O crescimento exponencial do poder de processamento do computador visto nos últimos 60 anos pode em breve ser interrompido. Sistemas complexos, como os usados ​​na previsão do tempo, por exemplo, requerem altas capacidades de computação, mas os custos de funcionamento de supercomputadores para processar grandes quantidades de dados podem se tornar um fator limitante.

Pesquisadores da Johannes Gutenberg University Mainz (JGU) e da Università della Svizzera italiana (USI) em Lugano, na Suíça, desenvolveram recentemente um algoritmo que pode resolver problemas complexos com notável facilidade - mesmo em um computador pessoal.

O crescimento exponencial em TI atingirá seu limite

No passado, vimos uma taxa constante de aceleração no poder de processamento de informações, conforme previsto pela Lei de Moore, mas agora parece que essa taxa exponencial de crescimento é limitada. Novos desenvolvimentos contam com inteligência artificial e aprendizado de máquina, mas os processos relacionados não são amplamente conhecidos e compreendidos. "Muitos métodos de aprendizado de máquina, como o muito popular aprendizado profundo, são muito bem sucedidos, mas funciona como uma caixa preta, o que significa que não sabemos exatamente o que está acontecendo. Queríamos entender como funciona a inteligência artificial e obter uma melhor compreensão das conexões envolvidas, "disse a Professora Susanne Gerber, um especialista em bioinformática na Universidade de Mainz.

Junto com a professora Illia Horenko, um especialista em computação na Università della Svizzera italiana e um Mercator Fellow da Freie Universität Berlin, ela desenvolveu uma técnica para realizar cálculos incrivelmente complexos com baixo custo e alta confiabilidade. Gerber e Horenko, junto com seus co-autores, resumiram seu conceito em um artigo intitulado "Discretização escalável de baixo custo, predição, e seleção de recursos para sistemas complexos "recentemente publicado em Avanços da Ciência . "Este método nos permite realizar tarefas em um PC padrão que anteriormente exigiria um supercomputador, "enfatizou Horenko. Além das previsões do tempo, a pesquisa vê inúmeras aplicações possíveis, como na solução de problemas de classificação em bioinformática, análise de imagem, e diagnósticos médicos.

Dividindo sistemas complexos em componentes individuais

O artigo apresentado é o resultado de muitos anos de trabalho no desenvolvimento desta nova abordagem. De acordo com Gerber e Horenko, o processo é baseado no princípio Lego, de acordo com o qual sistemas complexos são divididos em estados ou padrões discretos. Com apenas alguns padrões ou componentes, ou seja, três ou quatro dúzias, grandes volumes de dados podem ser analisados ​​e seu comportamento futuro pode ser previsto. "Por exemplo, usando o algoritmo SPA, poderíamos fazer uma previsão com base em dados das temperaturas da superfície na Europa para o dia seguinte e ter um erro de previsão de apenas 0,75 graus Celsius, "disse Gerber. Tudo funciona em um PC comum e tem uma taxa de erro 40 por cento melhor do que os sistemas de computador normalmente usados ​​por serviços meteorológicos, embora também seja muito mais barato.

SPA ou Aproximação Probabilística Escalável é um conceito baseado em matemática. O método pode ser útil em várias situações que exigem que grandes volumes de dados sejam processados ​​automaticamente, como na biologia, por exemplo, quando um grande número de células precisa ser classificado e agrupado. "O que é particularmente útil sobre o resultado é que podemos entender quais características foram usadas para classificar as células, "acrescentou Gerber. Outra área potencial de aplicação é a neurociência. A análise automatizada de sinais de EEG pode formar a base para avaliações do estado cerebral. Pode até ser usada no diagnóstico de câncer de mama, já que as imagens da mamografia podiam ser analisadas para prever os resultados de uma possível biópsia.

"O algoritmo SPA pode ser aplicado em vários campos, do modelo de Lorenz à dinâmica molecular dos aminoácidos na água, "concluiu Horenko." O processo é mais fácil e barato e os resultados também são melhores em comparação com os produzidos pelos supercomputadores de última geração ".