การทำนายอนาคตเป็นไปไม่ได้โดยเฉพาะอย่างยิ่งสำหรับการวิจัยที่ล้ำสมัย ฉันไม่คิดว่าจะมีใครทำนายได้ว่าการเรียนรู้ที่ลึกซึ้งส่งผลกระทบมากน้อยเพียงใดหรือการเข้ารหัสนั้นจะถูกครอบงำโดยการทำให้งงแตก
ที่กล่าวว่าฉันจะพูดมาก: ฉันไม่เห็นเหตุผลใด ๆ ที่จะคาดหวังความซับซ้อนของพารามิเตอร์ที่จะใช้เวลามากกว่า มันเป็นสนามที่โตเต็มที่ที่มีความกระตือรือร้นมานานกว่า 20 ปี มันไม่ได้ทำให้ฉันเป็นพื้นที่ที่กำลังจะมาถึง เพื่อความชัดเจนฉันคิดว่ามันเป็นพื้นที่ที่ประสบความสำเร็จที่จะเติบโตต่อไป
หากคุณดูที่แนวโน้มของ Googleความสนใจในการค้นหาในความซับซ้อนของพารามิเตอร์นั้นลดลง (ใช้คำศัพท์อื่นเพื่อเปรียบเทียบหากคุณสนใจ) หากคุณค้นหาการอ้างอิงรวมสำหรับDowney - FellowsตำราเรียนParityized Complexityและตำราที่อัปเดตแล้วคุณจะเห็นว่าพวกมันค่อนข้างเสถียร:
(ที่มา: Google scholar
scholar ฉันเพิ่มหนังสือทั้งสองเล่มในโปรไฟล์ของฉันรวมเข้าด้วยกันจับภาพหน้าจอของการอ้างอิงรวมแล้วลบออกจากโปรไฟล์ของฉัน)
นี่เป็นจำนวนการอ้างอิงที่ดีต่อสุขภาพ แต่ไม่ใช่การเติบโตแบบเลขชี้กำลังที่ทำให้คุณคิดว่าความซับซ้อนที่แปรตามพารามิเตอร์นั้นจะเข้ามาแทนที่ แน่นอนว่าข้อมูลนี้มีข้อบกพร่องมาก แต่เป็นสิ่งบ่งชี้ที่ดีที่สุดที่ฉันสามารถหาได้จากความนิยมทั่วโลกของความซับซ้อนที่กำหนดพารามิเตอร์
โปรดทราบว่าสิ่งต่าง ๆ เป็นที่นิยมในท้องถิ่นแม้ว่าจะไม่ได้รับความนิยมทั่วโลกก็ตาม ตอนที่ฉันเรียนปริญญาตรีฉันคิดว่าฉันจำเป็นต้องเรียนรู้เกี่ยวกับทฤษฎีหมวดหมู่เพราะทุกคนรอบตัวฉันกำลังพูดถึงเรื่องนี้อยู่ ฉันยังซื้อหนังสือ จากนั้นฉันก็ย้ายไปเรียนจบและไม่เคยได้ยินเรื่องนี้อีกเลย หนังสือยังไม่ได้อ่านจนถึงทุกวันนี้ บางทีคุณอาจอยู่ในสถานการณ์ที่คล้ายคลึงกัน - คุณอยู่ในแผนกที่มีความซับซ้อนแปรปรวนหลายอย่างเกิดขึ้น แต่ถ้าคุณย้ายที่อื่นเรื่องราวจะแตกต่างอย่างสิ้นเชิง