Um grande avanço na computação resolve um problema matemático complexo 1 milhão de vezes mais rápido

(Wachirawit Jenlohakit/Getty Images)

Computação de reservatório já é um dos tipos mais avançados e poderosos de inteligência artificial que os cientistas têm à sua disposição – e agora um novo estudo descreve como torná-lo até um milhão de vezes mais rápido em determinadas tarefas.

Esse é um desenvolvimento empolgante quando se trata de enfrentar os desafios computacionais mais complexos, desde a previsão de como o clima vai mudar até a modelagem do fluxo de fluidos através de um determinado espaço.

Esses problemas são para o que esse tipo de computação com uso intensivo de recursos foi desenvolvido; agora, as últimas inovações vão torná-lo ainda mais útil. A equipe por trás deste novo estudo está chamando-o de próxima geração de computação de reservatórios.



'Podemos executar tarefas de processamento de informações muito complexas em uma fração do tempo usando muito menos recursos de computador em comparação com o que a computação de reservatório pode fazer atualmente' diz o físico Daniel Gauthier , da Universidade Estadual de Ohio.

'E a computação de reservatórios já era uma melhoria significativa em relação ao que era possível anteriormente.'

A computação de reservatório baseia-se na ideia de redes neuraisaprendizado de máquina sistemas baseados na forma como os cérebros vivos funcionam – que são treinados para detectar padrões em uma grande quantidade de dados. Mostre a uma rede neural mil fotos de um cachorro, por exemplo, e deve ser bastante preciso em reconhecer um cachorro na próxima vez que aparecer.

Os detalhes do poder extra que a computação de reservatórios traz são bastante técnicos. Essencialmente, o processo envia informações para um 'reservatório', onde os pontos de dados são vinculados de várias maneiras. As informações são então enviadas para fora do reservatório, analisadas e realimentadas para o processo de aprendizagem.

Isso torna todo o processo mais rápido em alguns aspectos e mais adaptável às sequências de aprendizado. Mas também depende muito do processamento aleatório, ou seja, o que acontece lado de dentro o reservatório não é cristalino. Para usar um termo de engenharia, é uma 'caixa preta' – geralmente funciona, mas ninguém sabe realmente como ou por quê.

Com a nova pesquisa que acaba de ser publicada, os computadores reservatórios podem se tornar mais eficientes removendo a randomização. Uma análise matemática foi usada para descobrir quais partes de um computador de reservatório são realmente cruciais para o funcionamento e quais não são. Livrar-se desses bits redundantes acelera o tempo de processamento.

Um dos resultados finais é que menos de um período de 'aquecimento' é necessário: é onde a rede neural é alimentada com dados de treinamento para prepará-la para a tarefa que deve fazer. A equipe de pesquisa fez melhorias significativas aqui.

'Para nossa computação de reservatório de próxima geração, quase não há tempo de aquecimento necessário' diz Gauthier .

“Atualmente, os cientistas precisam inserir 1.000 ou 10.000 pontos de dados ou mais para aquecê-lo. E esses são todos os dados perdidos, que não são necessários para o trabalho real. Nós só temos que colocar um ou dois ou três pontos de dados.'

Uma tarefa de previsão particularmente difícil foi concluída em menos de um segundo em um computador desktop padrão usando o novo sistema. Com a tecnologia atual de computação de reservatórios, a mesma tarefa leva muito mais tempo, mesmo em um supercomputador.

O novo sistema provou ser entre 33 e 163 vezes mais rápido, dependendo dos dados. No entanto, quando o objetivo da tarefa foi alterado para priorizar a precisão, o modelo atualizado foi 1 milhão de vezes mais rápido.

Este é apenas o começo para esse tipo supereficiente de rede neural, e os pesquisadores por trás dele esperam compará-lo com tarefas mais desafiadoras no futuro.

“O que é empolgante é que esta próxima geração de computação de reservatório pega o que já era muito bom e o torna significativamente mais eficiente”, diz Gauthier .

A pesquisa foi publicada em Comunicações da Natureza .

Sobre Nós

A Publicação De Fatos Independentes E Comprovados De Relatórios Sobre Saúde, Espaço, Natureza, Tecnologia E Meio Ambiente.