AlphaTensor: l’IA di DeepMind (Google) trova scorciatoie veloci per calcoli complessi “giocando”

Lo scorso 5 ottobre 2022 sulla rivista Nature è stato pubblicato uno studio relativo ad AlphaTensor, un’intelligenza artificiale messa a punto dall’azienda DeepMind (che si occupa di ricerca e produzione di IA e di sistemi informatici di problem solving) che si è unita a Google dal 2014. Nella ricerca si sostiene che AlphaTensor sia di fatto in grado di trovare le strategie migliori – ovvero degli algoritmi estremamente efficienti – per semplificare dei calcoli complessi tra matrici, processando informazioni con risultati da record. Come funziona AlphaTensor? A cosa serve la semplificazione di queste operazioni? Quali sono i vantaggi? Rispondiamo a tutte queste domande ripercorrendo quanto sostenuto dai ricercatori.

Cos’è AlphaTensor

AlphaTensor è un sistema di intelligenza artificiale testato dall’azienda DeepMind che sarebbe in grado di velocizzare enormemente la moltiplicazione tra matrici.

Cosa sono le matrici e a cosa servono

Le matrici, semplificando, sono tabelle ordinate di elementi o numeri utilizzate come “blocchi” di base nell’ambito dell’informatica per lavorare con i dati. Con la moltiplicazione tra matrici si fanno oggi un sacco di cose nel mondo digitale: produzione di grafiche per i giochi, esecuzione di simulazioni, elaborazione di immagini per smartphone, riconoscimento del comando vocale e perfino la compressione di video e immagini per il caricamento online.  Non solo – stando a quanto riportato nell’estratto di presentazione della stessa ricerca – è fondamentale anche per le reti neurali (modelli matematici utilizzati per l’apprendimento delle IA).

non perderti questo articolo

Cos’è Google Bard, l’IA lanciata in risposta a ChatGPT il cui errore è costato 100 miliardi di dollari

Le moltiplicazioni tra matrici e il “gioco” di AlphaTensor

Esistono delle regole precise da dover seguire nella moltiplicazione tra matrici, pensate che fino al 1969 esisteva un solo algoritmo standard che era considerato il migliore per svolgere queste operazioni. Dopodiché con gli studi del matematico tedesco Volker Strassen si è scoperto che esistono algoritmi diversi da quello standard e ancora più efficienti in termini di velocità di calcolo.

I ricercatori di DeepMind hanno chiesto ad AlphaTensor di provare a cercare dei modi diversi e ancora più efficienti per moltiplicare le matrici tra loro. L’idea era riuscire a far sì che AlphaTensor trovasse i percorsi più veloci, saltando qualche passaggio, per ottenere sempre gli stessi risultati corretti. Per fare ciò i ricercatori hanno impostato un gioco a giocatore singolo a cui far partecipare AlphaTensor in modo da fargli trovare automaticamente gli algoritmi giusti ed efficienti, o le scorciatoie che dir si voglia.
Il "gioco" strutturato era estremamente complesso e i ricercatori dichiarano che il numero di possibili algoritmi da considerare è molto più grande del numero di atomi nell'universo, letteralmente un ago in un pagliaio! Eppure sembra che il sistema inventato da Deep Mind ci sia riuscito, abbia trovato scorciatoie mai scoperte prima e addirittura apportato dei miglioramenti a quelle già conosciute.

Per cosa è utile AlphaTensor

Le aziende di tutto il mondo oggi spendono enormi quantità di tempo, denaro ed energia col fine di sviluppare dei sistemi fisici (hardware) che riescano a gestire operazioni fondamentali come la moltiplicazione in modo efficiente di matrici contenenti tutti i loro dati. L’obiettivo dichiarato dei ricercatori DeepMind è quello di apportare anche piccoli miglioramenti dell'efficienza della moltiplicazione delle matrici affinché si possa ottenere un impatto diffuso.
Avere la possibilità di ridurre il numero di operazioni necessarie per giungere allo stesso risultato finale corretto fa sì che si propsetti un minor dispendio di energia e quindi perfino una riduzione delle emissioni da parte delle aziende. Resta da misurare però l’eventuale impatto effettivo.

Guardando alla questione invece dal punto di vista puramente teorico-matematico è possibile che questo sia solo l’inizio di un nuovo settore ancora più specifico di ricerca: lo studio di algoritmi sempre più veloci per trovare soluzioni a problemi computazionali.