Un sistema de inteligencia artificial ha descubierto un nuevo m\u00e9todo para la multiplicaci\u00f3n de matrices, que consiste en multiplicar filas y columnas de n\u00fameros. Esto puede aumentar la velocidad de c\u00f3mputo de las computadoras hasta en un 20 por ciento.<\/p>\n
<\/p>\n
Una inteligencia artificial (IA) de la empresa DeepMind ha descubierto una nueva forma de multiplicar cuadr\u00edculas de n\u00fameros (matrices). Es la primera vez en m\u00e1s de cincuenta a\u00f1os que se produce un gran avance en el campo de esta ‘simple’ operaci\u00f3n matem\u00e1tica. Debido a que este tipo de multiplicaci\u00f3n es la base de muchas tareas inform\u00e1ticas, el descubrimiento podr\u00eda aumentar la velocidad de algunos c\u00e1lculos inform\u00e1ticos hasta en un 20 por ciento.<\/p>\n
Abeja multiplicaci\u00f3n de matrices<\/a> las filas y columnas de n\u00fameros se multiplican entre s\u00ed. Es una tarea computacional que ocurre en casi todo el software, especialmente en aplicaciones gr\u00e1ficas, IA y simulaciones cient\u00edficas. Incluso una peque\u00f1a mejora en la eficiencia de estos algoritmos podr\u00eda ahorrar mucha energ\u00eda.<\/p>\n \t\t\tLEA TAMBI\u00c9N Durante siglos se crey\u00f3 que la forma m\u00e1s eficiente de multiplicar matrices es proporcional al n\u00famero de elementos a multiplicar. En otras palabras, cuanto m\u00e1s grandes sean las matrices, m\u00e1s dif\u00edcil ser\u00e1 la tarea.<\/p>\n Sin embargo, en 1969, el matem\u00e1tico Volker Strassen demostr\u00f3 que multiplicar dos matrices, cada una de las cuales consta de dos filas y dos columnas, no requiere necesariamente ocho multiplicaciones. Con un ingenioso truco, ese n\u00famero puede reducirse a siete. Este enfoque, llamado algoritmo strass, requiere que hagas una suma adicional, pero eso es un peque\u00f1o sacrificio: la suma le lleva a la computadora mucho menos tiempo que la multiplicaci\u00f3n.<\/p>\n El algoritmo Strass ha sido el enfoque m\u00e1s eficiente para la mayor\u00eda de los tama\u00f1os de matriz durante m\u00e1s de cincuenta a\u00f1os. Se han encontrado algunas mejoras menores, pero no son f\u00e1ciles de encajar en los c\u00f3digos de computadora. <\/p>\n La IA de DeepMind, llamada AlphaTensor, ahora ha descubierto una forma m\u00e1s r\u00e1pida que solo funciona en el hardware actual. AlphaTensor se enfrent\u00f3 al desaf\u00edo de crear un algoritmo de trabajo que realizara la tarea en el menor n\u00famero de pasos posible. La IA encontr\u00f3 un algoritmo para multiplicar dos matrices de cuatro filas y cuatro columnas con solo 47 multiplicaciones. Eso es mejor que las 49 multiplicaciones necesarias en el algoritmo de Strassen. <\/p>\n AlphaTensor tambi\u00e9n desarroll\u00f3 t\u00e9cnicas para matrices de otros tama\u00f1os. En total, pudo encontrar nuevos algoritmos para setenta formatos de matriz diferentes.<\/p>\n Para cada tama\u00f1o de matriz, AlphaTensor descubri\u00f3 miles de algoritmos de trabajo. Para las matrices de 4\u00d74, por ejemplo, encontr\u00f3 14.000. Pero solo unos pocos de ellos eran mejores que el algoritmo actual.<\/p>\n cient\u00edfico de IA Hussein Fawzic<\/a> de DeepMind dice que los resultados son matem\u00e1ticamente precisos, pero lejos de ser intuitivos para los humanos. “Realmente no sabemos por qu\u00e9 se le ocurri\u00f3 esto al sistema”, dice. ‘\u00bfPor qu\u00e9 es esta la mejor forma de multiplicar matrices? Eso no est\u00e1 claro.<\/p>\n \u201cDe alguna manera, la IA est\u00e1 desarrollando una intuici\u00f3n de lo que se ve bien y lo que se ve mal. Sinceramente, no puedo decirte exactamente c\u00f3mo funciona. Creo que todav\u00eda queda trabajo te\u00f3rico por hacer antes de que entendamos exactamente c\u00f3mo la IA hace estas cosas”, dice Fawzi.<\/p>\n Los algoritmos pueden aumentar la velocidad de computaci\u00f3n de los componentes de la computadora entre un 10 y un 20 por ciento. Esto se ha probado, entre otras cosas, con un procesador de gr\u00e1ficos del fabricante de computadoras Nvidia y un unidad de procesamiento de tensores<\/a> de Google. No est\u00e1 claro si tales ganancias tambi\u00e9n se pueden lograr en dispositivos comunes, como un tel\u00e9fono inteligente o una computadora port\u00e1til.<\/p>\n cient\u00edfico de la computaci\u00f3n caballero james<\/a> de la Universidad de Sussex en el Reino Unido dice que todo tipo de software que se ejecuta en supercomputadoras, como los sistemas de inteligencia artificial y la simulaci\u00f3n del clima, no son m\u00e1s que multiplicaciones de matrices a gran escala. “Si este enfoque se implementa all\u00ed, acelerar\u00eda las cosas”, dice.<\/p>\n
Una forma extrema de encriptaci\u00f3n podr\u00eda resolver el problema de privacidad de los grandes datos\n\t\t\t<\/p>\nPrimer avance en cincuenta a\u00f1os<\/h2>\n
IA intuitiva<\/h2>\n
Ganancia de energ\u00eda<\/h2>\n
![\"\"](\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2022\/10\/AI-encuentra-una-nueva-forma-de-multiplicar-cuadriculas-numericas.png\")
<\/p>\n<\/p><\/div>\n