Veliki napredak u računarstvu – rešavanje složenih matematičkih problema milion puta brže

Kada se radi o rešavanju najsloženijih računskih izazova, od izračunavanja promena vremena i vremenske prognoze, do izračunavanja brzine kojom će se neka tečnost kretati kroz odrđeno okruženje, vrsta veštačke inteligencije poznata kao izračunavanje iz rezervoara (Reservoir computing) predstavlja veoma važno dostignuće.

To su upravo problemi zbog kojih je ova vrsta programa sa intenzivnim resursima i razvijena, a sada će je poslednja unapređenja učiniti još efikasnijom. Tim naučnika koji stoji iza ove nove studije naziva ih sledećom generacijom izračunavanja iz rezervoara.

„Moći ćemo da obavljamo veoma složene zadatke obrade informacija u deliću vremena koristeći mnogo manje resursa u poređenju sa onim što trenutno može da se postigne računanjem iz rezervoara, koje je i inače bilo značajno poboljšanje u odnosu na ono što je ranije bilo moguće“, naglašava fizičar Danijel Gotije sa Državnog univerziteta u Ohaju.

Računanje iz rezervoara nadograđuje se na ideju neuronskih mreža – sistema za mašinsko učenje zasnovanog na načinu funkcionisanja ljudskog mozga – koje su obučene da uoče obrasce u ogromnoj količini podataka. Na primer, kada se u neuronske mreže ubace hiljade slika psa ona bi trebalo vrlo precizno da prepozna psa kada se sledeći put pojavi.

Detalji o dodatnoj snazi koju računanje iz rezervoara donosi prilično su tehnički. U suštini, proces šalje informacije u „rezervoar“, gde su podaci povezani na različite načine. Informacije se zatim šalju iz rezervoara, analiziraju i vraćaju u proces mehaničkog učenja.

To čini čitav proces na neki način bržim i prilagodljivijim za učenje. Ali takođe se u velikoj meri oslanja na slučajnu obradu, što znači da ono što se dešava unutar rezervoara nije kristalno jasno. Inženjeri bi rekli da je to „crna kutija“ – funkcioniše, ali niko ne zna kako i zašto.

S novim istraživanjem koje je upravo objavljeno, računarski rezervoari se mogu učiniti efikasnijim uklanjanjem randomizacije. Korišćena je matematička analiza da bi se utvrdilo koji su delovi računanja iz rezervoara zapravo ključni za njegovo funkcionisanje, a koji nisu. Uklanjanje ovih suvišnih bitova ubrzava vreme obrade.

Jedan od krajnjih rezultata je da je potreban kraći period „zagrevanja“ tokom koga se neuronska mreža napaja podacima kako bi se pripremila za zadatak koji treba da obavi. Istraživački tim je ovde napravio značajna poboljšanja.

„Za naše računanje iz rezervoara sledeće generacije, skoro da nije potrebno vreme zagrevanja“, tvrdi Gotje.

Korišćenjem ovog novog sistema jedan posebno složen zadatak prognoze završen je za manje od jedne sekunda na standardnom kućnom računaru, dok sa trenutnom tehnologijom izvršavanje istog zadatka traje znatno duže, čak i na superračunaru.

Novi sistem se pokazao između 33 i 163 puta bržim u zavisnosti od podataka. Kada je cilj zadatka pomeren da bi se dao prioritet tačnosti, ažurirani model bio je, zapanjujućih, milion puta brži.

Ovo je samo početak za ovu super efikasnu vrstu neuronske mreže, a istraživači koji stoje iza nje se nadaju da će je u budućnosti osposobiti za rešavanje još izazovnijih zadataka.

„Ono što je najuzbudljivije u celoj stvari je da ova generacija računanja iz rezervoara koristi sve dosadašnje prednosti i čini ih još efikasnijim“, naglašava Gotije.