Veľký pokrok vo výpočtovej technike rieši zložitý matematický problém 1 miliónkrát rýchlejšie

(Wachirawit Jenlohakit/Getty Images)

Výpočet zásobníka je už jedným z najpokročilejších a najvýkonnejších typov umela inteligencia ktoré majú vedci k dispozícii – a nová štúdia teraz načrtáva, ako ho pri určitých úlohách zrýchliť až miliónkrát.

Ide o vzrušujúci vývoj, pokiaľ ide o riešenie najzložitejších výpočtových problémov, od predpovedania smeru, akým sa počasie zmení, až po modelovanie prúdenie tekutín cez konkrétny priestor.

Na takéto problémy bol vyvinutý tento typ výpočtovej techniky náročných na zdroje; teraz vďaka najnovším inováciám bude ešte užitočnejšia. Tím, ktorý stojí za touto novou štúdiou, ju nazýva ďalšou generáciou počítania zásobníkov.



„Môžeme vykonávať veľmi zložité úlohy spracovania informácií za zlomok času s použitím oveľa menšieho množstva počítačových zdrojov v porovnaní s tým, čo v súčasnosti dokáže rezervoár,“ hovorí fyzik Daniel Gauthier , zo Štátnej univerzity v Ohiu.

'A výpočet zásobníkov už bol významným zlepšením toho, čo bolo predtým možné.'

Reservoir computing stavia na myšlienke neurálne sietestrojové učenie systémy založené na tom, ako fungujú živé mozgy – ktoré sú trénované na to, aby rozpoznali vzory v obrovskom množstve údajov. Ukážte neurónovej sieti napríklad tisíc obrázkov psa a pri ďalšom objavení sa psa by to malo byť celkom presné.

Podrobnosti o extra výkone, ktorý prináša rezervoár, sú dosť technické. Proces v podstate posiela informácie do „zásobníka“, kde sú body údajov prepojené rôznymi spôsobmi. Informácie sa potom odosielajú zo zásobníka, analyzujú sa a privádzajú späť do procesu učenia.

Vďaka tomu je celý proces v niektorých smeroch rýchlejší a prispôsobiteľnejší postupnosti učenia. Ale vo veľkej miere sa spolieha aj na náhodné spracovanie, teda to, čo sa stane vnútri nádrž nie je krištáľovo čistá. Aby sme použili technický výraz, je to „čierna skrinka“ – zvyčajne to funguje, ale nikto v skutočnosti nevie ako a prečo.

S novým výskumom, ktorý bol práve publikovaný, môžu byť počítače s nádržami efektívnejšie odstránením randomizácie. Matematická analýza bola použitá na zistenie, ktoré časti rezervoárového počítača sú skutočne kľúčové pre jeho fungovanie a ktoré nie. Zbavenie sa týchto nadbytočných bitov urýchľuje čas spracovania.

Jedným z konečných výsledkov je, že je potrebné menej „zahrievacieho“ obdobia: to je miesto, kde je neurónová sieť napájaná tréningovými dátami, aby bola pripravená na úlohu, ktorú má vykonať. Výskumný tím tu urobil výrazné zlepšenia.

„Pre našu novú generáciu zásobníkov nie je potrebný takmer žiadny čas na otepľovanie,“ hovorí Gauthier .

„V súčasnosti musia vedci vložiť 1 000 alebo 10 000 dátových bodov alebo viac, aby sa zahriali. A to sú všetky dáta, ktoré sa stratia, ktoré nie sú potrebné pre skutočnú prácu. Musíme vložiť len jeden alebo dva alebo tri dátové body.“

Jedna obzvlášť náročná prognostická úloha bola dokončená za menej ako sekundu na štandardnom stolnom počítači s použitím nového systému. So súčasnou technológiou rezervoáru trvá rovnaká úloha podstatne dlhšie, dokonca aj na superpočítači.

Nový systém sa ukázal byť 33 až 163-krát rýchlejší v závislosti od údajov. Keď bol cieľ úlohy posunutý na prioritu presnosti, aktualizovaný model bol neuveriteľne 1 miliónkrát rýchlejší.

Toto je len začiatok tohto superefektívneho typu neurónovej siete a výskumníci za ním dúfajú, že ho postavia proti náročnejším úlohám v budúcnosti.

'Čo je vzrušujúce, je, že táto ďalšia generácia rezervoáru berie to, čo už bolo veľmi dobré, a robí to výrazne efektívnejším,' hovorí Gauthier .

Výskum bol publikovaný v r Prírodné komunikácie .

O Nás

Publikácia Nezávislých, Osvedčených Skutočností O Správach O Zdraví, Priestore, Prírode, Technológii A Životnom Prostredí.