Nach den immer neueren Erfolgen neuronaler Netze beim Spielen von Brettspielen könnte das nächste Ziel, das wir uns gesetzt haben, nützlicher sein, als Menschen in Starcraft zu schlagen. Genauer gesagt fragte ich mich, ob
Können neuronale Netze trainiert werden, um klassische algorithmische Probleme zu lösen?
Hier meine ich, dass das Netzwerk zum Beispiel einen Eingabegraphen mit gewichteten Kanten und zwei angegebenen Eckpunkten und , und wir haben ihn gebeten, so schnell wie möglich einen kürzesten Pfad zu finden . Dann würde sich das neuronale Netzwerk wohl selbst entdecken und trainieren, um Dijkstra oder ähnliches zu verwenden.s t s t
Einerseits wissen wir, dass die Rechenleistung neuronaler Netze . Andererseits weiß ich nicht, ob dies unbedingt mit meiner Frage zusammenhängt. Trotzdem wissen wir für die meisten Probleme nicht, ob sie in gelöst werden können oder nicht. Zu sehen, ob sich ein neuronales Netzwerk selbst trainieren kann, könnte ein guter Indikator dafür sein, ob es einen schnellen Algorithmus gibt oder nicht. Wenn sich neuronale Netze beispielsweise nicht darauf trainieren können, SAT schnell zu lösen, ist es (noch wahrscheinlicher), dass . Ich frage mich, was ein neuronales Netzwerk mit GRAPHISOMORPHISMUS oder FAKTORISIERUNG tun würde. N P ⊄ T C 0
Das Extrahieren des Algorithmus ist natürlich eine ganz andere Frage. Ich vermute, Experten wissen, wie das geht, aber darüber zu diskutieren, ist nicht das Thema dieser Frage.
Hinzugefügt zwei Tage später: Nachdem ich die Antworten gesehen habe, möchte ich angeben, dass ich es gerne wissen würde, wenn Sie negativ antworten
Warum ist Schachspielen einfacher als Dijkstra oder Graphisomorphismus?