Los humanos baten a la IA de DeepMind con una forma más efficient de multiplicar numeros

Just a week after learning that an artificial intelligence (AI) created by the firm DeepMind had discovered a way to speed up the multiplication of matrices – one of the major challenges in computing since the 50s -, a pair of researchers have presented a solution más efficient que bate el récord de la máquina.

Manuel Kauers and Jakob Moosbauer, from the Instituto de Algebra de la Universidad Johannes Kepler in Linz (Austria), already had a method for calculating matrices (squares of numbers that are multiplied together) that, starting from a well-known algorithm, modificaba sucesivamente hasta llegar a una versión de la que se puede eliminar una multiplication.

Así que, cuando apareció el documento de DeepMind que explicaba el methodo de AlphaTensor (which is how se llama la artificial intelligence), “alimentamos nuestro programa con su schema para resolver matrices de 5×5 en 96 multiplicaciones y rapidamente nos devolió un schema con sólo 95 ”, explains Kauers via correo electrónico a La Vanguardia.

“Alimentamos nuestro programa con su esquema para resolver matrices de 5×5 en 96 multiplicaciones y nos devolvió un esquema con sólo 95”



Manuel KauersResearcher at the Instituto de Algebra at JKU (Austria)

He assures that it is not easy to find new algorithms for the multiplication of matrices, not even for computers, as demonstrated by the fact that until now he is still using the system devised by the mathematician Volker Strassen in 1969.

“No depende de tener una buena idea o una mejor understanding del sistema; es más como solver un gran rompecabezas con piezas muy complicadas, y por eso es genial tener un nuevo méthode disponible que sea capáz de resolver tales acertijos”, points out Kauers.

Equipos humano-máquina

En este sentido, cree que la cooperation entre humanos e intelligenia artificial, una realidad que ya se está produciendo en la investigación matemática, puede resultar muy útil. “Many mathematicians routinely use computer algebra to simplify complicated mathematical expressions and to prove theorems on them and, in this context, it sometimes happens that a conjecture cannot be demonstrated with pencil and paper, nor directly with a computer, but the humano puede reformularla de tal manera que la computadora puede entonces hacer el resto del trabajo”, he exemplifies.

La collaboración entre humanos e inteligencia artificial se está revelando muy fructífera en la investigación matemática

La collaboración entre humanos e inteligencia artificial se está revelando muy fructífera en la investigación matemática

Sopon Nawoot/iStockphoto

Hussein Fawzi and Francisco Rodríguez Ruiz, the DeepMind scientific researchers at the front of the AlphaTensor project, have expressed their satisfaction with the speed with which other researchers have been able to advance from their work. “Nuestra esperanza era que este trabajo abriera el campo del discovery algorítmico a nuevas ideas y enfoques; es fantástico ver a otros explorando ideas en este espacio, así como construir sobre nuestro logro tan rapidamente”, comments Rodríguez.

AlphaTensor found the solution to the multiplication of matrices by converting the problem into a game and taking advantage of automatic learning techniques by reinforcement that AlphaZero (another AI from the same company) used to beat humans in games like chess and go.


Read also

Mayte Rius

3d rendering robot learning or machine learning with education hud interface

“A través del autojuego encuentra estrategias para ganar de manera más efficiente, y estas “estrategias” se pueden traducir en un algorit para multiplicar matrices que nosotros (los humans) podemos usar”, explained the DeepMind researchers a La Vanguardia cuando se prendista su trabajo.

Las multiplicaciones de matrices son una tarea informatica fundamental que se se usa en practically todo el software de dispositivos tidianos y de manera particular en graphics, criptografía de las communications y simulaciones scientificas.

Therefore, the success of AlphaTensor and now the success of Kauers and Moosbauer have aroused the interest of experts in algebra and computer science, who believe that this optimization of the matrix calculation could improve the performance of many applications and translate into energy savings in the the field of computing.


Read also

Mayte Rius

Javier Viaña Pérez, estudiante de doctorado (Ph.D.) en Inteligencia Artificial Difusa aplicada a la Ingeniería Aeroespacial en la Universidad de Cincinnati.  Because of his efforts, he has received various grants of excellence, honorable mentions and prizes as the Mejor Artículo de Investigación Nacional de 2016. His main topics of investigation and interest are: Explainable Artificial Intelligence (XAI), Genetic Fuzzy Systems (GFS), Evolutionary Algorithms, Guidance, Navigation and Control (GNC)

Leave a Comment

Your email address will not be published. Required fields are marked *