优质边坡防护网：遏制计算的环境足迹需要高效的算法

随着计算应用程序变得越来越复杂和数据集不断增长，计算对环境的影响也在不断升级。从历史上看，这不是什么大问题，因为不断增长的计算需求被硬件效率的提高所抵消，通俗地称为摩尔定律。但随着硬件改进的减弱，另一个(通常是看不见的)效率来源正在占据中心位置：改进算法。
我们对计算日益增长的需求可以从数据中心的激增中看出——它们可以跨越数百万平方英尺——并且需要大量电力。在国际能源机构估计，数据中心占全球能源消耗的百分之一，而所有的0.3%，全球二氧化碳排放量。如果没有提高计算效率的方法，随着我们在越来越多传感器的世界中解决越来越大的大数据问题，这些危害将会增加。

文章插图
在最近的一项研究中，Yash Sherry(麻省理工学院斯隆分校的研究附属机构)和我研究了算法改进的速度，并将其与历史上对不断增长的计算需求最重要的平衡——摩尔定律进行了比较。在计算机硬件构建块小型化的推动下，摩尔定律在计算效率方面提供了数十年的逐年大幅提升。正如农业生产力的提高推动了全球人口的增长，硬件生产力的提高推动了世界计算的增长。
但是，如果摩尔定律是新闻中经常出现的浮华兄弟，那么算法改进就是幕后工作的兄弟。
算法是告诉计算机要做什么和以什么顺序做的食谱。虽然摩尔定律让我们的计算机每秒可以做更多的操作，但算法的改进一直在提供更好的方法来让每个操作做更多的事情——而且好处可能是巨大的。例如，假设您是 Google 地图，需要找到人们前往的 1,000 个热门地点之间的最短路径。使用旧算法进行计算很容易是使用更现代版本的100 万倍。我们记录的另一个例子是文本匹配，例如搜索引擎在网页中查找关键字，或者律师搜索法律文件以获取特定参考。更好的算法可以轻松地使这样的搜索比原来快 100 倍，从而减少计算时间和能源消耗。
但是，虽然个别例子可能令人印象深刻，但我们想要一个更大的视角。在这项研究中，我们查阅了 57 部教科书和一千多篇研究论文，以找出计算机科学家认为最重要的算法。从这些中，我们提取了 113 个不同的“算法家族”(以不同方式解决同一问题的算法集)，这些算法被计算机科学教科书强调为最重要的。对于 113 个中的每一个，从 1940 年代到现在，我们每次都针对该问题提出新算法时进行跟踪。
那么算法改进与硬件改进相比如何呢?对于大数据问题，43% 的算法家族的同比改进等于或大于摩尔定律的收益。其中，14% 的改进大大超过了来自更好硬件的改进。这些改进彻底改变了这些领域的可行性，使得以硬件改进无法解决的方式解决问题成为可能。对于我们当前数据量不断增加的时代，同样重要的是算法改进带来的收益越大，解决的问题就越大。
处于计算前沿的企业和研究实验室已经在响应投资于更好算法的需求。中等组织将 6% 到 10% 的 IT 开发人员用于创建新算法，将 11% 到 20% 用于改进现有算法，这代表了非常可观的投资。习惯于仅通过购买新硬件来改进计算的其他组织，将越来越需要跟随这些算法旗手的引领以保持竞争力。
算法日益重要是推动计算进步的更大变化的一部分。从历史上看，改进以硬件为中心，但随着摩尔定律的终结，这种情况正在发生变化。相反，算法改进将越来越多地走在前沿，为解决新的、更难的计算问题提供引擎。
但推动计算的前沿只是更好算法的好处之一，另一个是效率。对于政府或学术界人士，或者只是那些关心计算可持续性的人来说，更好的算法是一个理想的选择：让我们能够获得相同的结果，但大大降低了环境成本。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：