La multiplication des matrices est vitale pour l’informatique quotidienne. DeepMind a trouvé une meilleure façon de le faire
DeepMind, une société détenue par la société mère de Google spécialisée dans intelligence artificielle (IA) vient d’utiliser l’évolution de son programme AlphaZero pour plus que vaincre des joueurs experts d’échecs, de shogi et de go.
La plus récente réalisation des chercheurs, Selon un article publié dans Naturea été de découvrir un moyen plus rapide de résoudre une opération mathématique essentielle pour tâches informatiques qui affectent des milliers de tâches quotidiennes.
Utiliser l’algorithme d’un jeu pour battre un record
Alors, de quelle opération mathématique parle-t-on ? Plus précisément de la multiplication matricielle. Vous en avez peut-être déjà entendu parler car c’est l’une des plus simples et des plus enseignées dans les écoles.
Nous n’expliquerons pas comment multiplier les matrices, mais nous soulignerons que cette opération est clé pour, par exemple, que nos smartphones traitent les images des images que nous voyons et pour que les assistants vocaux puissent identifier presque tout ce que nous leur demandons.
L’application de cette opération simple atteint également des scénarios plus complexes, tels que des simulations dans le domaine de la météorologie pour prédire le temps, la compression de données pour la transmission sur Internet et bien plus encore.
Comme vous pouvez l’imaginer, toutes ces tâches nécessitent une puissance de calcul. Ainsi, toute amélioration de l’algorithme de multiplication matricielle se traduit par une une meilleure efficacité pour les ressources matérielles existantes.
Cependant, il convient de noter que l’intérêt des mathématiciens à trouver un algorithme amélioré pour la multiplication matricielle a des origines beaucoup plus lointaines que celles de l’ère informatique. Cependant, c’est une autre histoire à raconter.
La vérité est que, malgré les efforts et l’intérêt pour trouver un algorithme plus efficace, depuis 50 ans, nous n’avons pas réalisé de progrès à cet égard. Le dernier avait été celui du mathématicien allemand Volker Strassen à la fin des années soixante.
Étant donné que la multiplication matricielle consiste, en gros, à multiplier les lignes d’une matrice par les colonnes d’une autre, DeepMind a pensé à traduire le problème en une sorte de jeu de société en trois dimensions.
S’appuyant sur AlphaZero, les chercheurs ont formé une nouvelle version de cette intelligence artificielle appelée AlphaTensor qui, au lieu de jouer aux échecs, appris les meilleures étapes pour multiplier des matricesces étapes représentent ce que nous appelons algorithme.
Ainsi, le nouvel algorithme a pu multiplier deux matrices quatre par quatre plus rapidement que celui de Strassen. Rappelons que la méthode généralement enseignée en classe comporte 64 étapes et la méthode de Strassen en 49 étapes.
Maintenant, nous avons une nouvelle méthode qui peut faire cette opération sur 47 marches. Mais nous ne mentionnons un tableau qu’à titre d’exemple. AlphaTensor a réalisé des améliorations dans 70 tailles de matrice différentes. En d’autres termes, une belle avancée.
Étant donné que la multiplication matricielle est élémentaire dans de nombreuses tâches informatiques, cette percée de DeepMind pourrait rendre les systèmes plus efficaces, en consommant moins d’énergie et en réduisant le nombre d’erreurs d’arrondi.
Images | unsplash | esprit profond
À Simseo | Nous avons participé au plus grand événement mondial sur l’intelligence artificielle. C’est comme revenir aux débuts de la numérisation