DeepMind, una compañía propiedad de la matriz de Google que se especializa en inteligencia artificial (IA) acaba de utilizar la evolución de su programa AlphaZero para algo más que derrotar a jugadores expertos en ajedrez, shogi y Go.
El logro más reciente de los investigadores, según un artículo publicado en Nature, ha sido descubrir una forma más rápida de resolver una operación matemática esencial para las tareas informáticas que afectan a miles de tareas cotidianas.
Utilizando el algoritmo de un juego para batir un récord
Entonces, ¿de qué operación matemática estamos hablando? Específicamente de la multiplicación de matrices. Puede que anteriormente hayas oído hablar de ella ya que es una de las más simples y más ampliamente enseñada en los colegios.
No explicaremos como multiplicar matrices, pero sí señalaremos que esta operación es clave para, por ejemplo, que nuestros smartphones procesen imágenes las imágenes que vemos y que los asistentes de voz puedan identificar casi todo lo que les pedimos.
La aplicación de esta sencilla operación también alcanza escenarios más complejos, como las simulaciones en el campo de la meteorología para predecir el clima, la compresión de datos para su transmisión por Internet y mucho más.
Como posiblemente te imaginas, todas estas tareas requieren una potencia de cálculo. Entonces, cualquier mejora en el algoritmo de multiplicación de matrices se traduce en una mayor eficiencia para los recursos de hardware existentes.
Aunque, cabe señalar, que el interés de los matemáticos por encontrar un algoritmo mejorado para la multiplicación de matrices tiene orígenes mucho más remotos a los de la era de la informática. No obstante, esa es otra historia para contar.
Lo cierto es que, a pesar del esfuerzo y el interés por encontrar un algoritmo más eficiente, desde hace 50 años que no conseguíamos un avance en este sentido. El último había sido el del matemático alemán Volker Strassen a finales de la década de los sesenta.
Como la multiplicación de matrices consiste, en términos generales, en multiplicar las filas de una matriz con las columnas de la otra, DeepMind pensó en trasladar el problema a una especie de juego de mesa tridimensional.
Basándose en el juego AlphaTensor los investigadores entrenaron una nueva versión llamada AlphaZero que, en lugar de jugar al ajedrez, aprendió los mejores pasos para multiplicar matrices, estos pasos representan lo que llamamos algoritmo.
Entonces, el algoritmo de AlphaTensor consiguió multiplicar dos matrices de cuatro por cuatro de manera más rápida que el algoritmo de Strassen. El método que generalmente se enseña en las aulas consta de 64 pasos y de Strassen de 49.
Ahora tenemos un nuevo método que puede hacer esta operación en 47 pasos. Pero solo estamos mencionando una matriz a modo de ejemplo. AlphaTensor consiguió mejoras algorítmicas en 70 tamaños diferentes de matriz.
Dado que la multiplicación de matrices es elemental en muchas tareas informática, este avance de AlphaTensor podría hacer que los sistemas sean más eficientes, consumiendo menos energía y reduciendo la cantidad de errores de redondeo.
Imágenes | Unsplash | DeepMind
via Robótica e IA - Xataka https://ift.tt/2zLi8eq
No hay comentarios:
Publicar un comentario