El transporte óptimo es una rama de las matemáticas que formaliza el problema de transformar una distribución de probabilidad en otra con un costo mínimo. Originado a partir del trabajo de Gaspard Monge en 1781 y generalizado posteriormente por Leonid Kantorovich en 1942, la teoría proporciona un marco riguroso para comparar y desplazar masa, como bienes, puntos de datos o probabilidades. Su idea central es tratar la diferencia entre distribuciones no como un escalar simple, sino como una cantidad geométrica que tiene en cuenta la estructura del espacio subyacente.
El problema se plantea típicamente de dos formas. La formulación de Monge busca un mapeo determinista que empuje una distribución hacia otra, minimizando el costo total de transporte. La relajación de Kantorovich permite que la masa se divida y se reasigne, lo que lleva a un problema de programación lineal que siempre tiene solución. Esta relajación introdujo el concepto de plan de transporte y la distancia de Wasserstein, una métrica que cuantifica el costo mínimo de transformar una distribución en otra.
Fundamentos Matemáticos
En el corazón del transporte óptimo se encuentra la función de costo, generalmente definida como la distancia entre puntos elevada a una potencia, como la distancia euclidiana al cuadrado. La distancia de Wasserstein de orden p, denotada W_p, se define como el costo esperado mínimo sobre todos los acoplamientos. Para p=1, también se conoce como distancia del movedor de tierra, popular en recuperación de imágenes y comparación de histogramas. La teoría se conecta con ecuaciones diferenciales parciales a través de la ecuación de Monge-Ampere, que describe el mapeo óptimo en entornos continuos.
La dualidad de Kantorovich es otro resultado clave, que expresa el problema primal de transporte como un supremo sobre pares de funciones, lo que lleva a métodos computacionales eficientes. Esta dualidad también vincula el transporte óptimo con conceptos de análisis convexo y teoría de juegos. La existencia y unicidad de soluciones óptimas bajo ciertas condiciones fueron establecidas por matemáticos como Yann Brenier en 1991, quien demostró que para costos cuadráticos, el mapa óptimo es el gradiente de una función convexa.
Enfoques Computacionales
Calcular planes de transporte óptimo exactamente es computacionalmente intensivo, especialmente en altas dimensiones. La introducción de la regularización entrópica por Marco Cuturi en 2013 transformó el campo, permitiendo el uso del algoritmo de Sinkhorn, que escala iterativamente una matriz para aproximar el plan óptimo. Este enfoque, conocido como distancias de Sinkhorn, se adapta a grandes conjuntos de datos y se ha convertido en un elemento básico en las bibliotecas de Machine learning.
Los métodos dispersos y multiescala han mejorado aún más la escalabilidad en hardware paralelo como las GPU de AMD y NVIDIA. Bibliotecas como POT (Python Optimal Transport) de Python e implementaciones basadas en JAX proporcionan solucionadores eficientes. Para problemas de alta dimensión, métodos aproximados como el transporte óptimo rebanado proyectan distribuciones en espacios de menor dimensión, reduciendo la complejidad mientras se conserva la información geométrica.
Aplicaciones en Aprendizaje Automático
En Machine learning, el transporte óptimo se utiliza ampliamente para la adaptación de dominio, donde un modelo entrenado en una distribución se ajusta para trabajar en otra. La distancia de Wasserstein sirve como objetivo de entrenamiento en modelos generativos, notablemente en redes generativas adversariales de Wasserstein (WGAN), introducidas por Martin Arjovsky y colegas en 2017, que mejoran la estabilidad del entrenamiento en comparación con las GAN tradicionales.
El transporte óptimo también impulsa la interpretabilidad de Neural network y la compresión de modelos. Por ejemplo, se utiliza para alinear incrustaciones de diferentes modelos, permitiendo el aprendizaje por transferencia entre sistemas de Artificial intelligence. En Deep learning, facilita la alineación de espacios latentes en autoencoders variacionales y ayuda en la agrupación con conciencia geométrica. La teoría sustenta métodos en Generative AI para controlar la distribución de salida de los modelos, mejorando la diversidad y la fidelidad.
Economía y Otros Dominios
Más allá de la IA, el transporte óptimo es fundamental en economía, donde modela la asignación de recursos, como el envío de bienes de fábricas a mercados con costo mínimo. Se utiliza en econometría para medir la desigualdad a través de la distancia de Wasserstein entre distribuciones de ingresos. En planificación urbana, ayuda a optimizar redes de transporte público y ubicaciones de instalaciones.
En procesamiento de imágenes, el transporte óptimo permite la transferencia de color entre imágenes y la morfosis de formas. En bioinformática, alinea datos de secuenciación de ARN de células individuales entre experimentos. La teoría también aparece en meteorología para la asimilación de datos y en finanzas para la gestión de riesgos y optimización de carteras, donde ayuda a comparar distribuciones de probabilidad de rendimientos de activos.
Desarrollos Recientes
La investigación reciente extiende el transporte óptimo a transporte desequilibrado y parcial, donde la masa total puede no conservarse, útil en entornos ruidosos. El transporte óptimo neuronal utiliza Deep learning para parametrizar mapas de transporte, permitiendo su uso en espacios de alta dimensión. El campo también se intersecta con la alineación de Large language model, donde ayuda a evaluar y mejorar la similitud semántica entre incrustaciones de texto.
El algoritmo de Sinkhorn se ha adaptado para su uso en arquitecturas de Transformer (architecture), mejorando la eficiencia de los mecanismos de atención. Investigadores de Google DeepMind y OpenAI han explorado el transporte óptimo para mejorar la selección de datos de entrenamiento y la robustez de los modelos. A partir de 2024, el transporte óptimo sigue siendo un área de investigación vibrante, con talleres anuales en conferencias importantes de IA como NeurIPS e ICML, lo que refleja su amplia utilidad.
infobox
• Tipo: Teoría matemática
• Introducido: 1781 (Monge), 1942 (Kantorovich)
• Introducido por: Gaspard Monge, Leonid Kantorovich
• Relacionado: Machine learning, Deep learning, Generative AI
/infobox