macrovector / freepik
Seria de esperar que a encriptação fizesse abrandar a computação. No entanto, um novo estudo demonstrou que a aplicação das ferramentas da criptografia para ‘enganar’ um algoritmo pode, afinal, torná-lo mais rápido.
A criptografia consiste em baralhar as mensagens para que pareçam aleatórias aos olhos dos mal-intencionados. Mas, com a chave correta, os hackers conseguem desbloquear esta aleatoriedade.
Por esse motivo, seria de esperar que a encriptação fizesse abrandar a computação. Só que, afinal, parece que não.
Um estudo publicado recentemente no arXiv revelou que adicionar uma pitada de encriptação a algoritmos-chave utilizados em modelos de inteligência artificial (IA) pode torná-los mais eficientes, graças a um truque matemático.
No novo estudo, os investigadores descobriram que uma utilização semelhante da criptografia também pode melhorar a eficiência de certos algoritmos, explorando esta “pseudo-aleatoriedade”.
Como explica a New Scientist, a chave para este truque é que, tal como as mensagens encriptadas, as novas matrizes criadas podem ser desbloqueadas com uma palavra-passe, que revela um padrão para os números aparentemente aleatórios.
Este padrão serve como um atalho: as novas matrizes podem ser multiplicadas de uma só vez, em vez de ter de multiplicar cada número por cada outro número, como seria normalmente necessário.
“É a diferença entre uma linha e um quadrado do mesmo tamanho”, explicou o co-autor do estudo Or Zamir, da Universidade de Tel Aviv, em Israel, à New Scientist.
Estas matrizes com armadilhas podem ter várias aplicações.
Os algoritmos de aprendizagem automática utilizam frequentemente matrizes aleatórias quando estão a ser treinados como parte de uma ferramenta chamada classificador, que é utilizada para distinguir entre diferentes pontos de dados, como gatos ou cães em imagens. Isto envolve a análise de conjuntos de dados muito grandes, mas as novas matrizes podem ajudar a torná-los mais pequenos.
A dupla também descobriu que este truque pode ajudar noutras áreas, como a compressão de dados, que utiliza matrizes aleatórias para preservar caraterísticas importantes de um conjunto de dados, descartando dados irrelevantes, ou ainda na procura de itens semelhantes, como os utilizados pelos serviços de recomendação de música.
