Inteligencia artificial descubre algoritmos más eficientes que cualquier humano o máquina

AlphaTensor, desarrollado por DeepMind, puede agilizar notablemente la multiplicación de matrices, necesaria para la generación de gráficos en videojuegos o la compresión de video e imágenes.

DeepMind, compañía de inteligencia artificial propiedad de Alphabet, matriz de Google, ha anunciado en un estudio el desarrollo de un nuevo sistema automatizado, llamado AlphaTensor, capaz de descubrir algoritmos novedosos, eficientes y más rápidos para la realización de tareas fundamentales como la multiplicación de matrices.

Este tipo de operaciones son necesarias para la elaboración de todo tipo de procesos; desde la generación de gráficos para videojuegos hasta el procesado de imágenes en ‘smartphones’ o la compresión de datos y videos para compartir en Internet, entre otras tantas cosas.

«La multiplicación de matrices es una operación fundamental en las ciencias.

De hecho, esta es un área de interés matemático desde hace mucho tiempo, y encontrar algoritmos rápidos para la multiplicación de matrices es una de las mayores preguntas abiertas en informática, que sigue abierta a pesar de 50 años de investigación.

AlphaTensor arroja nueva luz sobre esta pregunta», explican Hussein Fawzi y Francisco Ruiz, científicos de DeepMind y miembros del equipo de investigación.

Gracias al ingenio, la empresa espera poder ayudar en futuras investigaciones destinadas a determinar la forma más eficaz de resolver problemas computacionales.

«Además, este proyecto nos permite demostrar que AlphaZero (el agente de IA de DeepMind sobre el que se basa AlphaTensor) se puede aplicar más allá del ámbito de los juegos para resolver problemas científicos y matemáticos, y esperamos que esta nueva investigación pueda impulsar una nueva era de descubrimiento algorítmico utilizando AI», señalan los científicos de DeepMind.

Actualmente, empresas de todo el mundo dedican grandes cantidades de tiempo y dinero a desarrollar hardware dedicado a multiplicar matrices eficientemente.

Por lo tanto, señalan desde DeepMind, incluso las mejoras menores en la eficiencia de la multiplicación de matrices puede tener un impacto generalizado.

De acuerdo con los miembros del equipo, si el algoritmo tradicional que se enseña en la escuela multiplica una matriz de 4×5 por 5×5 usando 100 multiplicaciones, y este número se redujo a 80 posteriormente, AlphaTensor ha sido capaz de encontrar algoritmos que hacen la misma operación usando solo 76 multiplicaciones.

Para conseguir desarrollar el ingenio, los miembros del equipo de DeepMind se lo plantearon como si estuviesen jugando a un juego en el que el objetivo es encontrar la forma más eficiente de multiplicar dos matrices diferentes.

«Este juego es increíblemente desafiante: la cantidad de algoritmos posibles a considerar es mucho mayor que el número de átomos en el universo», dicen los investigadores.

El equipo de DeepMind entrenó a AlphaTensor con aprendizaje reforzado, sistema que permite que una inteligencia artificial pueda planear estrategias efectivas con base en la experimentación con los datos, para jugar a este juego.

Y lo hizo, además, sin dotar a la máquina de ningún conocimiento sobre los algoritmos de multiplicación de matrices existentes.

Gracias al aprendizaje automático, la IA es capaz de descubrir desde cero los algoritmos de multiplicación de matrices preexistentes, como el desarrollado en 1969 por el matemático alemán Volken Strassen.

«(Durante las pruebas) AlphaTensor descubrió miles de nuevos algoritmos correctos y eficientes para multiplicar matrices de diferentes tamaños», señalan desde el equipo de investigación.

Fuente: Nature