Algoritmo depenado acelera inteligncia artificial em um milho de vezes


Informtica

Redação do Site Inovação Tecnológica – 01/10/2021

Algoritmo depenado acelera intelig

O ganho de velocidade foi obtido sem perda da qualidade das previses do sistema.
[Imagem: Daniel J. Gauthier et al. – 10.1038/s41467-021-25801-2]

Computao de reservatrio

Com todos os ganhos e benefcios da inteligncia artificial, ainda preciso lembrar que esses programas precisam ser treinados com dados do passado, o que pode gerar desvios e vieses nas decises tomadas.

Uma das tcnicas para superar essa deficincia conhecida como “computao de reservatrio“, um conceito no qual as informaes so inseridas na rede neural artificial em tempo real, para que o modelo se altere dinamicamente e, assim, se adapte.

Agora, pesquisadores descobriram uma maneira de fazer a computao de reservatrio rodar entre 33 e 1 milho de vezes mais rpido, com significativamente menos recursos computacionais e menos entradas de dados.

Em um dos testes dessa computao de reservatrio de prxima gerao, um problema de computao complexo, que hoje exige horas de um supercomputador, foi resolvido em menos de um segundo em um PC de mesa.

O avano contou com a participao do brasileiro Wendson de S Barbosa, da Universidade Federal de Pernambuco.

Algoritmo depenado

O grande avano feito por Daniel Gauthier e seus colegas consistiu em descobrir que dava para simplificar muito toda a matemtica envolvida no funcionamento dos algoritmos de computao de reservatrio desenvolvidos at agora – a tcnica matemtica conhecida como autorregresso vetorial no-linear.

Ao simplificar o algoritmo, a necessidade de recursos de computao foi reduzida dramaticamente, economizando um tempo significativo.

Nos testes iniciais mais simples de uma simulao de clima, o algoritmo “depenado” rodou entre 33 e 163 vezes mais rpido. Mas quando a equipe ajustou-o para o melhor nvel de preciso das previses, ele foi 1 milho de vezes mais rpido, usando apenas 28 neurnios da rede artificial, contra os 4.000 exigidos pelo simulador original.

Uma razo importante para esse ganho de velocidade que o “crebro” por trs dessa prxima gerao de computao de reservatrio precisa de muito menos aquecimento e treinamento em comparao com a gerao atual para produzir os mesmos resultados – aquecimento so dados de treinamento que precisam ser adicionados como entrada no computador do reservatrio para prepar-lo para sua tarefa real.

“Atualmente, os cientistas precisam inserir 1.000, 10.000 pontos de dados, ou at mais, para aquec-lo. E so todos dados que so perdidos, que no so necessrios para o trabalho real. Precisamos inserir apenas um, dois ou trs pontos de dados,” contou Gauthier, da Universidade do Estado de Ohio, nos EUA.

Algoritmo depenado acelera intelig

No se pode dizer que a computao de reservatrio ficou “simples” – ela ficou um pouco menos complicada.
[Imagem: Daniel J. Gauthier et al. – 10.1038/s41467-021-25801-2]

O que computao de reservatrio

A computao de reservatrio um algoritmo de aprendizado de mquina desenvolvido no incio dos anos 2000 e usado para resolver os problemas de computao “mais difceis dentre os difceis”, como a previso da evoluo de sistemas dinmicos que mudam com o tempo, explicou Gauthier.

Sistemas dinmicos, como o clima, so difceis de prever porque apenas uma pequena mudana em uma condio pode ter efeitos massivos no futuro.

Um exemplo famoso o “efeito borboleta“, no qual – em um exemplo metafrico – as mudanas criadas por uma borboleta batendo suas asas podem eventualmente influenciar o clima semanas depois em outro continente.

A tcnica funciona por meio do uso de uma rede neural artificial, que imita um crebro: Os dados alimentam uma rede dinmica em um “reservatrio” de neurnios artificiais conectados aleatoriamente em uma rede. A rede produz resultados que podem ser interpretados e realimentados na rede, construindo uma previso cada vez mais precisa de como o sistema evoluir no futuro.

A exemplo das tcnicas tradicionais da inteligncia artificial, porm, a computao de reservatrio tambm uma caixa-preta: Os cientistas no sabem exatamente o que se passa dentro dela – eles apenas sabem que funciona.

Bibliografia:

Artigo: Next generation reservoir computing
Autores: Daniel J. Gauthier, Erik Bollt, Aaron Griffith, Wendson Antonio de S Barbosa
Revista: Nature Communications
Vol.: 12, Article number: 5564
DOI: 10.1038/s41467-021-25801-2

Seguir Site Inovação Tecnológica no Google Notícias

Outras notcias sobre:

Mais tópicos

Fonte: Acesse Aqui o Link da Matéria Original

Deixe um comentário

Este site usa cookies para que você tenha a melhor experiência do usuário. Se continuar a navegar, dará o seu consentimento para a aceitação dos referidos cookies e da nossa política de cookies , clique no link para obter mais informações. CONFIRA AQUI

ACEITAR
Aviso de cookies
Translate »