができず、効率性に問題が生じます。
しかし、Borgのデータに触れたAlphaZeroは、データセンターの使用と着信タスクのパターンを識別し、その負荷を予測し管理する新たな方法を生み出しました。
これが実際の生産に適用されると、使用されていないハードウェアの量を最大19%削減することができました。
YouTubeのストリーム最適化とソフトウェア開発の改善
同様に、MuZeroはYouTubeのストリームを見て、圧縮に役立つかどうかを調査しました。圧縮は、小さな最適化が大きな結果をもたらす複雑なソフトウェア領域であり、MuZeroはビデオのビットレートを4%削減することができました。これは、YouTubeの規模ではかなり大きな影響を及ぼします。
また、AlphaDevはGoogleが使用していたライブラリの標準アルゴリズムと比較して、ソートアルゴリズムを改善しました。さらに、小さなバイト範囲（9-16）のハッシュ関数も改善し、負荷を30%削減しました。
ゲームプレイAIの応用範囲の拡大とその意義
これらの改善は、それ自体で世界を変えるものではありません。開発者システムへの微細な変更は常に行われています。しかし、興味深いのは、ゲームに勝つための問題解決方法を開発したAIが、圧縮のような全く関連性のない分野でそのアプローチを学び、一般化できることです。
まだ「汎用AI」には長い道のりがありますが、すでに作成したAIにはある程度の柔軟性があることが示されています。それは、それらを異なる分野に適用できるだけでなく、既に働いている分野内での柔軟性と堅牢性を示唆しています。
DeepMindのAIがゲームプレイからデータセンターの最適化、YouTubeのストリーム圧縮、さらにはソフトウェア開発の改善に至るまで、その応用範囲を広げていることは、AIの可能性を示す一例です。
これらのAIがゲームをプレイすることから学んだ戦略と技術が、これらの全く異なるタスクにどのように適用されるかを見ることは、AIの進化とその可能性についての理解を深めるのに役立ちます。
コメント