Investigadores de la Universidad de Massachusetts Amherst presentaron Scalene, un perfilador de Python de última generación. A diferencia de los perfiladores tradicionales, Scalene utiliza IA para identificar y sugerir soluciones a las ineficiencias del código. Este desarrollo gana importancia a medida que el futuro se inclina hacia una mejor programación para mejorar la velocidad.
Su desarrollo Scalene, una herramienta de código abierto para acelerar drásticamente el lenguaje de programación Python, evita los problemas de hardware que limitan la velocidad de procesamiento de una computadora.
Un equipo de informáticos de la Universidad de Massachusetts Amherst, dirigido por Emery Berger, reveló recientemente un generador de perfiles Python galardonado llamado Scalene. Los programas escritos con Python son notoriamente lentos (hasta 60.000 veces más lentos que el código escrito en otros lenguajes de programación) y Scalene trabaja para identificar de manera eficiente exactamente dónde se está retrasando Python, lo que permite a los programadores solucionar problemas y simplificar su código para obtener un mayor rendimiento.
Hay muchos lenguajes de programación diferentes (C++, Fortran y Java son algunos de los más conocidos), pero en los últimos años, un lenguaje se ha vuelto casi omnipresente: Python.
«Python es un lenguaje que incluye batería», dice Berger, profesor de informática en la Facultad Manning de Información y Ciencias de la Computación de la UMass Amherst, «y se ha vuelto muy popular en la era de la ciencia de datos y aprendizaje automático porque es muy fácil de usar. El lenguaje viene con bibliotecas de herramientas fáciles de usar y tiene una sintaxis intuitiva y legible, lo que permite a los usuarios comenzar a escribir código Python rápidamente.
“Las computadoras ya no son cada vez más rápidas. Las mejoras futuras en la velocidad provendrán menos de un mejor hardware y más de una programación más rápida y eficiente”.
– Emery Berger, profesor de informática en la Facultad Manning de Ciencias de la Información y la Computación de la UMass Amherst
Problemas de eficiencia de Python
«Pero Python es extremadamente ineficiente», afirma Berger. «Se ejecuta fácilmente entre 100 y 1000 veces más lento que otros lenguajes, y algunas tareas pueden tardar 60.000 veces más en Python».
Profesor de Ciencias de la Computación de la UMass Amherst, Emery Berger. Crédito: Universidad de Massachusetts Amherst
Los programadores lo saben desde hace mucho tiempo y, para ayudar a combatir la ineficiencia de Python, pueden utilizar herramientas llamadas «perfiladores». Los perfiladores ejecutan programas e identifican por qué y qué partes son lentas.
Desafortunadamente, los perfiladores existentes hacen sorprendentemente poco para ayudar a los programadores de Python. En el mejor de los casos, indican que una región de código es lenta y dejan en manos del programador descubrir qué se puede hacer, si es que se puede hacer algo.
El equipo de Berger, que incluía a los estudiantes graduados en ciencias de la computación de la UMass, Sam Stern y Juan Altmayer Pizzorno, creó Scalene para que sea el primer generador de perfiles que no solo identifica con precisión las ineficiencias en el código Python, sino que también utiliza IA para sugerir cómo se puede mejorar el código.
«Scalene revela en primer lugar en qué está perdiendo el tiempo su programa», afirma Berger. Se centra en tres áreas principales (CPU, GPU y uso de memoria) que representan la mayor parte de la baja velocidad de Python.
Una vez que Scalene identifica dónde Python tiene problemas para mantenerse al día, utiliza IA (aprovechando la misma tecnología que sustenta ChatGPT) para sugerir formas de optimizar líneas individuales o incluso agrupaciones de código.
«Este es un panel procesable», dice Berger. «No es sólo un velocímetro que te dice qué tan rápido o lento es tu auto, te dice si puedes ir más rápido, por qué tu velocidad se vio afectada y qué puedes hacer para alcanzar la velocidad máxima».
El futuro de la programación y el impacto de Scalene
«Los ordenadores no son más rápidos», afirma Berger. «Las futuras mejoras en la velocidad provendrán menos de un mejor hardware y más de una programación más rápida y eficiente».
El escaleno ya se utiliza ampliamente y se ha descargado más de 750.000 veces desde su lanzamiento público en GitHub.. La investigación que condujo al desarrollo del escaleno fue apoyada por la Fundación Nacional de Ciencias. Un artículo que describe este trabajo apareció en la Conferencia USENIX de este año sobre diseño e implementación de sistemas operativos, donde ganó el premio al Mejor
