Mari kita lihat masa depan sekitar 30 tahun dari sekarang. Mari kita optimis dan berasumsi bahwa bidang yang terkait dengan pembelajaran mesin terus berkembang secepat apa yang telah kita lihat dalam 10 tahun terakhir. Itu akan bagus, tetapi kemudian apa yang akan menjadi peran algoritma tradisional di masa depan?
Di sini oleh "algoritme tradisional" Saya merujuk pada proses yang biasa kita ikuti di TCS: memformalkan masalah komputasi yang terdefinisi dengan baik , merancang algoritma untuk memecahkan masalah, dan membuktikan jaminan kinerja formal .
Sekarang apa bidang aplikasi di mana kita harus menggunakan desain dan analisis algoritma tradisional juga di masa depan, dan sangat tidak mungkin bahwa setiap kemajuan pembelajaran mesin akan membuat algoritma tradisional sebagian besar tidak relevan?
Pada awalnya ini mungkin tampak seperti pertanyaan konyol: Tentu saja kita harus dapat melakukan penyortiran, pencarian, pengindeksan, dll juga di masa depan! Tentu saja kita harus dapat melakukan transformasi Fourier secara efisien, melipatgandakan matriks besar, menemukan jalur terpendek, menyelesaikan masalah optimasi linear!
Tetapi sekali lagi, setelah Anda mulai melihat lebih dalam pada aplikasi di mana kami secara tradisional menggunakan algoritma yang kami desain, sama sekali tidak jelas bahwa desain dan analisis algoritma tradisional adalah jawaban yang tepat untuk masalah-masalah seperti: Dalam aplikasi yang terkait dengan pencarian , biasanya kami tertarik untuk menemukan sesuatu yang cocok untuk manusia dalam arti yang tidak jelas (mis. kesamaan semantik), bukan sesuatu yang optimal dalam beberapa pengertian matematika (misalnya jarak edit minimum). Dalam aplikasi yang berkaitan dengan perencanaan rute, biasanya kami tertarik untuk menemukan rute yang baik berdasarkan contoh (mis. orang lain lebih suka), bukan rute yang optimal dalam beberapa pengertian matematis (misalnya jarak terdekat atau harga termurah). Dan begitu Anda memiliki beberapa komponen manusia yang samar-samar dan tidak jelas dalam gambar, mungkin kita lebih baik mencoba mengajarkan komputer untuk menghasilkan jawaban yang baik berdasarkan contoh, daripada mencoba membiarkan peneliti TCS muncul. dengan masalah komputasi formal yang dapat kita atasi melalui desain dan analisis algoritma tradisional.
Jadi apa saja area aplikasi (lebih disukai aplikasi industri nyata dan langsung) di mana sangat jelas bahwa apa yang telah kita lakukan dalam algoritmik di masa lalu juga akan menjadi cara yang benar (dan satu-satunya cara yang mungkin) untuk membuat kemajuan dalam masa depan?
Algoritma yang digunakan sebagai subrutin dalam teknik pembelajaran mesin terlihat seperti kandidat yang terbukti nyata di masa depan, tetapi ini sangat bergantung pada teknik pembelajaran mesin tertentu yang kami gunakan, dan seperti yang telah kita lihat dalam sepuluh tahun terakhir ini, ini dapat dengan cepat berubah .