DeepMind adora le scorciatoie: trovato un escamotage per abbreviare i tempi dei calcoli di molto

E’ l’epoca degli smartphone, dei device come smartwatch e tablet (o iPad, alla fine fa lo stesso), delle macchine sempre più votate a un’esperienza elettrica. Ma soprattutto l’era che stiamo vivendo è costellata dall’utilizzo di algoritmo e Intelligenza Artificiale.

Google ha creato una sezione specializzata, l’ormai arcinota DeepMind, con sede a Londra e centri di ricerca sparsi a macchi d’olio in tutto il globo: dalla Francia al Canada, passando per gli Stai Uniti.

Ebbene, l’ultimo sistema sviluppato da DeepMind e ottenuto grazie al solerte lavoro di un team guidato dal ricercatore di Alhussein Fawzi, ha permesso di compiere un “step” importante, riuscendo a identificare le migliori scorciatoie per rendere più semplici alcuni tipi di calcoli, molto complessi.

Oltre la moltiplicazione di matrici

Il miglioramento dell’efficienza degli algoritmi per i calcoli fondamentali può avere un impatto diffuso, poiché può influire sulla velocità complessiva di una grande quantità di calcoli.

La moltiplicazione di matrici è uno di questi compiti primitivi, che si verifica in molti sistemi, dalle reti neurali alle routine di calcolo scientifico.

La scoperta automatica di algoritmi che utilizzano l’apprendimento automatico offre la prospettiva di andare oltre l’intuizione umana e di superare gli attuali migliori algoritmi progettati dall’uomo. Tuttavia, l’automazione della procedura di scoperta dell’algoritmo è complessa, poiché lo spazio dei possibili algoritmi è enorme.

L’azienda inglese di intelligenza artificiale controllata da Alphabet, quindi Google tanto per capirci, ha sviluppato una sorta di escamotage per abbreviare i tempi di calcola, con un approccio di apprendimento per rinforzo profondo basato su AlphaZero, con il fine di scoprire algoritmi efficienti e dimostrabili corretti, per la moltiplicazione di matrici arbitrarie.

Come accelerare il processo di scoperta algoritmica

“Il nostro agente AlphaTensor – si legge – è addestrato per giocare a un gioco singolo in cui l’obiettivo è trovare decomposizioni tensoriali all’interno di uno spazio a fattori finiti”.

AlphaTensor ha scoperto algoritmi che superano la complessità all’avanguardia per molte dimensioni di matrice. Particolarmente rilevante è il caso delle matrici 4 × 4 in un campo finito, dove l’algoritmo di AlphaTensor migliora per la prima volta l’algoritmo a due livelli di Strassen, a nostra conoscenza, dalla sua scoperta 50 anni fa 2.

“Mostriamo ulteriormente la flessibilità di AlphaTensor attraverso diversi casi d’uso – continuano – algoritmi con complessità all’avanguardia per la moltiplicazione di matrici strutturate e una migliore efficienza pratica, ottimizzando la moltiplicazione di matrici per il runtime su hardware specifico. I nostri risultati evidenziano la capacità di AlphaTensor di accelerare il processo di scoperta algoritmica su una serie di problemi e di ottimizzare per criteri diversi”.

Il nuovo sviluppo di un algoritmo ancora più veloce e performante da parte di Google, è stato pubblicato sulla rivista Nature.

FONTE