到現在很多人對電腦AI還停留在暴力運算的階段
魔禁成書年代，對AI的理解大概也就是這樣
很多理論都還沒提出(或未有實現的方法)
實際上，現在AI在已經有類似於人類學習的行為，可以建立"經驗"，運算前排除不必要的
部分，和之前大不相同
書中樹狀圖設計者，看描述實際上就只是一個超超強運算器而已(即使以現在角度來看也
難以實現)
拿超強硬體運行一般軟體、運算(受限於作者對相關知識的了解...)
==
所以比較並不成立
樹狀圖設計者

你對軟硬體的定義蠻奇怪的...

其實他說的沒什麼錯誤,樹狀圖設計者本質上只是一台運算效率極高的電腦硬體,但是在演算法上由於作者認知的極限基本上可以說是跟原始人一樣,但現代AI的進化是在演算法上的進化,換言之,只要演算法的水平夠高,用PC照樣可以達到甚至超越使用差勁的演算法的超級電腦,但一般來說不會有人做這種暴殄天物的事,如果使用最優的演算法,那超級

大多數的作法是： 大幅優化軟體+普通電腦

電腦的價值根本體現不出來

但最常見的是： 普通軟體+極限硬體，只要不是用組合語言寫的程式，包跨C之類的，都會多包一層，效率自然有差。

少打了一個不字= =...

主要理由是開發上比較容易其實現在的一般桌機，運算效率資就超越以前的超級電腦了

主要問題是,優化演算法需要天才的大腦,優化硬體只需要比普通人強一點的大腦加新鮮的肝

現在多數使用都是普通軟體 大幅優化軟體使用量沒想像的多只有很專業的領域 像是一些模擬程式才在使用

優化其實到處可見的，像是排序之類的，早就封裝在底層了

但是這和現代AI又是不一樣的概念 AI目前發展傾向於自我學習

可是第二集就有那金色大...什麼的 砍了當麻一隻手

要把那些課本裡都有的軟體經典拿出來講那大家用的都優化啦

一樣啦，演算法的論文出來後，就會有人寫成libary，然後想用的人就會去找來用了。

"優化軟體"和單純演算法優化還是有差 "優化軟體"往往重點在簡化軟體處理的"問題" 而不是簡化"運算"

我聽不懂，請問你是程式圈的嗎？我是以我自己的工作經驗來講的，一般開發上其實沒那麼重視執行效率，而比較重視開發效率跟修改彈性。但是在發現程式跑得慢的時候，就會針對軟體跑得慢的部份去修改了。我不太懂你所謂的「簡化軟體處理的"問題"」是什麼意思

一般軟體開發目前確實傾向於這樣 因為硬體太猛寫好寫壞使用者不一定感覺的出差異 會有差的往往是卡在某些BUG中但是在專業領域中用的模擬軟體就差很多了 最源頭的"解法"如果選不對 不是運算資源吃很大 就是根本解出不合現實的解這就是所謂的針對"問題"去優化 以便找出最佳的"解法"

了解

不過這也不是正常軟體開發會去接觸的東西啦 畢竟跨足專業了

AlphaGo其實開始試著模擬人類的思考模式，但仍保留強大的演算能力

現在的年代顯學是大數據, 只要講分散式之類的就覺得猛了XD