DeepMind revela algoritmo que prevê eficácia dos cálculos de computação
Simulando ponderação humana para analisar problemas, algoritmo ajuda cientistas a defiir se é viável seguir com um cálculo ou se é melhor desistir
O Google revelou na última quinta-feira (12) seu novo programa da DeepMind, unidade de IA do Google, o PonderNet, aplicação que cientistas dizem se capaz de “ponderar” sobre escolhas de cálculos de computação.
No entanto, ao contrário do que sugere o termo ponderar, ou seja “refletir ou pensar sobre”, o programa não “reflete”, ele encurta seu esforço de computação até determinado ponto em que a rede neural é capaz de fazer – matematicamente – uma previsão aceitável sobre a eficiência do cálculo do problema, de acordo com informações do site ZDNet.
Na prática, o algoritmo desenvolvido por cientistas do Google é capaz de calcular se cientistas devem ou não desistir dos cálculos, levando em consideração a complexidade do problema, dificuldades e custos.
O programa baseado em inteligência artificial e machine learning é capaz de encurtar seu esforço de computação ao identificar, em um tempo suficiente que a rede neural possa calcular e prever os resultados do cálculo, se as escolhas até então são eficientes para o problema. Ao mesmo tempo, ele é capaz de exaltar se as escolhas do cientista têm maior probabilidade de serem eficazes para a resolução do problema.
O programa equilibra a meta de deep learning de precisão em testes de benchmark, por um lado, com uma suposição probabilística de que um esforço adicional não fará muita diferença. Os cientistas Andrea Banino, Jan Balaguer e Charles Blundell, descrevem o PonderNet como “um novo algoritmo que aprende a adaptar a quantidade de computação com base na complexidade do problema em questão”.
O PonderNet foi desenvolvido com base no trabalho de vários pesquisadores ao longo dos anos, incluindo Alex Graves, cientista do Google.
As redes neurais […] requerem muito tempo, hardware caro e energia para treinar e implantar”, escreveram os cientistas. “PonderNet […] pode ser usado para reduzir a quantidade de computação e energia no momento da inferência, o que o torna particularmente adequado para plataformas com recursos limitados, como telefones celulares”.
Os autores também sugerem que o PonderNet leva o machine learning na direção de “comportar-se mais como algoritmos e menos como mapeamentos ‘planos'”. Essa mudança poderia “ajudar a desenvolver métodos de deep learning em todo o seu potencial”, argumentam eles.
(Com informações de ZDNet)
