علم کامپیوتر: الگوهای کامپیوتری تا چه سرعتی قادر به تکامل خواهند بود؟
دانشمندان ام.آی.تی (Massachusetts Institute of Technology) با ذکر انواعی مختلف از مثال‌ها نشان می‌دهند که الگوهای کامپیوتری با چه سرعت زمان بالایی توانایی تکامل را دارا هستند با توجه به نقش مهمی که در پیشرفت علم کامپیوتر دارند.
الگوریتم/الگوها، مثل یک پدر و مادر برای کامپیوتر هستند. آنها به کامپیوتر می‌گویند چطور برداشت درستی از اطلاعات دریافت شده داشته باشند تا بتوانند، در عوض، به یک ساختار قابل استفاده و کارآمد دربیایند.
هرچه این الگوریتم کارآمدتر باشد، برای کامپیوتر بهتر است، چرا که کار کمتری را باید انجام بدهد. با توجه به تمام پیشرفت‌هایی که دانش کامپیوتر تا به حال داشته است و سال‌ها مطالعه و گفت‌وگویی که صرف قانون مور شده، دانش کامپیوتر هنوز آنقدر که باید جلو نرفته است.
در پشت تمام این ماجراها، مسئله‌ای دیگر در حال رخ دادن است: الگوریتم‌ها در حال پیشرفت‌اند، در نتیجه انرژی کمتری صرف محاسبات کامپیوتری خواهد شد. درحالیکه کارآیی این الگوریتم‌ها شاید آنطور که باید نیست، اما شما مطمئنا متوجه این موضوع خواهید شد هنگامی‌که در حال استفاده از ماشین جست‌وجوگر موردعلاقه خود هستید، ناگهان سرعت آن به طرز قابل توجهی کاهش پیدا می‌کند و یا جست‌وجو کردن به آرامی راه رفتن در لجن‌زار می‌شود!
همین مسئله سبب شده است که دانشمندان ام.آی.تی به دنبال پاسخی برای این سوال باشند: الگوریتم‌ها با چه سرعتی قادر به تکامل هستند؟ داده‌های موجود برای پاسخ به این سوال بسیار طولانی‌ست و مطالعاتی در دسترس هست که نشان می‌دهد، احتمالا الگوریتم‌های خاصی قابلیت این را داشته‌اند که در پهنه‌های عظیم‌تری مورد استفاده قرار بگیرند.
علاوه بر این، گروه تحقیقاتی موفق شد 57 عدد دفتر یادداشت و بیش از 1100 برگه تحقیقاتی درباره این موضوع پیدا کنند. بعضی از این برگه‌های تحقیقاتی، به‌طور مستقیم نشان داده‌اند چقدر الگوریتم‌های جدید خوب هستند و بعضی دیگر که نیاز به دوباره‌نویسی توسط نویسنده‌هایشان داشته‌اند، کدگزاری کاذب شدند. کدگزاری کاذب نسخه کوتاه شده الگوریتم است که اطلاعات اولیه را داراست.
به‌طور کلی، این گروه 113خانواده الگویی را مورد بررسی قرار داد که شامل مهم‌ترین مشکلاتی می‌شدند که دانشمندان و محققان پیشین در برگه‌های تحقیقاتی خود به‌آن‌ها اشاره کرده بودند.
برای هر یک از آن 113 تا یک تاریخ‌چه توسط این گروه تهیه شد؛ و دوره‌هایی که الگویی جدید ساخته شده بود، به ثبت رسید. همچنین از بین تمام آنها، الگوریتم‌هایی که کارآیی بالاتری داشتند هم برای استفاده کنار گذاشته شدند.
از سال ۱۹۴۰ تا به الآن، این گروه موفق شد چیزی حدود هشت الگو را پیدا کند و تعدادی از آنها را وسعت ببخشد. آنها همچنین وبسایتی به‌نام Algorithm-wiki.org را ساختند تا اطلاعات و داده‌های جمع‌آوری شده تا به الآن را در دسترس مردم قرار بدهند.
دانشمندان جدولی را طراحی کردند تا نشان بدهند چطور آن هشت الگوریتم پیشرفت کردند، (متمرکز بر قابلیت‌های آنها) که هرکدام چقدر سریع قادر به رفع اشکالات پیش‌آمده هستند.
چیزی که به‌عنوان نتیجه بدست آمد، حجم عظیمی از تغییرات بود، اما همچنین یافته‌های مهمی راجع به اینکه چقدر پیشرفت و تکامل الگوریتم‌ها برای علم کامپیوتر مهم بوده است.
