Investigadores do CiTIUS facilitan o procesamento de Big Data cun algoritmo de baixo consumo

xoves, 5 de agosto do 2021 S. P.

Investigadores do Centro Singular de Investigación en Tecnoloxías Intelixentes da Universidade de Santiago de Compostela (CiTIUS-USC) desenvolveron unha solución que mellora “de maneira espectacular” un dos métodos de referencia para a clasificación de grandes volumes de datos datos mediante técnicas de aprendizaxe automática (Machine Learning).
O traballo, publicado na prestixiosa revista IEEE Transactions on Pattern Analysis and Machine Intelligence (unha das publicacións máis citadas internacionamente no ámbito da Intelixencia Artificial e as Ciencias da Computación), permitiu superar as eivas actuais do Machine Learning co desenvolvemento dun novo Clasificador Rápido de Vectores de Soporte (Fast Support Vector Classifier, FSVC), que, segundo fai saber o CiTIUS, presenta numerosas vantaxes respecto ao método estándar: “En primeiro lugar, é moito máis rápido, entre 10 e 100 veces máis cás aproximacións tradicionais; e ademais, este novo clasificador opera con moita menos memoria, grazas ao cal é capaz de desenvolver solucións óptimas con computadores moito menos potentes e custosos”, explica Manuel Fernández Delgado, director da investigación.
Os investigadores do CiTIUS destacan esta cuestión da sustentabilidade e a eficiencia como unha das contribucións básicas do seu traballo: “O aforro de memoria ten unha gran importancia”, asegura Ziad Akram, investigador predoctoral do CiTIUS e primeiro autor do artigo, “xa que mellorando a eficiencia podemos resolver, con equipos moito máis modestos, problemas para os que normalmente necesitariamos un supercomputador”. E engade a súa colega a investigadora Eva Cernadas: “Todo iso tradúcese nunha redución enorme do custo e o consumo de enerxía”.
Outro dos artífices do traballo, Senén Barro, puntualiza que “unha das claves é conseguir desenvolver unha solución analítica para o deseño de clasificadores, o que evita usar métodos iterativos de aprendizaxe sobre conxuntos de datos, a causa principal da ineficiencia computacional e de consumo de recursos da Aprendizaxe Automática”. O director científico do CiTIUS aclara que “con esta nova aproximación é coma se puidésemos memorizar dunha vez un conxunto enorme de casos (de caras, por exemplo), sen necesidade de velas unha e outra vez ata que queden gravadas na nosa memoria”. E engade: “A rapidez e o aforro en memoria e en capacidade de cómputo é enorme, o que supón un aforro en diñeiro e, aínda máis importante, en pegada de carbono”.

PUBLICIDADE