Postęp ten jest najważniejszym od 50 lat i została mu poświęcona publikacja na łamach Nature. Dzięki dokonaniom sztucznej inteligencji wykonywanie obliczeń mogłoby przyspieszyć nawet o 20 procent, ponieważ wiele programów działa w oparciu o mnożenie macierzy na dużą skalę.
Czytaj też: Akumulatory ładują się szybciej. Pomaga sztuczna inteligencja
Tego typu obliczenia są szczególnie powszechne w grafice, sztucznej inteligencji i symulacjach naukowych. Nawet niewielki wzrost wydajności algorytmów zaangażowanych w te dziedziny mógłby przynieść zauważalny wzrost wydajności bądź oszczędności energii. Przez długi czas zakładano, że najefektywniejszym sposobem mnożenia macierzy jest ten proporcjonalny do liczby mnożonych elementów, co było szczególnie trudne w przypadku większych macierzy.
Już w 1969 roku Volker Strassen zaproponował sposób na zmniejszenie liczby wykonywanych mnożeń z ośmiu do siedmiu, choć wymagał on dodatkowego dodawania. Taki wariant jest bardziej przystępny dla komputerów, ponieważ dodawanie zajmuje im znacznie mniej czasu niż mnożenie. Przez ponad 50 lat takie podejście Strassena było powszechnie stosowane, jednak przedstawiciele firmy DeepMind postanowili znaleźć nowszy i lepszy sposób.
Za potencjalnym przełomem stoi sztuczna inteligencja zwana AlphaTensor
Jak obiecali, tak zrobili. Sztuczna inteligencja, znana jako AlphaTensor, rozpoczęła wykonywanie obliczeń bez znajomości jakichkolwiek rozwiązań i miała stworzyć działający algorytm, który wykona zadanie w minimalnej liczbie kroków. W ten sposób powstała metoda mnożenia dwóch macierzy składających się z czterech rzędów po cztery liczby każdy przy użyciu zaledwie 47 mnożeń. W przypadku metody Strassena trzeba byłoby ich natomiast wykonać 49.
Czytaj też: Jeden wzór matematyczny wystarczy, by doszło do rewolucji. Jego początki sięgają czasów Einsteina
Jak twierdzi DeepMind, dokonany postęp może zwiększyć prędkość obliczeń o 10 do 20 procent, choć nie ma gwarancji, że tego typu korzyści będą widoczne na zwykłych urządzeniach, takich jak smartfon czy laptop. Bez wątpienia uda się je natomiast zaobserwować na zaawansowanym sprzęcie. Oded Lachish z University of London dodaje, iż jeśli zadanie można wykonać nieco efektywniej, to można to zrobić na mniej wydajnym, mniej energochłonnym sprzęcie lub na tym samym sprzęcie w krótszym czasie, zużywając mniej energii.
