【導讀】網(wǎng)友用GPT-4復現(xiàn)了AlphaDev的排序算法優(yōu)化，讓DeepMind的新論文看起來沒有那么耀眼了。

前幾天，Google DeepMind基于AlphaZero開發(fā)了一種新算法——AlphaDev。

據(jù)稱，這個算法可以創(chuàng)造出比人類編寫的算法快3倍的排序算法。

消息剛出的時候，很多網(wǎng)友都認為這是機器學習領域的重大突破。

但經(jīng)過一段時間的發(fā)酵之后，部分網(wǎng)友對AlphaDev取得的成就的評價似乎出現(xiàn)了分歧。

先是一位推特網(wǎng)友表示，用GPT-4也成功地發(fā)現(xiàn)了和AlphaDev發(fā)現(xiàn)的幾乎一樣的算法。

然后不少網(wǎng)友也在討論，覺得AlphaDev取得的實際成果和他們自己吹的「歷史性突破」差距過大。

網(wǎng)友的這些討論甚至把馬庫斯也引來圍觀看熱鬧了。

此外，馬院士也回復了用GPT-4發(fā)現(xiàn)算法的網(wǎng)友，「推特老板到此一游」

GPT-4也能「發(fā)現(xiàn)」同樣的算法

現(xiàn)在我們來看看這位用GPT-4發(fā)現(xiàn)和AlphaDev幾乎一樣算法的網(wǎng)友到底是怎么做到的。

他把自己的Prompt和GPT-4的回復都Po了出來。

順便問了一句，我這東西能發(fā)Nature嗎？

網(wǎng)友的提示詞有兩個部分，第一個部分讓GPT-4針對這段排序算法進行優(yōu)化，標注出哪段指令可以刪除，再一步一步解釋原因，然后回頭再驗證一遍。

然后他又給了第二部分提示詞，讓GPT-4根據(jù)上面的提示詞繼續(xù)做，讓Temperature=0(保持結果的一致性)。

最后GPT-4還小小地總結了一下。

認為刪除「mov S P」，再把刪除后代碼的P用S替換一下就行。

AlphaDev發(fā)現(xiàn)的算法

如下圖示例，原始sort3實現(xiàn)，有min(A, B, C)，使用AlphaDev Swap Move，AlphaDev發(fā)現(xiàn)，你只需要min(A, B)。

對比網(wǎng)友用GPT-4的優(yōu)化內容，只能說是一模一樣！

不知道是GPT-4過于強大，還是說AlphaDev確實也就那樣？

AlphaDev被吹得有些過頭了？

馬庫斯也在推特上轉載了一段YC社區(qū)網(wǎng)友對于AlphaDev發(fā)現(xiàn)的算法這個事比較刻薄評價。

YC社區(qū)的用戶orlp指出，他們能夠在某個libc++算法上取得70%的改進主要是因為這個庫在過去10年中沒有得到積極開發(fā)。

此外，DeepMind的改進能起作用其實是因為庫本身在無分支排序網(wǎng)絡的高效實現(xiàn)方面存在一些問題。

其他用戶指出，這種觀點「過于極端」了，算法能夠自動生成新的排序算法已經(jīng)是很了不起的一件事了。

orlp回復說，雖然該算法確實能夠自動生成良好的代碼，但它遠未達到革命性或改進現(xiàn)有技術水平的程度。

網(wǎng)友主要的觀點認為算法并沒有找到全新的排序方法，而只是對代碼進行了優(yōu)化。

但是，其實已經(jīng)存在「超級優(yōu)化器」的程序能夠以不同的原理實現(xiàn)類似的效果。

論文地址：https://courses.cs.washington.edu/courses/cse501/15sp/papers/massalin.pdf

而且在GitHub上也有項目已經(jīng)完成了更加快速的排列網(wǎng)絡的自動搜索，效果似乎比AlphaDev的算法還要好。

項目地址：https://github.com/bertdobbelaere/SorterHunter

不少國內網(wǎng)友還是選擇相信AlphaDev，搞不好是因為GPT-4抄得快，不一定是原創(chuàng)。

不過確實有些讀者認為，這類改進確實意義不算特別大。