今天我们发布了一份访问研究员的新技术报告金宝博娱乐卡佳恩典被称为“六个领域的算法进展报告总结了六个领域的算法进展数据,即每个固定数量的计算硬件的更好性能:
- 坐在解决者,
- 象棋和围棋程序,
- 物理模拟,
- 保理,
- 混合整数规划
- 一些形式的机器学习。
我们收集这些数据的目的是为了阐明……的问题智能爆炸微观经济学尽管我们怀疑这份报告会引起软件行业和计算机科学学术界的广泛兴趣。
该报告中的一个发现曾被罗宾·汉森(Robin Hanson)讨论过在这里.(罗宾看到了一份关于智力爆炸微观经济学的初稿邮件列表.)
一般来说,讨论报告的首选页面是在这里.
简介:
在最近布尔可满足性(SAT)竞赛,SAT解决者的表现每年增加5-15%,这取决于问题的类型。然而,这些进步是由对特定问题的各种各样的改进推动的。对SAT成绩的回顾性调查(对问题进行事后选择)显示出明显更快的进步。
国际象棋程序在过去的四十年里,每年都有大约50个Elo点的进步。对硬件改进的重要性的估计非常复杂,但与硬件改进负责大约一半的进展是一致的。自20世纪60年代以来,除了过去5年,进展一直很顺利。走程序在过去的三十年里,每年都能提高一英石。硬件加倍产生的Elo收益递减,其规模相当于进程的一半。
在各种方面的改进物理模拟(选择后显示由于软件的性能提高)似乎大约一半是由于硬件的进步。
的最大的数分解到目前为止,在过去的20年里,它每年以5.5位数的速度增长;在这段时间里,计算能力增长了一万倍,目前还不清楚这其中有多少是由于硬件的进步。
一些混合整数规划(MIP)算法在现代MIP实例和现代硬件上运行,速度每年大约翻倍。MIP是一个重要的优化问题,但由于其性能的提高而引起了人们的关注。其他优化问题有更多不一致的改进(也更难确定)。
各种形式的机器学习在最近几十年的百分比准确度方面的进步急剧下降。一些视觉任务最近取得了更快的进展。