Велики напредак у рачунарству – решавање сложених математичких проблема милион пута брже

Када се ради о решавању најсложенијих рачунских изазова, од израчунавања промена времена и временске прогнозе, до израчунавања брзине којом ће се нека течност кретати кроз одрђено окружење, врста вештачке интелигенције позната као израчунавање из резервоара (Reservoir computing) представља веома важно достигнуће.

То су управо проблеми због којих је ова врста програма са интензивним ресурсима и развијена, а сада ће је последња унапређења учинити још ефикаснијом. Тим научника који стоји иза ове нове студије назива их следећом генерацијом израчунавања из резервоара.

„Моћи ћемо да обављамо веома сложене задатке обраде информација у делићу времена користећи много мање ресурса у поређењу са оним што тренутно може да се постигне рачунањем из резервоара, које је и иначе било значајно побољшање у односу на оно што је раније било могуће“, наглашава физичар Данијел Готије са Државног универзитета у Охају.

Рачунање из резервоара надограђује се на идеју неуронских мрежа – система за машинско учење заснованог на начину функционисања људског мозга – које су обучене да уоче обрасце у огромној количини података. На пример, када се у неуронске мреже убаце хиљаде слика пса она би требало врло прецизно да препозна пса када се следећи пут појави.

Детаљи о додатној снази коју рачунање из резервоара доноси прилично су технички. У суштини, процес шаље информације у „резервоар“, где су подаци повезани на различите начине. Информације се затим шаљу из резервоара, анализирају и враћају у процес механичког учења.

То чини читав процес на неки начин бржим и прилагодљивијим за учење. Али такође се у великој мери ослања на случајну обраду, што значи да оно што се дешава унутар резервоара није кристално јасно. Инжењери би рекли да је то „црна кутија“ – функционише, али нико не зна како и зашто.

С новим истраживањем које је управо објављено, рачунарски резервоари се могу учинити ефикаснијим уклањањем рандомизације. Коришћена је математичка анализа да би се утврдило који су делови рачунања из резервоара заправо кључни за његово функционисање, а који нису. Уклањање ових сувишних битова убрзава време обраде.

Један од крајњих резултата је да је потребан краћи период „загревања“ током кога се неуронска мрежа напаја подацима како би се припремила за задатак који треба да обави. Истраживачки тим је овде направио значајна побољшања.

„За наше рачунање из резервоара следеће генерације, скоро да није потребно време загревања“, тврди Готје.

Коришћењем овог новог система један посебно сложен задатак прогнозе завршен је за мање од једне секунда на стандардном кућном рачунару, док са тренутном технологијом извршавање истог задатка траје знатно дуже, чак и на суперрачунару.

Нови систем се показао између 33 и 163 пута бржим у зависности од података. Када је циљ задатка померен да би се дао приоритет тачности, ажурирани модел био је, запањујућих, милион пута бржи.

Ово је само почетак за ову супер ефикасну врсту неуронске мреже, а истраживачи који стоје иза ње се надају да ће је у будућности оспособити за решавање још изазовнијих задатака.

„Оно што је најузбудљивије у целој ствари је да ова генерација рачунања из резервоара користи све досадашње предности и чини их још ефикаснијим“, наглашава Готије.