Henrique Carreiro em 2022-10-11
No início do corrente mês de outubro, investigadores afetos à DeepMind, uma empresa do grupo Aphabet, do qual faz parte a Google, publicaram um artigo na Nature descrevendo um novo método para multiplicação de matrizes
|
Ora multiplicação de matrizes é ciência dominada, que milhões de alunos, a cada ano, em todo o mundo, aprendem nos bancos da escola. Não seria tema normal para ser abordado numa das mais prestigiadas publicações científicas. Mas este não é um algoritmo com uma génese comum. Foi gerado com apoio de um sistema de Inteligência Artificial criado pela DeepMind, empresa que se dedica, desde 2010, quando foi fundada, a procurar solução para problemas complexos de IA. A operação de multiplicação de matrizes é utilizada para processar imagens em smartphones, reconhecer comandos de fala, gerar gráficos para jogos de computador, executar simulações para prever o tempo, comprimir dados e vídeos para partilha na Internet, e muito mais. Empresas em todo o mundo gastam grandes quantidades de tempo e dinheiro a desenvolver hardware para multiplicar matrizes de forma eficiente. Assim, mesmo pequenas melhorias na eficiência da multiplicação de matrizes podem ter um impacto generalizado. A promessa da DeepMind é que o seu novo algoritmo bate o mais rápido algoritmo existente com uma vantagem de 10 a 20 por cento, otimizando, sobretudo, nos aceleradores gráficos, onde estas operações são chave para, por exemplo, os jogos de computador ou “deep learning”. O algoritmo da DeepMind explora como as técnicas modernas de IA podem fazer avançar a descoberta automática de novos algoritmos de multiplicação matricial. Com base no progresso da intuição humana, o AlphaTensor, o sistema da DeepMind descobriu algoritmos que são mais eficientes do que o estado da arte para matrizes de diferentes ordens. Os algoritmos concebidos por IA superam os de conceção humana, o que constitui um grande passo em frente no campo da descoberta algorítmica. O que a DeepMind fez foi aplicar um novo modelo conceptual para otimizar algo de uso generalizado, mostrando assim a eficácia da respetiva abordagem. É difícil prever o dominó de mudanças que esta nova aproximação despoletará, mas é certo que nem a DeepMind se ficará por aqui, nem os seus concorrentes. A matemática, provavelmente, sofrerá uma mudança irreversível, a física igualmente, e por inerência, todo o ciclo de produtos e serviços que dependem de algoritmos ou de propriedades da natureza. Em boa verdade, nada ficará intocado, nesta era que agora se inaugura. |
