Neural algorithmic reasoning｜ニューラルアルゴリズム推論

しかし、私の問いは、これらの前提が真であることを何ら要求するものではありません。第一に、現実世界はしばしば信じられないほどノイズが多く動的であり、そのような抽象化された入力を提供することはほとんどありません。例えば、タスクは現実世界の交通ネットワーク内の2地点間を移動する最適な方法に関わる可能性があり、これはリアルタイムの交通速度を推定するためにノイズの多い複雑なデータを処理することを必要とする、難しい経路探索問題です――これは私がGoogle Mapsにグラフニューラルネットワーク（GNN）を導入する作業をした際に、個人的に学んだ教訓です[29]。第二に、なぜ「最適」が最短でなければならないのでしょうか？交通経路探索の文脈では、具体的な状況や目標に応じて、「最適」は最も費用対効果が高い、最も汚染が少ないなどを意味する可能性が十分にあります。これらのすべてのバリエーションは、ダイクストラ法の直接的な適用を困難にし、実際には複数のアルゴリズムの組み合わせを必要とするかもしれません。 これらの両方の問題は、複雑な現実世界のデータと、対象アルゴリズムを実行するのに適した入力との間で、しばしば困難なマッピングを行う必要があることを浮き彫りにしています。歴史的に、このマッピングは人間によって、手動で、または専門的なヒューリスティクスを介して行われてきました。これは当然、次の疑問を呼び起こします：人間は、いつの日か

ニューラルアルゴリズム推論

背景や根拠まで確認しますか？

調べる

選ぶ

サイト