Есть статья, написанная Deepmind: Faster sorting algorithms discovered using deep reinforcement learning.
Их система AlphaDev смогла улучшить реализацию алгоритма сортировки, результат уже имплементирован в std и используется:

AlphaDev discovered small sorting algorithms from scratch that outperformed previously known human benchmarks. These algorithms have been integrated into the LLVM standard C++ sort library3. This change to this part of the sort library represents the replacement of a component with an algorithm that has been automatically discovered using reinforcement learning.

Ещё недавно была новость, как их же система AlphaTensor смогла ускорить алгоритм Штрассена по умножению матриц. То есть ИИ вполне успешно оптимизирует штуки, которые люди не выводят логически, а перебирают. Умный перебор — работает.

Здравствуйте, Nuzhny, Вы писали:

N>Есть статья, написанная Deepmind: Faster sorting algorithms discovered using deep reinforcement learning.
N>Их система AlphaDev смогла улучшить реализацию алгоритма сортировки, результат уже имплементирован в std и используется:

Насколько я понял, это не новые алгоритмы, как заявлено в заголовке статьи, а оптимизация машкодов — экономия пары инструкций при сортировке 100500мильонов значений действительно может дать некоторый выигрыш.

N>Ещё недавно была новость, как их же система AlphaTensor смогла ускорить алгоритм Штрассена по умножению матриц. То есть ИИ вполне успешно оптимизирует штуки, которые люди не выводят логически, а перебирают. Умный перебор — работает.

НВидия с пеной у рта доказывает, что они научились считать Signal Integrity при помощи ИИ.
Если совсем на пальцах, то бредогенератором нагенерили туеву хучу топологий, промоделировали их и полученные результаты использовали для обучения ИИ. После чего заявили, что традиционные солверы больше не нужны, ИИ способно моментально выдать результат. Результат, правда, иногда очень странный
Но надо же лохам впаривать лопаты вычислительные мощности

Здравствуйте, Nuzhny, Вы писали:

Затестил сейчас различные ИИ для решения олимпиадной задачки за 6 класс.
Ну o3 вроде справился, остальные -4.1, claude 3.7, deepseek не шмогли.

Здравствуйте, Stanislav V. Zudin, Вы писали:

SVZ>Насколько я понял, это не новые алгоритмы, как заявлено в заголовке статьи, а оптимизация машкодов — экономия пары инструкций при сортировке 100500мильонов значений действительно может дать некоторый выигрыш.

Да, именно так. кажется, что можно ждать в будущем и новые оптимизирующие инструменты к компиляторам по типу PGO. Когда такой ИИ-помощник будет советовать программисту переписать код.

SVZ>НВидия с пеной у рта доказывает, что они научились считать Signal Integrity при помощи ИИ.
SVZ>Если совсем на пальцах, то бредогенератором нагенерили туеву хучу топологий, промоделировали их и полученные результаты использовали для обучения ИИ. После чего заявили, что традиционные солверы больше не нужны, ИИ способно моментально выдать результат. Результат, правда, иногда очень странный
SVZ>Но надо же лохам впаривать лопаты вычислительные мощности

Иногда такие подходы и работают. В химии, медицине нейросети также генерируют миллионы вариантов соединений, их ранжируют и проверяют в лаборатории 10-100 самых перспективных. Раньше люди тратили на такой поиск существенно больше и умственного времени, и лабораторных опытов. Теперь нейросетевой подход берёт на себя интеллектуальную часть работы.

Я бы назвал это оптимизацией локальных минимумов: "алгоритм сортировки"/"умножения матриц"/"выберите по вкусу" уже придуман человеком, а оптимизировать его перебором берутся алгоритмы. Главное, не почивать на лаврах.

Здравствуйте, steep8, Вы писали:

S>Затестил сейчас различные ИИ для решения олимпиадной задачки за 6 класс.
S>Ну o3 вроде справился, остальные -4.1, claude 3.7, deepseek не шмогли.

Запусти решения советских задач годов 50х-60х, не решат ни одну. Просто потому что этих задач нет в интернете и сеть про них ничего не знает.

Здравствуйте, mike_rs, Вы писали:

_>Запусти решения советских задач годов 50х-60х, не решат ни одну. Просто потому что этих задач нет в интернете и сеть про них ничего не знает.

А автор вашего задачника кто?

Здравствуйте, Nuzhny, Вы писали:

N>Ещё недавно была новость, как их же система AlphaTensor смогла ускорить алгоритм Штрассена по умножению матриц.

Теперь новая версия — AlphaEvolve и новая новость:

Он разработал новую процедуру градиентной оптимизации и предложил улучшенные алгоритмы для умножения комплексных матриц 4×4, превзойдя знаменитый алгоритм Штрассена. Более того, система успешно решила или улучшила около 20% из более чем 50 открытых математических задач в геометрии, комбинаторике и теории чисел. Одно из достижений — новое приближение в задаче поцелуев (kissing number) в 11 измерениях: AlphaEvolve нашёл конфигурацию из 593 касающихся сфер.

До этого были матрицы 3х3. Пока практические результаты применения нейросетей выглядят именно так: оптимизация процессов на единицы процентов со скоростью значительно превышающей возможности человека (тот же алгоритм Штрассена продержался 50 лет). Там на процент, тут на процент. Пока без революций и сингулярностей.

Здравствуйте, Nuzhny, Вы писали:

N>

N>Он разработал новую процедуру градиентной оптимизации и предложил улучшенные алгоритмы для умножения комплексных матриц 4×4, превзойдя знаменитый алгоритм Штрассена.

А увидеть это улучшение можно?

Здравствуйте, Vzhyk2, Вы писали:

V>А увидеть это улучшение можно?
https://www.quantamagazine.org/ai-reveals-new-possibilities-in-matrix-multiplication-20221123/