El crecimiento exponencial de la capacidad de procesamiento de las computadoras durante los últimos 60 años podría detenerse pronto. Sistemas complejos como los que se utilizan en la previsión meteorológica, por ejemplo, requieren altas capacidades informáticas, pero los costos de ejecutar supercomputadoras para procesar grandes cantidades de datos pueden convertirse en un factor limitante.

Investigadores de la Universidad Johannes Gutenberg de Mainz (JGU) y la Università della Svizzera italiana (USI) en Lugano, Suiza, han desarrollado recientemente un algoritmo que puede resolver problemas complejos con notable facilidad, incluso en una computadora personal.

El crecimiento exponencial en TI alcanzará su límite

En el pasado, hemos visto una tasa constante de aceleración en el poder de procesamiento de la información como lo predice la Ley de Moore, pero ahora parece que esta tasa de crecimiento exponencial es limitada. Los nuevos desarrollos se basan en la inteligencia artificial y el aprendizaje automático, pero los procesos relacionados son en gran parte poco conocidos y comprendidos. "Muchos métodos de aprendizaje automático, como el muy popular aprendizaje profundo, tienen mucho éxito, pero funciona como una caja negra, lo que significa que no sabemos exactamente qué está pasando. Queríamos comprender cómo funciona la inteligencia artificial y comprender mejor las conexiones involucradas, "dijo la profesora Susanne Gerber, especialista en bioinformática en la Universidad de Mainz.

Junto con el profesor Illia Horenko, un experto en informática en la Università della Svizzera italiana y un Mercator Fellow de Freie Universität Berlin, ha desarrollado una técnica para realizar cálculos increíblemente complejos a bajo costo y con alta confiabilidad. Gerber y Horenko, junto con sus coautores, han resumido su concepto en un artículo titulado "Discretización escalable de bajo costo, predicción, y selección de funciones para sistemas complejos "publicado recientemente en Avances de la ciencia . "Este método nos permite realizar tareas en una PC estándar que antes hubieran requerido una supercomputadora, "enfatizó Horenko. Además de las previsiones meteorológicas, la investigación ve numerosas aplicaciones posibles, como en la resolución de problemas de clasificación en bioinformática, análisis de imagen, y diagnósticos médicos.

Dividiendo sistemas complejos en componentes individuales

El documento presentado es el resultado de muchos años de trabajo en el desarrollo de este nuevo enfoque. Según Gerber y Horenko, el proceso se basa en el principio de Lego, según el cual los sistemas complejos se dividen en estados o patrones discretos. Con solo unos pocos patrones o componentes, es decir., tres o cuatro docenas, Se pueden analizar grandes volúmenes de datos y predecir su comportamiento futuro. "Por ejemplo, utilizando el algoritmo SPA, podríamos hacer un pronóstico basado en datos de las temperaturas de la superficie en Europa para el día siguiente y tener un error de predicción de solo 0,75 grados Celsius, ", dijo Gerber. Todo funciona en una PC normal y tiene una tasa de error un 40 por ciento mejor que los sistemas informáticos que suelen utilizar los servicios meteorológicos, a la vez que es mucho más económico.

SPA o aproximación probabilística escalable es un concepto de base matemática. El método podría ser útil en diversas situaciones que requieren que grandes volúmenes de datos se procesen automáticamente, como en biología, por ejemplo, cuando es necesario clasificar y agrupar un gran número de celdas. "Lo que es particularmente útil sobre el resultado es que luego podemos comprender qué características se usaron para clasificar las células, ", agregó Gerber. Otra área potencial de aplicación es la neurociencia. El análisis automatizado de las señales de EEG podría formar la base para las evaluaciones del estado cerebral. Incluso podría usarse en el diagnóstico de cáncer de mama, ya que las imágenes de la mamografía podrían analizarse para predecir los resultados de una posible biopsia.

"El algoritmo SPA se puede aplicar en varios campos, desde el modelo de Lorenz hasta la dinámica molecular de los aminoácidos en el agua, ", concluyó Horenko." El proceso es más fácil y económico y los resultados también son mejores en comparación con los producidos por las supercomputadoras de última generación actuales ".