หากเทคนิคการเรียนรู้ของเครื่องจักรดีขึ้นเรื่อย ๆ บทบาทของอัลกอริทึมในอนาคตคืออะไร
ลองดูอนาคต 30 ปีจากนี้ มาคิดในแง่ดีและคิดว่าพื้นที่ที่เกี่ยวข้องกับการเรียนรู้ของเครื่องจักรจะพัฒนาอย่างรวดเร็วเหมือนที่เราเห็นใน 10 ปีที่ผ่านมา นั่นจะดี แต่แล้วอะไรจะเป็นบทบาทของอัลกอริทึมแบบดั้งเดิมในอนาคต ที่นี่ด้วย "อัลกอริธึดั้งเดิม" ผมหมายถึงกระบวนการปกติที่เราปฏิบัติตามใน TCS: พิธีปัญหาการคำนวณที่ดีที่กำหนดขั้นตอนวิธีการออกแบบสำหรับการแก้ปัญหาและพิสูจน์ค้ำประกันการปฏิบัติอย่างเป็นทางการ ตอนนี้พื้นที่ใช้งานที่เราต้องใช้การออกแบบและวิเคราะห์อัลกอริทึมแบบดั้งเดิมในอนาคตคืออะไรและเป็นไปได้ยากมากที่ความก้าวหน้าของการเรียนรู้ของเครื่องจะทำให้อัลกอริทึมแบบดั้งเดิมส่วนใหญ่ไม่เกี่ยวข้องกัน? ตอนแรกนี่อาจดูเหมือนคำถามงี่เง่า: แน่นอนว่าเราจะต้องสามารถทำการเรียงลำดับการค้นหาการจัดทำดัชนีและอื่น ๆ ในอนาคต! แน่นอนว่าเราจะต้องสามารถแปลงฟูริเยร์ได้อย่างมีประสิทธิภาพ, คูณเมทริกซ์ขนาดใหญ่, หาเส้นทางที่สั้นที่สุด, แก้ปัญหาการเพิ่มประสิทธิภาพเชิงเส้น! แต่แล้วอีกครั้งเมื่อคุณเริ่มมองลึกลงไปในการใช้งานในการที่เราเป็นประเพณีที่ใช้อัลกอริทึมที่เราออกแบบมันไม่ได้เป็นที่ชัดเจนว่าการออกแบบขั้นตอนวิธีการแบบดั้งเดิมและการวิเคราะห์เป็นคำตอบที่เหมาะสมในการแก้ไขปัญหาดังกล่าวในการใช้งานที่เกี่ยวข้องกับการค้นหา , โดยปกติแล้วเรามีความสนใจในการค้นหาสิ่งที่ใกล้เคียงกับมนุษย์ในความหมายที่ไม่ชัดเจนบางอย่าง (เช่นความคล้ายคลึงกันทางความหมาย) ไม่ใช่สิ่งที่เหมาะสมที่สุดในความรู้สึกทางคณิตศาสตร์บางอย่าง (เช่นระยะแก้ไขขั้นต่ำ) ในแอพพลิเคชั่นที่เกี่ยวข้องกับการวางแผนเส้นทางโดยปกติแล้วเราสนใจค้นหาเส้นทางที่ดีตามตัวอย่าง (เช่นคนอื่นชอบมากกว่า) ไม่ใช่เส้นทางที่ดีที่สุดในแง่คณิตศาสตร์บางอย่าง (เช่นระยะทางที่สั้นที่สุดหรือราคาถูกที่สุด) และเมื่อคุณมีส่วนประกอบของมนุษย์ที่คลุมเครือในภาพอาจเป็นกรณีที่เราพยายามสอนคอมพิวเตอร์เพื่อให้ได้คำตอบที่ดีตามตัวอย่างแทนที่จะพยายามให้นักวิจัย TCS ขึ้นมา ด้วยปัญหาการคำนวณอย่างเป็นทางการที่เราสามารถแก้ไขได้ด้วยการออกแบบและวิเคราะห์อัลกอริทึมแบบดั้งเดิม ดังนั้นพื้นที่แอปพลิเคชั่น (ควรเป็นแอพพลิเคชั่นทางอุตสาหกรรมจริงและทางตรง) ซึ่งชัดเจนว่าสิ่งที่เราทำในอัลกอริทึมในอดีตก็จะเป็นวิธีที่ถูกต้อง (และวิธีเดียวที่เป็นไปได้) ในการพัฒนา อนาคต? อัลกอริทึมที่ใช้เป็นรูทีนย่อยในเทคนิคการเรียนรู้ด้วยเครื่องดูเหมือนจะเป็นตัวพิสูจน์อนาคตที่ชัดเจน แต่สิ่งนี้ขึ้นอยู่กับเทคนิคการเรียนรู้ของเครื่องโดยเฉพาะที่เราใช้และอย่างที่เราเห็นในช่วงสิบปีที่ผ่านมา .