今天我们通过访问研究员发布了新的技术报告亚博体育官网凯塔哈恩惠叫“六个域中的算法进展。“该报告总结了关于算法进度的数据 - 即每个固定数量的计算硬件 - 在六个域中更好的性能:
- 饱满宿主,
- 国际象棋和去计划,
- 物理模拟,
- 因子,
- 混合整数编程,和
- 某种形式的机器学习。
我们收集这些数据的目的是阐明了这个问题智力爆炸微观经济学虽然我们怀疑该报告将在软件行业和计算机科学学术界的广泛利益。
罗宾汉森之前讨论了报告中的一个发现这里。(Robin在智力爆炸微观经济学中看到了一个早期的草案邮件列表。)
一般讨论报告的首选页面是这里。
概括:
在最近布尔满足性(SAT)比赛,SAT Solver性能每年增加5-15%,具体取决于问题的类型。然而,这些收益是通过对特殊问题的广泛改善而导致的。坐姿性能的回顾性调查(在事实之后选择的问题)显示得显着更快。
国际象棋计划在过去的四十年中,每年大约50个ELO积分提高。硬件改进的重要性估计非常嘈杂,但与硬件改进负责大约一半的进步。自20世纪60年代以来,进展顺利在20世纪60年代以来,除了过去五年之外。去计划过去三十年来,每年有一个石头。硬件倍增掺杂产生eLO增益递减,在占占进展的一半左右的规模中。
改进各种各样的物理模拟(在事实后选择呈现由于软件由于软件而增加),由于硬件进展,大约是大约一半。
这最大的因素迄今为止,过去二十年来,每年增加约5.5位数;计算能力在此期间增加了10,000倍,尚不清楚增加的增加是由于硬件进步。
一些混合整数编程(MIP)算法,在具有现代硬件的现代MIP实例上运行,每年速度大致翻倍。MIP是一个重要的优化问题,但由于性能改进,在事实之后被称为关注的问题。其他优化问题有更多不一致(更难确定)改进。
各种形式机器学习近几十年来,已经急剧减少了精度百分比。一些愿景任务最近看到了更快的进展。