התקדמות משמעותית במחשוב פותרת בעיה מתמטית מורכבת פי מיליון מהר יותר

(Wachirawit Jenlohakit/Getty Images)

מחשוב מאגר הוא כבר אחד מהסוגים המתקדמים והחזקים ביותר של בינה מלאכותית שעומד לרשות המדענים - וכעת מחקר חדש מתאר כיצד להצליח עד פי מיליון במשימות מסוימות.

זו התפתחות מרגשת בכל הנוגע להתמודדות עם האתגרים החישוביים המורכבים ביותר, מחיזוי האופן שבו מזג האוויר עומד להסתובב, ועד למודלים של זרימת נוזלים דרך חלל מסוים.

בעיות כאלה הן מה שפותח סוג זה של מחשוב עתיר משאבים כדי לקחת על עצמו; כעת, החידושים האחרונים יהפכו אותו לשימושי עוד יותר. הצוות מאחורי המחקר החדש הזה מכנה אותו הדור הבא של מחשוב מאגרים.

'אנחנו יכולים לבצע משימות עיבוד מידע מורכבות מאוד בשבריר מהזמן תוך שימוש בהרבה פחות משאבי מחשב בהשוואה למה שמחשוב במאגר יכול לעשות כרגע,' אומר הפיזיקאי דניאל גוטייה , מאוניברסיטת אוהיו סטייט.

'ומחשוב במאגרים כבר היה שיפור משמעותי ממה שהיה אפשרי בעבר.'

מחשוב מאגר מתבסס על הרעיון של רשתות עצביותלמידת מכונה מערכות המבוססות על הדרך שבה מוחות חיים מתפקדים - שמאומנות לזהות דפוסים בכמות עצומה של נתונים. הראה לרשת עצבית אלף תמונות של כלב, למשל, וזה אמור להיות די מדויק בזיהוי כלב בפעם הבאה שיופיע אחד.

הפרטים של הכוח הנוסף שמביא מחשוב מאגר הם טכניים למדי. בעיקרו של דבר, התהליך שולח מידע לתוך 'מאגר', שבו נקודות של נתונים מקושרות בדרכים שונות. לאחר מכן המידע נשלח מהמאגר, מנותח ומוזן בחזרה לתהליך הלמידה.

זה הופך את התהליך כולו למהיר יותר במובנים מסוימים, ומותאם יותר לרצפי למידה. אבל זה גם מסתמך במידה רבה על עיבוד אקראי, כלומר מה קורה בְּתוֹך המאגר אינו צלול. אם להשתמש במונח הנדסי, זו 'קופסה שחורה' - זה בדרך כלל עובד, אבל אף אחד לא באמת יודע איך או למה.

עם המחקר החדש שפורסם זה עתה, ניתן להפוך את מחשבי המאגר ליעילים יותר על ידי הסרת האקראיות. נעשה שימוש בניתוח מתמטי כדי להבין אילו חלקים של מחשב מאגר חיוניים למעשה לעבודתו, ואילו לא. היפטרות מהסיביות המיותרות האלה מאיץ את זמן העיבוד.

אחת התוצאות הסופיות היא שדרושה פחות תקופת 'חימום': זה המקום שבו הרשת העצבית מוזנת בנתוני אימון כדי להכין אותה למשימה שהיא אמורה לעשות. צוות המחקר עשה כאן שיפורים משמעותיים.

'עבור מחשוב מאגרי הדור הבא שלנו, אין כמעט צורך בזמן התחממות,' אומר גוטייה .

'כרגע, מדענים צריכים להכניס 1,000 או 10,000 נקודות נתונים או יותר כדי לחמם אותו. וזה כל הנתונים שאבדו, שאינם נחוצים לעבודה בפועל. אנחנו צריכים להכניס רק נקודת נתונים אחת או שתיים או שלוש״.

משימת חיזוי קשה במיוחד הושלמה תוך פחות משנייה במחשב שולחני רגיל באמצעות המערכת החדשה. עם טכנולוגיית מחשוב המאגר הנוכחית, אותה משימה נמשכת זמן רב משמעותית, אפילו במחשב-על.

המערכת החדשה הוכיחה את עצמה כמהירה בין פי 33 ל-163 בהתאם לנתונים. עם זאת, כאשר יעד המשימה הוסט לתעדוף דיוק, המודל המעודכן היה מהיר פי 1 מיליון.

זו רק ההתחלה לסוג הסופר-יעיל הזה של רשת עצבית, והחוקרים שמאחוריה מקווים להעמיד אותה מול משימות מאתגרות יותר בעתיד.

'מה שמרגש הוא שהדור הבא הזה של מחשוב מאגרים לוקח את מה שכבר היה טוב מאוד והופך אותו ליעיל משמעותית', אומר גוטייה .

המחקר פורסם ב תקשורת טבע .

אודותינו

פרסום עובדות עצמאיות ומוכחות של דיווחים על בריאות, מרחב, טבע, טכנולוגיה וסביבה.