AlphaTensor es un software que no solo ha descubierto por sí mismo los algoritmos que ya utilizaban los matemáticos para resolver ese problema, sino que ha creado fórmulas más rápidas que las conocidas hasta ahora

Un sistema de inteligencia artificial de la empresa DeepMind ha comenzado a programar algoritmos matemáticos más eficientes que los que habían logrado diseñar los expertos tras décadas de investigación, según detalla un estudio que publica la revista Nature.

La firma británica, absorbida por Google en 2014, ha dado un nuevo giro a su software AlphaZero, imbatible para los humanos en juegos como el ajedrez y el go, para que aplique su capacidad de aprendizaje al problema matemático de multiplicar matrices numéricas, conjuntos de cifras ordenados en filas y columnas.

El resultado es AlphaTensor, un software que no solo ha descubierto por sí mismo los algoritmos que ya utilizaban los matemáticos para resolver ese problema, sino que ha creado fórmulas más rápidas que las conocidas hasta ahora.

DeepMind: sin noción matemática previa

Los ingenieros de DeepMind han combinado técnicas de aprendizaje profundo y aprendizaje de refuerzo para que el ordenador sea capaz de descubrir las normas del “juego” de multiplicar matrices sin que los programadores le hayan enseñado ninguna noción matemática previa.

“Gracias al aprendizaje, AlphaTensor mejora gradualmente, redescubre los algoritmos más rápidos que se conocen para multiplicar matrices (…) y, eventualmente, sobrepasa el ámbito de la intuición humana para descubrir algoritmos más rápidos respecto a los que se conocían hasta ahora”, describen en un comunicado los responsables del proyecto.

AlphaTensor encuentra fórmula con 76 operaciones

Durante siglos, los matemáticos utilizaron el mismo método para multiplicar matrices, hasta que en 1969 el alemán Volken Strassen demostró que era posible encontrar vías más eficientes que la tradicional.

Con el método clásico que se enseña en las escuelas se puede multiplicar dos determinadas matrices con cien operaciones, mientras que gracias a los métodos de Strassen se ha logrado reducir esos pasos hasta ochenta.

AlphaTensor, gracias al aprendizaje profundo, ha encontrado una fórmula para llegar al mismo resultado con 76 operaciones.

El avance no solo tiene repercusiones en el campo de la inteligencia artificial, sino que puede mejorar numerosos ámbitos de la ingeniería en los que la multiplicación de matrices es un proceso esencial, como la generación de gráficos por ordenador y las comunicaciones digitales.

Fuente: dw.com