Max Home IndustryЭкспоненциальный рост вычислительной мощности компьютеров, наблюдавшийся за последние 60 лет, вскоре может прекратиться. Сложные системы, такие как, например, используемые в прогнозе погоды, требуют больших вычислительных мощностей, но затраты на использование суперкомпьютеров для обработки больших объемов данных могут стать ограничивающим фактором. Исследователи из Университета Йоханнеса Гутенберга в Майнце (JGU) в Германии и Universit & agrave; Компания della Svizzera italiana (USI) в Лугано, Швейцария, недавно представила алгоритм, который может решать сложные проблемы с удивительной легкостью — даже на персональном компьютере.
Экспоненциальный рост ИТ достигнет своего предела
В прошлом мы наблюдали постоянный рост мощности обработки информации, предсказанный законом Мура, но теперь похоже, что эта экспоненциальная скорость роста ограничена. Новые разработки основаны на искусственном интеллекте и машинном обучении, но связанные с ними процессы в значительной степени малоизвестны и понятны. «Многие методы машинного обучения, такие как очень популярное глубокое обучение, очень успешны, но работают как черный ящик, а это означает, что мы не знаем точно, что происходит. Мы хотели понять, как работает искусственный интеллект, и получить лучшее понимание вовлеченных связей «, — сказала профессор Сюзанна Гербер, специалист по биоинформатике в Университете Майнца. Вместе с профессором Ильей Горенко, компьютерным экспертом Universit & agrave; della Svizzera italiana и член Меркатора Freie Universit & auml; t Berlin, она разработала методику выполнения невероятно сложных вычислений с низкими затратами и высокой надежностью. Гербер и Хоренко вместе со своими соавторами обобщили свою концепцию в статье под названием «Недорогая масштабируемая дискретизация, прогнозирование и выбор функций для сложных систем», недавно опубликованной в Science Advances . «Этот метод позволяет нам выполнять задачи на стандартном ПК, для которых раньше требовался суперкомпьютер», — подчеркнул Горенко. Помимо прогнозов погоды, в исследовании рассматриваются многочисленные возможные применения, такие как решение задач классификации в биоинформатике, анализе изображений и медицинской диагностике.
Разбиение сложных систем на отдельные компоненты
Представленный документ является результатом многолетней работы по развитию этого нового подхода. Согласно Герберу и Хоренко, этот процесс основан на принципе Лего, согласно которому сложные системы разбиваются на дискретные состояния или паттерны. С помощью всего лишь нескольких шаблонов или компонентов, то есть трех или четырех десятков, можно проанализировать большие объемы данных и предсказать их будущее поведение. «Например, используя алгоритм SPA, мы можем сделать прогноз температуры поверхности в Европе на день вперед на основе данных и получить ошибку прогноза всего 0,75 градуса Цельсия», — сказал Гербер. Все это работает на обычном ПК и имеет коэффициент ошибок на 40 процентов лучше, чем компьютерные системы, обычно используемые метеорологическими службами, но при этом намного дешевле.
SPA или масштабируемое вероятностное приближение — это концепция, основанная на математике. Этот метод может быть полезен в различных ситуациях, когда требуется автоматическая обработка больших объемов данных, например, в биологии, когда необходимо классифицировать и сгруппировать большое количество клеток. «Что особенно полезно в результате, так это то, что мы сможем понять, какие характеристики использовались для сортировки ячеек», — добавил Гербер. Еще одна потенциальная область применения — нейробиология. Автоматический анализ сигналов ЭЭГ может лечь в основу оценки церебрального статуса. Его даже можно использовать при диагностике рака груди, поскольку изображения маммографии могут быть проанализированы для прогнозирования результатов возможной биопсии.
«Алгоритм SPA может применяться во многих областях, от модели Лоренца до молекулярной динамики аминокислот в воде», — заключил Горенко. «Этот процесс проще и дешевле, а результаты лучше, чем у современных суперкомпьютеров».