MIT证明：算法比硬件更有用解决超大规模问题软件算法对计算速度提升了多少？麻省理工学院最新研究称：算法40%以上的性能提升已经超过了硬件的摩尔定律。对于中等规模的问题，30%-43%的算法改进比硬件改进更能提高性能。当问题数据扩展到数亿时，算法改进变得比硬件改进/摩尔定律更重要。这是麻省理工学院的两位科学家在分析了57本教科书和超过1,137篇研究论文的数据后得出的结论。不仅如此，它们还全面说明了现有和历史算法的发现时间、改进方式以及改进的规模。14%的算法改进率超过1000%。通过分析QS排名前20名计算机名校使用的课件，研究人员归纳出11个算法子领域：组合学、统计/机器学习、密码学、数值分析、数据库、操作系统、计算机网络、机器人、信号处理、计算机图形/图像处理，生物信息学。通过分析该子领域的算法教材、学术期刊、发表论文等信息，研究人员划分出113个算法族，平均每个族有8个算法。他们首先统计了从1940年到现在各种算法首次被提出的时间：并根据这些算法首次提出时的时间复杂度进行了总结。可以看出，31%的算法属于指数复杂度的范畴：在时间复杂度提升方面，对于n=100万的问题规模，部分算法比硬件或摩尔定律有更高的提升率：1算法族当将此分析扩展到110个算法族时，可以看出对于中等规模的问题(n=1000)，只有18%的算法比硬件改进得更快。但是当问题的规模达到百万级、数十亿级甚至万亿级时，算法的提升速度就超过了硬件的性能。甚至有14%的算法族提升率超过1000%，远超硬件提升带来的性能提升。△a：n=1000b：n=100万c：n=1亿作者简介论文第一作者YashSherry，毕业于德里大学计算机科学专业，现为麻省理工学院研究员斯隆商学院。是跟踪算法的改进及其对IT公司经济的影响。另一位NeilThompson是麻省理工学院CSAIL（计算机科学与人工智能实验室）的科学家，也是哈佛大学创新科学实验室的客座教授。论文：https://ieeexplore.ieee.org/document/9540991