برای مشکلات کامپیوتری در سطح بزرگتر، ۴۳٪ از الگوریتم‌ها هرساله پیشرفت داشتند که این پیشرفت برابر یا بزرگتر بوده است از یافته‌هایی که از طریق قانون مور بدست می‌آمده.
در ۱۴٪ از مشکلات، پیشرفت تا کارآیی این الگوریتم‌ها از آن‌هایی که منشأشان مشکلات سخت‌افزاری بوده، پیشی گرفته‌اند.
یافته‌هایی که از پیشرفت الگوریتم‌ها بدست آمد معمولا برای مشکلات جدی‌تر بزرگتر بودند، در نتیجه اهمیت این ترقی در دهه‌های گذشته افزایش بسیاری داشته است.
بزرگترین تغییری که نویسندگان متوجه آن شدند زمانی اتفاق افتاد که یک الگوی خانواده از حالت تشریحی به چند-عددی تغییر یافت. مجموع تلاشی که باید در این راه صورت بگیرد بسیار است و دشوار؛ مثل این می‌ماند که فردی سعی کند ترکیب یک قفل را حدس بزند. اما اگر امکان دستیابی به یک شاخص ده عددی دیجیتال ممکن باشد، آنگاه می‌توان گفت کار تاحدودی ساده است.
با 4 شاخص مثل قفل یک دوچرخه، می‌توان مطمئن بود که کسی دوچرخه شما را به‌سرقت نخواهد برد، اما باز هم گمانه‌زنی راجع به اجزای قفل آن امکان‌پذیر خواهد بود. اما با 50 تا تقریبا چیزی غیرممکن است چرا که با بخش‌های متفاوتی روبه‌رو خواهید شد.
مشکلاتی که از منظر تشریحی/نمایی دارای پیچیدگی هستند، برای کامپیوترها نیز این‌گونه خواهد بود: هرچه که بزرگتر می‌شوند به‌همان منوال هم کارایی و مقابله کامپیوتر را محدود می‌کنند. پیدا کردن یک الگوریتم چند-عددی معمولا این مشکل را برطرف خواهد کرد و سبب می‌شود آن مشکلات جوری پیشگیری شوند که حتی هیچ تعدادی از سخت‌افزارهای تقویتی نتوانند آن مشکلات را حل کنند.
همینطور که صحبت‌ها راجع‌به قانون مور دارد به پایان خود نزدیک می‌شود، محققان می‌گویند کاربران کامپیوتر احتیاج‌شان روزبه‌روز برای دستیابی این الگوریتم‌ها بیشتر خواهد شد. گروه تحقیقاتی هم ادعا می‌کند که از منظر تاریخی، یافته‌هایی که از الگوریتم‌ها به‌دست آمده بسیار زیاد بوده، در نتیجه پتانسیل‌اش وجود دارد. اما اگر این یافته‌ها از الگوریتم‌ها به‌جای سخت‌افزارها بدست بیاید، آنگاه با چیزی متفاوت روبه‌رو خواهیم بود.
پیشرفت سخت‌افزاری در قانون مور به‌طور خیلی آرام در طول زمان رخ می‌دهد؛ ولی به واسطه الگوریتم‌ها، یافته‌ها در قسمت‌ها و دوره‌های متفاوت پیشرفت می‌کنند و اغلب هم بسیار بزرگ اما تکرارناشدنی هستند.
«این اولین مقاله‌ایست که با مثال‌های مختلف نشان می‌دهد چطور الگوریتم‌های کامپیوتری دارند با سرعتی بسیار، پیشرف می‌کنند،» نیل تامپسن، یک محقق ام.آی.تی و نویسنده این مقاله گزارش می‌کند:
از طریق مشاهداتمان، ما می‌توانیم بگوییم که چه‌کارهایی دیگری را می‌توان پس از پیشرفت الگوریتم‌ها عملی کرد. همانطور که مشکلات به میلیون‌ها و تریلیون‌ها نقطه توسعه پیدا می‌کنند، توسعه عملکرد الگوریتم‌ها به‌مراتب مهم‌تر خواهد بود از پیشرفت‌های سخت‌افزاری. در دوره‌ای که جای‌پای کامپیوترها بر طبیعت بسیار نگران‌کننده شده است، این پیشرفت، راهی می‌تواند باشد تا مشاغل و شرکت‌های مربوطه بدون هرگونه ضرری به کار خود ادامه دهند.
نوشته علم کامپیوتر: الگوهای کامپیوتری تا چه سرعتی قادر به تکامل خواهند بود؟ اولین بار در اخبار فناوری و موبایل پدیدار شد.