Şifrelemenin normalde hesaplamayı yavaşlatması beklenir, ancak kriptografi araçlarının “kandırması” için uygulanması, bir algoritma aslında daha hızlı çalışmasını sağlayabilir
Algoritmaları hızlandırmak için kriptografiden kavramlar uygulanabilir
Yapay zeka modellerinde kullanılan anahtar algoritmalara bir şifreleme eklemek – şaşırtıcı bir şekilde – matematik hilesi sayesinde onları daha verimli hale getirebilir.
Kriptografi normalde, rastgele bir desen saklayarak bilgilerini korurken, kötü niyetli izleyicilere rastgele görünmelerini sağlamak için mesajları karıştırmayı içerir. Bu rastgelelik daha sonra doğru anahtarla açılabilir.
Şimdi veya Massachusetts Teknoloji Enstitüsü’ndeki İsrail ve Vinod Vaikuntanathan’daki Tel Aviv Üniversitesi’ndeki Zamir, benzer bir kriptografi kullanımının bu “psödorandomdan” yararlanarak belirli algoritmaların verimliliğini de artırabileceğini buldu. Zamir, “Bu kötü niyetli oyuncunun gördüğü şeyin rastgelelik olduğunu düşünmesini sağlamak yerine, bir algoritmayı kandırmaya çalışacağız” diyor.
Birçok algoritma zaten rastgele matrisler, rastgele seçilmiş sayıların ızgaraları, boyutlarını azaltarak sorunları kolaylaştırabilecek rastgele kullanıyor. Zamir ve Vaikuntanathan, bu rastgele matrisleri sadece rastgele görünen, kapaklı matrisler olarak adlandırılan interloperlerle değiştirmenin, sonuçları değiştirmeden bu işlemi içeren algoritmaları hızlandırarak daha hızlı bir şekilde çarpılmalarına izin verdiğini buldular.
Bu hilenin anahtarı, şifrelenmiş mesajlar gibi, kaputucu matrislerin, görünüşte rastgele sayılara bir desen ortaya çıkaran bir şifre ile açılabilmesidir. Bu desen bir kısayol görevi görür: matrisler, normalde gerekli olduğu gibi her sayıyı diğer her sayıyla çarpmak yerine tek seferde çarpılabilir. Zamir, “Bu, bir çizgi ile aynı boyuttaki bir kare arasındaki fark” diyor.
Bu kapışan matrislerin çok sayıda uygulaması olabilir. Makine öğrenme algoritmaları, bir sınıflandırıcı adı verilen bir aracın bir parçası olarak eğitilirken rastgele matrisler kullanır, bu da kediler veya görüntülerdeki köpekler gibi farklı veri noktaları arasında ayrım yapmak için kullanılır. Bu, çok büyük veri kümelerine bakmayı içerir, ancak rastgele matrisler onları küçültmeye yardımcı olabilir.
Çift ayrıca, bu hilenin, alakasız verileri atarken bir veri kümesinin önemli özelliklerini korumak için rastgele matrisler kullanan veya müzik önerisi hizmetleri tarafından kullanılanlar gibi benzer öğeleri arayan diğer alanlarda yardımcı olabileceğini buldu.
King’s College London’daki Martin Albrecht, kriptografiyi bu şekilde kullanmanın akıllı bir hile olduğunu, ancak bu matrislerin tasarlanma şekli nedeniyle algoritmaların çok büyük rastgele matrislere dayandığı durumlarda iyi çalışması muhtemeldir. Albrecht, “Sağlam hızlar, ancak muhtemelen gerçekten görmek için oldukça büyük sistemlere ihtiyacınız var” diyor. “Bazı harika uygulamalar olacak, ancak her yerde yerleştirilecek gibi değil ve her şey sihirli bir şekilde daha hızlı.”
