23
d'octubre
del
2022
Actualitzat
a les
14:07h
Tot just una setmana després de conèixer-se que una intel·ligència artificial (IA) creada per la firma DeepMind havia descobert una manera d'agilitzar la multiplicació de matrius –un dels reptes més importants en informàtica des de fa 50 anys–, un parell d'investigadors han presentat una solució més eficient que bat el rècord de la màquina.
Manuel Kauers i Jakob Moosbauer, de l'Institut d'Àlgebra de la Universitat Johannes Kepler a Linz (Àustria), ja disposaven d'un mètode per al càlcul de matrius (dues quadrícules de números que es multipliquen juntes) que, partint d'un algoritme conegut, modificava successivament fins a arribar a una versió de la qual es pot eliminar una multiplicació.
Així que, quan va aparèixer el document de DeepMind que explicava el mètode d'AlphaTensor (que és com es diu la intel·ligència artificial), "vam alimentar el nostre programa amb el seu esquema per resoldre matrius de 5x5 en 96 multiplicacions, i ràpidament ens va tornar un esquema amb només 95 ”, explica Kauers.
Cooperació entre humans i intel·ligència artificial, una realitat
Manuel Kauers assegura que no és fàcil trobar nous algorismes per a la multiplicació de matrius, ni tan sols per als ordinadors, com demostra el fet que fins ara se seguís utilitzant el sistema ideat pel matemàtic Volker Strassen el 1969. "No depèn de tenir una bona idea o una millor comprensió del sistema; és més com resoldre un gran trencaclosques amb peces molt complicades, i per això és genial tenir un nou mètode disponible que sigui capaç de resoldre aquestes endevinalles", apunta Kauers.
En aquest sentit, creu que la cooperació entre humans i intel·ligència artificial, una realitat que ja s'està produint a la investigació matemàtica, pot resultar molt útil. "Molts matemàtics ja utilitzen de forma rutinària l'àlgebra informàtica per simplificar expressions matemàtiques complicades i per provar teoremes sobre elles i, en aquest context, de vegades passa que una conjectura no pot ser demostrada amb llapis i paper ni directament amb un ordinador, però l'humà pot reformular-la de manera que l'ordinador pot llavors fer la resta del treball", exemplifica.
Hussein Fawzi i Francisco Rodríguez Ruiz, els investigadors científics de DeepMind al capdavant del projecte d'AlphaTensor, han expressat la seva satisfacció per la celeritat amb què altres investigadors han aconseguit avançar a partir del seu treball. "La nostra esperança era que aquest treball obrís el camp del descobriment algorísmic a noves idees i enfocaments; és fantàstic veure altres explorant idees en aquest espai, així com construir sobre el nostre èxit tan ràpidament", comenta Rodríguez.
AlphaTensor va trobar la drecera per a la multiplicació de matrius convertint el problema en un joc i aprofitant les tècniques d'aprenentatge automàtic per reforç que AlphaZero (una altra IA de la mateixa empresa) va fer servir per vèncer els humans en jocs com els escacs o el go.
"A través de l'autojoc troba estratègies per guanyar de manera més eficient, i aquestes "estratègies" es poden traduir en un algorisme per multiplicar matrius que nosaltres (els humans) podem fer servir", van explicar els investigadors de DeepMind quan es va presentar el seu treball.
Les multiplicacions de matrius són una tasca informàtica fonamental que es fa servir en pràcticament tot el programari de dispositius quotidians i de manera particular en gràfics, criptografia de les comunicacions i simulacions científiques.
Per això, la proesa d'AlphaTensor i ara l'èxit de Kauers i Moosbauer han despertat l'interès dels experts en àlgebra i informàtica, que creuen que aquesta optimització del càlcul de matrius podria millorar el rendiment de moltes aplicacions i traduir-se en estalvis d'energia a l'àmbit de la computació.
Manuel Kauers i Jakob Moosbauer, de l'Institut d'Àlgebra de la Universitat Johannes Kepler a Linz (Àustria), ja disposaven d'un mètode per al càlcul de matrius (dues quadrícules de números que es multipliquen juntes) que, partint d'un algoritme conegut, modificava successivament fins a arribar a una versió de la qual es pot eliminar una multiplicació.
Així que, quan va aparèixer el document de DeepMind que explicava el mètode d'AlphaTensor (que és com es diu la intel·ligència artificial), "vam alimentar el nostre programa amb el seu esquema per resoldre matrius de 5x5 en 96 multiplicacions, i ràpidament ens va tornar un esquema amb només 95 ”, explica Kauers.
Cooperació entre humans i intel·ligència artificial, una realitat
Manuel Kauers assegura que no és fàcil trobar nous algorismes per a la multiplicació de matrius, ni tan sols per als ordinadors, com demostra el fet que fins ara se seguís utilitzant el sistema ideat pel matemàtic Volker Strassen el 1969. "No depèn de tenir una bona idea o una millor comprensió del sistema; és més com resoldre un gran trencaclosques amb peces molt complicades, i per això és genial tenir un nou mètode disponible que sigui capaç de resoldre aquestes endevinalles", apunta Kauers.
En aquest sentit, creu que la cooperació entre humans i intel·ligència artificial, una realitat que ja s'està produint a la investigació matemàtica, pot resultar molt útil. "Molts matemàtics ja utilitzen de forma rutinària l'àlgebra informàtica per simplificar expressions matemàtiques complicades i per provar teoremes sobre elles i, en aquest context, de vegades passa que una conjectura no pot ser demostrada amb llapis i paper ni directament amb un ordinador, però l'humà pot reformular-la de manera que l'ordinador pot llavors fer la resta del treball", exemplifica.
Hussein Fawzi i Francisco Rodríguez Ruiz, els investigadors científics de DeepMind al capdavant del projecte d'AlphaTensor, han expressat la seva satisfacció per la celeritat amb què altres investigadors han aconseguit avançar a partir del seu treball. "La nostra esperança era que aquest treball obrís el camp del descobriment algorísmic a noves idees i enfocaments; és fantàstic veure altres explorant idees en aquest espai, així com construir sobre el nostre èxit tan ràpidament", comenta Rodríguez.
AlphaTensor va trobar la drecera per a la multiplicació de matrius convertint el problema en un joc i aprofitant les tècniques d'aprenentatge automàtic per reforç que AlphaZero (una altra IA de la mateixa empresa) va fer servir per vèncer els humans en jocs com els escacs o el go.
"A través de l'autojoc troba estratègies per guanyar de manera més eficient, i aquestes "estratègies" es poden traduir en un algorisme per multiplicar matrius que nosaltres (els humans) podem fer servir", van explicar els investigadors de DeepMind quan es va presentar el seu treball.
Les multiplicacions de matrius són una tasca informàtica fonamental que es fa servir en pràcticament tot el programari de dispositius quotidians i de manera particular en gràfics, criptografia de les comunicacions i simulacions científiques.
Per això, la proesa d'AlphaTensor i ara l'èxit de Kauers i Moosbauer han despertat l'interès dels experts en àlgebra i informàtica, que creuen que aquesta optimització del càlcul de matrius podria millorar el rendiment de moltes aplicacions i traduir-se en estalvis d'energia a l'àmbit de la computació.