Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind12. Juni 2023 · Q002926

MuZero, AlphaZero, and AlphaDev: Optimizing computer systems

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Google DeepMind berichtet über KI-Anwendungen für Chipdesign, Rechenzentren, Videokomprimierung sowie Sortier- und Hashing-Algorithmen und nennt dafür Verbesserungen wie bis zu 19 Prozent weniger ungenutzte Rechenzentrumshardware und vier Prozent weniger Videobitrate. Die Ergebnisse werden als frühe Fortschritte beschrieben; eine vollständig verallgemeinerte KI sei laut Bericht noch nicht erreicht.

Mittel

Der Bericht stellt Anwendungen von AlphaZero, MuZero und AlphaDev vor, mit denen Google DeepMind nach eigenen Angaben Computertechnik optimiert. Für den Chipentwurf werden Schaltungen als neuronale Netze modelliert und anhand von Geschwindigkeit, Energieverbrauch und Größe verbessert. Bei einem Wettbewerb habe das Verfahren für 82 Prozent der Aufgaben die beste Lösung geliefert. In experimentellen Versuchen mit Googles Rechenzentrumsverwaltung Borg sei der Anteil ungenutzter Hardware um bis zu 19 Prozent gesunken.

MuZero habe in Zusammenarbeit mit YouTube die Videobitrate um vier Prozent reduziert, ohne die sichtbare Qualität zu beeinträchtigen. Die Arbeit wurde von der Optimierung einzelner Bilder auf Entscheidungen zur Bildgruppierung und Referenzierung erweitert. AlphaDev habe Sortieralgorithmen entwickelt, die laut Bericht kurze Folgen um 70 Prozent und Folgen über 250.000 Elemente um etwa 1,7 Prozent effizienter sortieren als die verglichenen C++-Bibliotheksalgorithmen. Für bestimmte Hashing-Funktionen wird eine Effizienzsteigerung von 30 Prozent genannt. Die Algorithmen seien in LLVM beziehungsweise Abseil aufgenommen worden. DeepMind bezeichnet die Ergebnisse als frühe Fortschritte: Eine vollständig verallgemeinerte KI sei noch nicht erreicht, und die dargestellten Wirkungen beruhen auf den Angaben des Unternehmens.

Ausführlich lesen

Der Bericht beschreibt, wie Google DeepMind nach eigenen Angaben lernende KI-Systeme wie AlphaZero, MuZero und AlphaDev einsetzt, um verschiedene Bereiche der Computertechnik zu verbessern. Die Beispiele reichen vom Entwurf von Chips über die Verwaltung von Rechenzentren und Videokomprimierung bis zur Entwicklung von Algorithmen. DeepMind stellt diese Arbeiten als frühe Schritte hin zu allgemeineren KI-Werkzeugen dar und betont zugleich, dass dafür noch weitere Fortschritte nötig seien.

Beim Chipdesign behandelt das Team Schaltungen als eine Art neuronales Netz: Verbindungen entsprechen Drähten, Knoten Logikgattern. Die so erlernten Schaltungen wurden laut Bericht auf Geschwindigkeit, Energieverbrauch und Größe optimiert, wobei ihre Funktion erhalten bleiben sollte. In einem Wettbewerb zu Schaltungsdesign habe das Verfahren bei 82 Prozent der Aufgaben die beste Lösung erzielt. Zusätzlich nutzte das Team AlphaZero, das weiter vorausplanen kann, um Schaltungsentwürfe als Suchproblem zu verbessern. Die Kombination mit bestärkendem Lernen liefere vielversprechende Forschungsergebnisse; der Bericht belegt damit jedoch noch keine allgemein einsetzbaren neuen Chips.

Für die Ressourcenverwaltung in Googles Rechenzentren beschreibt der Artikel Borg als System, das Arbeitslasten anhand von Regeln einteilt. AlphaZero könne laut DeepMind Regeln an unterschiedliche Lastverteilungen anpassen und langfristige Folgen berücksichtigen. In experimentellen Versuchen mit Borg sei der Anteil ungenutzter Hardware um bis zu 19 Prozent gesunken. Die Angabe bezieht sich ausdrücklich auf Versuche und nennt keine weiteren Details zu deren Umfang oder Übertragbarkeit.

Bei der Videokomprimierung arbeitete DeepMind mit YouTube zusammen. MuZero habe die Bitrate um vier Prozent reduziert, ohne die sichtbare Qualität zu beeinträchtigen. Zunächst optimierte das System einzelne Videobilder; anschließend wurde es auf Entscheidungen zur Gruppierung und Referenzierung von Bildern beim Kodieren ausgeweitet. Der Bericht wertet die ersten Ergebnisse als vielversprechend, nicht als abgeschlossene Optimierung des gesamten Prozesses.

AlphaDev entdeckte laut Artikel schnellere Sortier- und Hashing-Algorithmen. Für kurze Folgen von Elementen wird eine Effizienzsteigerung von 70 Prozent angegeben, für Folgen mit mehr als 250.000 Elementen etwa 1,7 Prozent gegenüber den damaligen Algorithmen der C++-Bibliothek. Bei Hashing im Bereich von 9 bis 16 Byte nennt der Bericht eine Effizienzsteigerung von 30 Prozent. Die Sortieralgorithmen seien in die LLVM-C++-Bibliothek aufgenommen, die Hashing-Algorithmen in die Abseil-Bibliothek eingebracht worden. DeepMind zufolge würden sie bereits von Millionen Entwicklern und Unternehmen genutzt.

Als Einschränkung räumt der Bericht ein, dass eine vollständig verallgemeinerte KI noch nicht erreicht sei und schnellere, effizientere sowie nachhaltigere digitale Infrastruktur weiterhin gebraucht werde. Die geschilderten Erfolge und ihre erwartete Wirkung werden überwiegend aus Sicht des Unternehmens präsentiert.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassungen sind im Kern treu. Die Einordnung stützt sich auf den Bericht, der Anwendungen für Chips, Rechenzentren, Video und Algorithmen beschreibt und keine Sicherheits- oder Governance-Fragen behandelt. Lunas Stufen und Anteilswerte wurden nicht übernommen, da sie für diese Prüfung nicht gefordert sind.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Bericht nennt, dass Millionen Entwickler und Unternehmen die Algorithmen inzwischen nutzen.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Angabe, die Wirkungen beruhten auf den Angaben des Unternehmens, steht so nicht im Bericht und ist eine eigene Einschränkung Lunas.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 60 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 36 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 45 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 78 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →