Une intelligence artificielle avancée créée par la société DeepMind a découvert une nouvelle façon de multiplier les nombres. Décrite comme la première avancée de ce type depuis plus de 50 ans, cette découverte pourrait augmenter de 20 % la vitesse de certains calculs.
Améliorer le calcul matriciel
La multiplication matricielle, qui consiste à multiplier deux grilles de nombres, est une tâche informatique fondamentale utilisée par un large éventail de logiciels (graphiques, réseaux neuronaux et simulations scientifiques notamment). Par conséquent, une amélioration, même minime, de l’efficacité de ces algorithmes pourrait se traduire par des gains de performance importants et des économies d’énergie notables.
Pendant des siècles, on a cru que la manière la plus efficace de multiplier des matrices était liée au nombre d’éléments à multiplier, avec une tâche devenant proportionnellement plus complexe à mesure que la taille des matrices augmentait. Cependant, le mathématicien Volker Strassen a prouvé en 1969 que la multiplication d’une matrice de deux rangées de deux nombres avec une autre de même taille n’impliquait pas nécessairement huit multiplications et que, grâce à une « pirouette » astucieuse, elle pouvait être réduite à sept.
Connue sous le nom d’algorithme de Strassen, cette approche nécessite quelques additions supplémentaires, mais reste largement plus efficace, étant donné que les ordinateurs réalisent ce type d’opérations beaucoup plus rapidement que les multiplications. Largement utilisée pendant plus d’un demi-siècle, celle-ci a récemment été surpassée par la technique découverte par l’intelligence artificielle AlphaTensor de DeepMind, plus rapide et également mieux adaptée au matériel actuel.
Sans aucune connaissance préalable des solutions actuellement utilisées, AlphaTensor devait créer un algorithme fonctionnel permettant d’accomplir la tâche en un minimum d’étapes. L’intelligence artificielle a fini par en trouver un permettant de multiplier deux matrices de quatre rangées de quatre nombres en utilisant seulement 47 multiplications, ce qui surpasse les 49 multiplications de Strassen.
Une percée algorithmique en annonçant d’autres
Si les résultats, détaillés dans la revue Nature, s’avèrent mathématiquement solides, ils s’avèrent assez contre-intuitifs pour les humains. « Actuellement, nous ne savons pas vraiment comment le système a abouti à cela », explique Hussein Fawzi, de DeepMind. « D’une certaine manière, les réseaux neuronaux ont l’intuition de ce qui semble bon et de ce qui semble mauvais. Je pense qu’il y a du travail théorique à faire là-dessus pour savoir comment exactement l’apprentissage profond parvient à faire ce genre de choses. »
Selon Oded Lachish, de l’université de Londres, cette percée algorithmique en annonce d’autres. « Je pense que nous verrons des résultats générés par l’IA pour d’autres problèmes de nature similaire. Moins d’opérations signifient non seulement des résultats plus rapides, mais également moins d’énergie dépensée. »
Aussi impressionnantes soient les capacités d’AlphaTensor, les avancées réalisées ne signifient pas nécessairement que les codeurs humains seront bientôt mis sur la touche. « Les programmeurs doivent-ils s’inquiéter ? Peut-être dans un avenir lointain. L’optimisation automatique est pratiquée depuis des décennies dans l’industrie de la conception de microprocesseurs et ce n’est qu’un autre outil important dans l’arsenal du codeur », conclut Lachish.
