谷歌公布解决人工智能内存挑战的算法;内存和存储库存下降

谷歌（GOOG）（GOOGL）今天透露了一组新算法，旨在减少运行大型语言模型和载体搜索引擎所需的内存量。

主要存储器和存储供应商的股价在周三早盘的市场行动中下跌。美光科技（MU）下跌4%，西部数据下跌4.4%，希捷科技（STX）下跌5.6%，Sandisk（SNDK）下跌6.5%。Sandisk今天透露，已达成私募认购协议，对半导体公司Nanya Technology进行股权投资。

谷歌推出的算法包括TurboQuant、Quanzed Johnson-Lindenstrauss和PolarQuant。TurboQuant是一种压缩算法，可以最佳地解决载体量化中的内存负载挑战。

一种名为Johnson-Lindenstrauss变换的数学技术可以缩小复杂的多维数据，同时保留数据点之间的基本距离和关系。该算法创建了一种需要零内存负载的高速速记。

最后，PolarQuant通过使用极坐标来解决内存负载问题。这使得LLM可以跳过数据规范化步骤，因为它将数据映射到固定的、可预测的“圆形”网格上，其中边界已经已知。

谷歌研究科学家阿米尔·赞迪耶（Amir Zandieh）和副总裁兼谷歌研究员瓦哈布·米尔罗克尼（Vahab Mirrokni）在一篇博客文章中表示：“随着人工智能越来越多地融入到所有产品中，从LLM到语义搜索，基本向量量化方面的工作将比以往任何时候都更加重要。”

谷歌计划在四月份在里约热内卢举行的国际学习代表会议上展示TurboQuant。