Le chiffrement devrait normalement ralentir le calcul, mais l'application des outils de cryptographie à « trick » un algorithme peut en fait le rendre plus rapide
Des concepts de la cryptographie peuvent être appliqués pour accélérer les algorithmes
L'ajout d'une pincée de cryptage aux algorithmes clés utilisés dans les modèles d'intelligence artificielle pourrait – étonnamment – les rendre plus efficaces, grâce à une astuce de mathématiques.
La cryptographie implique normalement des messages de brouillage pour les rendre aléatoires aux spectateurs malveillants tout en préservant leurs informations en cachant un modèle dans le caractère aléatoire. Ce hasard peut ensuite être déverrouillé avec la clé correcte.
Maintenant, ou Zamir à l'Université de Tel Aviv en Israël et Vinod Vaikuntanathan au Massachusetts Institute of Technology a révélé qu'une utilisation similaire de la cryptographie peut également améliorer l'efficacité de certains algorithmes en exploitant cette «pseudorandomness». «Au lieu d'essayer de faire penser à ce joueur malveillant que ce qu'il voit, c'est le hasard, nous allons essayer (pour) tromper un algorithme», explique Zamir.
De nombreux algorithmes utilisent déjà le caractère aléatoire sous forme de matrices aléatoires, des grilles de nombres sélectionnés au hasard qui peuvent rendre les problèmes plus faciles à résoudre en réduisant leur taille. Zamir et Vaikuntanathan ont constaté que le remplacement de ces matrices aléatoires par des intrus qui semblaient aléatoires, appelées matrices en trappe, leur ont permis d'être multipliés ensemble plus rapidement, accélérant des algorithmes qui impliquent ce processus sans modifier les résultats.
La clé de cette astuce est que, comme les messages cryptés, les matrices en trappe peuvent être déverrouillées avec un mot de passe, qui révèle un modèle aux nombres apparemment aléatoires. Ce modèle sert de raccourci: les matrices peuvent être multipliées en un seul coup, plutôt que de devoir multiplier chaque nombre par tous les autres chiffres, comme cela serait normalement nécessaire. «C'est la différence entre une ligne et un carré de la même taille», explique Zamir.
Ces matrices en trappe pourraient avoir de nombreuses applications. Les algorithmes d'apprentissage automatique utilisent souvent des matrices aléatoires lorsqu'elles sont formées dans le cadre d'un outil appelé classificateur, qui est utilisé pour distinguer les différents points de données, tels que les chats ou les chiens en images. Cela implique de regarder de très grands ensembles de données, mais les matrices aléatoires peuvent aider à les rendre plus petites.
La paire a également constaté que cette astuce pourrait aider dans d'autres domaines, tels que la compression des données, qui utilise des matrices aléatoires pour préserver les fonctionnalités importantes d'un ensemble de données tout en jetant des données non pertinentes, ou recherche des éléments similaires, comme ceux utilisés par les services de recommandation musicale.
Martin Albrecht au King's College de Londres dit que l'utilisation de la cryptographie de cette manière est une astuce intelligente, mais qu'elle ne fonctionnera probablement que dans les cas où les algorithmes reposent sur de très grandes matrices aléatoires, en raison de la conception de ces matrices. «Ce sont des accélération solides, mais vous avez probablement besoin de très grands systèmes pour le voir vraiment», explique Albrecht. « Il y aura des applications intéressantes, mais ce n'est pas comme si elle serait fourre partout et que tout est magiquement plus rapide. »
