※ 引述《ripple0129 (perry tsai)》之铭言：
: 深度学习透过让机器大量的参与可以拥有归纳规则的能力，
: 设计模式中也只是透过大量遇到code常见的问题所归纳产生的解决方法。
: 换而言之，让软件大量观察程式码或许未来真的可以靠机器自己写软件？
43
最近在研究深度学习
有去上了一天搞懂深度学习
https://www.youtube.com/watch?v=ZrEsLwCjdxY
原本以为machine learning是很神的东西
上完之后，发现也没多神
不只没多神，还有许多困难要突破
后来我跟我弟（machine learning的博士）聊了一下天
才知道原来所谓deep learning算是这几年比较新兴的一个方法
回归原本问题：或许未来真的可以靠机器自己写软件？
的确有可能，但在目前deep learning也只能从围棋上证明是有机会超越人脑
而且需要一个很好的算法及好的资料以及大量机器
要到能够取代工程师，我看还要很久
可能到NP-complete都解出来了的时候～ML都不见得能取代工程师(一样都是算法的问题)

一天就懂了 超神

本来就没新东西，通常都是换个名称再出发

现在ML只是归纳跟try error 距离生物的学习还有一道本质上不同的墙 生物会为了得到奖励或者为了满足自身需求去做出一些行为 而这些行为不需要被定义scope 所以才有了创意 创造力

其实真的做到无定义下就能产code才是可怕的地方，或许还是必须规范在定义出需求才能产code比较妥当。

去年的pointer network可解决简单的售货员问题(NP-Hard)跟本不需产出code啊…直接给结果就好

简单解决是指?若TSP 可以非指数时间被解出,表示NP=P但这等大事没新闻, 就表示??

码农的新闻年代之类的应该不屑看吧，或许不知道哪边的有

将NP=P这等大事当小事看，就真的是只有码农了。

"简单"指的是在点<50时比某些近似算法来得强另外P?=NP只有理论上有那么一点点价值，算不上什么大事把这个当重要指标才是死读书的码农

码农的点果然是不同凡响。

噗 我把论文的标题都告诉你了，还在拿神龛乱喷在书上看到这np这几个难字就以为是cs最重要的事了？

一步步走 每个点都突破后会有新的点要突破.取代到负责创造的工程师? 这不知道要几千年的演化了吧 =_=

CS什么都不重要，你的"简单"最重要囉。

书呆子以管窥天. nn 都能解掉比 np-hard 更难的图形辨认和语音辨认了, 模拟个 np-hard 算什么大事重点在于现在 nn "似乎"可以计算离散的逻辑问题, 而不是要证明或否证那个虚无飘渺的理论问题

假设 P=NP 而且解 NPC 问题的复杂度常数够小的话可知的是大部分的加密法都可以轻易破解(例如 RSA)除此之外不知还有什么有趣的现象会发生 (?)https://goo.gl/4tODf3 这里好像是说在数学上会比较有用因为任何存在长度不大的证明的 theorem 都可以被电脑解决所以数学家就不用一直找证明了，不过乍看之下也无法理解这样的重要性

P=NP 只是说所有NP问题都"存在"个P时间的解法, 至于怎么那个解法是另一个问题. 而且这个P时间还要是"非确定型图灵机"才能够实现, 现在跟本就没这种机器. 若 P!=NP，最多只能确定"存在一个NP问题它不属于P问题", 其他的还是要一一检验, 但这不需要P?=NP的结论也可以做.而就算你确定某个问题没有P时间的解, 算法还是需要改进, 还是需要研究找出更好的近似. 所以我说 P?=NP 的价值只在理论上, 重要性很低.拿P?=NP来验证某个成果更是蠢到爆炸

假设 P=NP 就表示确定型图灵机可以在 polynomial time模拟非确定型图灵机了吧(只是说就像你说的，只是存在这模拟方法，距离找到还有距离因此只要P=NP 且找到那个存在的 P 时间算法只要用目前的机器就可以实现了，因为他们可以模拟 NTM相反的，如果有人做出神奇的“非确定型图灵机”就算P!=NP，用非确定型图灵机还是可以在 P 时间解NP问题因为实在很难想像 DTM 怎么在 P 时间模拟 NTM所以真的觉得如果 P=NP 还满厉害的 !

哇，扯好远呢，NP=P重不重要，CaptianH你就来一篇高论说，解了也不重要吧。省得你在这NN解什么的，扯一堆。TSP 是NP 问题。

感觉是NP的问题不过她有个Heuristic的解法 而不是真的解掉

笑死了PNP重要性只在理论上XDDDD这已经不是有没唸书的问题

nn 可以解比np hard 还难的问题。嗯。我也还可以提出一个常数时间解所有 np hard 的算法，只是都乱解而已。