sáb. out 16th, 2021

Algoritmo depenado acelera inteligência artificial em um milhão de vezes

Compartilhe a Verdade!

O ganho de velocidade foi obtido sem perda da qualidade das previsões do sistema. [Imagem: Daniel J. Gauthier et al. – 10.1038/s41467-021-25801-2]

Computação de reservatório

Com todos os ganhos e benefícios da inteligência artificial, ainda é preciso lembrar que esses programas precisam ser treinados com dados do passado, o que pode gerar desvios e vieses nas decisões tomadas.

Uma das técnicas para superar essa deficiência é conhecida como “computação de reservatório”, um conceito no qual as informações são inseridas na rede neural artificial em tempo real, para que o modelo se altere dinamicamente e, assim, se adapte.

Agora, pesquisadores descobriram uma maneira de fazer a computação de reservatório rodar entre 33 e 1 milhão de vezes mais rápido, com significativamente menos recursos computacionais e menos entradas de dados.

Em um dos testes dessa computação de reservatório de próxima geração, um problema de computação complexo, que hoje exige horas de um supercomputador, foi resolvido em menos de um segundo em um PC de mesa.

O avanço contou com a participação do brasileiro Wendson deBarbosa, da Universidade Federal de Pernambuco.

 

Algoritmo depenado

O grande avanço feito por Daniel Gauthier e seus colegas consistiu em descobrir que dava para simplificar muito toda a matemática envolvida no funcionamento dos algoritmos de computação de reservatório desenvolvidos até agora – a técnica matemática é conhecida como autorregressão vetorial não-linear.

Ao simplificar o algoritmo, a necessidade de recursos de computação foi reduzida dramaticamente, economizando um tempo significativo.

Nos testes iniciais mais simples de uma simulação de clima, o algoritmo “depenado” rodou entre 33 e 163 vezes mais rápido. Mas quando a equipe ajustou-o para o melhor nível de precisão das previsões, ele foi 1 milhão de vezes mais rápido, usando apenas 28 neurônios da rede artificial, contra os 4.000 exigidos pelo simulador original.

Uma razão importante para esse ganho de velocidade é que o “cérebro” por trás dessa próxima geração de computação de reservatório precisa de muito menos aquecimento e treinamento em comparação com a geração atual para produzir os mesmos resultados aquecimento são dados de treinamento que precisam ser adicionados como entrada no computador do reservatório para prepará-lo para sua tarefa real.

“Atualmente, os cientistas precisam inserir 1.000, 10.000 pontos de dados, ou até mais, para aquecê-lo. E são todos dados que são perdidos, que não são necessários para o trabalho real. Precisamos inserir apenas um, dois ou três pontos de dados,” contou Gauthier, da Universidade do Estado de Ohio, nos EUA.

Não se pode dizer que a computação de reservatório ficou “simples” – ela ficou um pouco menos complicada. [Imagem: Daniel J. Gauthier et al. – 10.1038/s41467-021-25801-2]

O que é computação de reservatório

A computação de reservatório é um algoritmo de aprendizado de máquina desenvolvido no início dos anos 2000 e usado para resolver os problemas de computação “mais difíceis dentre os difíceis”, como a previsão da evolução de sistemas dinâmicos que mudam com o tempo, explicou Gauthier.

Sistemas dinâmicos, como o clima, são difíceis de prever porque apenas uma pequena mudança em uma condição pode ter efeitos massivos no futuro.

Um exemplo famoso é o “efeito borboleta”, no qual – em um exemplo metafórico – as mudanças criadas por uma borboleta batendo suas asas podem eventualmente influenciar o clima semanas depois em outro continente.

A técnica funciona por meio do uso de uma rede neural artificial, que imita um cérebro: Os dados alimentam uma rede dinâmica em um “reservatório” de neurônios artificiais conectados aleatoriamente em uma rede. A rede produz resultados que podem ser interpretados e realimentados na rede, construindo uma previsão cada vez mais precisa de como o sistema evoluirá no futuro.

A exemplo das técnicas tradicionais da inteligência artificial, porém, a computação de reservatório também é uma caixa-preta: Os cientistas não sabem exatamente o que se passa dentro dela – eles apenas sabem que funciona.

Fonte: Inovação Tecnológica

 

Veja também:

acesse:

Escola de Lucifer
Círculo EDL
Unebrasil

Livro Lucifer

Unebrasil.net
Quero Vencer
Congresso Online

Luz pra nós!

5 2 votes
Article Rating

Compartilhe a Verdade!
Subscribe
Notify of
7 Comentários
Most Voted
Newest Oldest
Inline Feedbacks
View all comments
José Ricardo Dos Santos
02/10/2021 11:59 pm

Luz p’ra nós.

José
03/10/2021 7:46 am

Luz pra nós

Leonardo Moreira Feitosa Rodrigues
03/10/2021 10:21 am

Luz p’ra nós!

Kauan KVR
03/10/2021 2:47 pm

Luz p’ra nós

Pedro Silveira Goulart Cassiano
03/10/2021 4:33 pm

Luz p’ra nós!👍

Bruno Bauler
03/10/2021 11:35 pm

Esse pessoal Ptha não ta p’ra brincadeira né Daylon!! Cruzis, posts assim, espelhando esse pessoal e a vontade de cada um, reflete o “Horizonte do Amanhã” (é, parece até nome de filme rs) o Tomorrow que trasborda p’ra fora do que planejamos, mas, porém entretanto, os planos são os passos, as tentativas – afinal, o Criador quer saber das historias de seus filhos e filhas, de cada tentar e seu resultar. Afim de mostrar como se faz de fato, como se monta a imagem da perfeição, e para os Ptha: Como se multiplica uma estendida de mão, que se soma… Read more »

Bruno Davi Moquiute
07/10/2021 5:44 pm

Luz para nós!!!

error

Seja caminho para a Verdade

7
0
Would love your thoughts, please comment.x
()
x

Warning: Invalid argument supplied for foreach() in /home3/escoladelucifer/public_html/wp-content/plugins/social-networks-auto-poster-facebook-twitter-g/inc/nxs_functions_wp.php on line 166
Pular para a barra de ferramentas