加密货币:半个世纪已经过去，算法效率提升有多快？

过去半个世纪，集成电路产业在摩尔定律的指引下飞速发展，算法效率一直保持着大跨度提升。2018年世界上最快的计算机IBMSummit比1945年世界第一台电子计算机ENIAC计算速度提高了近30万亿倍。

然而，随着摩尔定律接近物理极限，芯片研发和生产成本大幅上升，未来依靠算力提升计算性能的空间有限。靠提升计算机硬件性能可能越发难以满足海量计算的需要，未来的解决之道在于提升算法的效率。

MIT的这篇新论文总结了过去80年来，算法效率的提升究竟有多快。

提起算法，它有点像计算机的父母，它会告诉计算机如何理解信息，而计算机反过来可以从算法中获得有用的东西。

算法的效率越高，计算机要做的工作就越少。对于计算机硬件的所有技术进步，以及备受争议的摩尔定律的寿命问题来说，计算机硬件的性能只是问题的一方面。

人社部：探索推进社会保障卡加载数字人民币支付功能:金色财经报道，人力资源社会保障部印发《数字人社建设行动实施方案》的通知，提出将建设部省联动的人社区块链基础支撑服务平台、电子印章系统、电子证照库，实现全国共建共用、互通互认。利用5G、视频、区块链等技术，辅助远程实现工伤事故调查、劳动能力鉴定。依托社会保障卡构建统一身份认证体系和支付结算模式，建立“区块链＋电子社保卡”个人信息授权使用机制，探索推进社会保障卡加载数字人民币支付功能。[2023/6/28 22:05:34]

而问题另一方面则在硬件之外：算法的效率问题。如果算法的效率提升了，对同一计算任务需要的算力就会降低。

虽然算法效率问题可能不太受关注，但你是否注意到，经常使用的搜索引擎是否突然变快了十分之一，而在大型数据集中活动，就感觉就像在泥泞中跋涉一样艰难缓慢。

加拿大监管机构提醒该国公民警惕以假监管机构背书的加密平台:6月21日消息，加拿大证券管理局发布投资者警告，称建议加拿大公民仔细检查加密货币交易服务提供商，因为这些平台可能会使用“虚构的”监管机构来提高其可信度。一些“所谓的”加密平台声称得到了某些监管机构或争议解决组织的批准，“以显得合法”；这些网站乍一看似乎是可信的，涉及投诉处理、纠纷解决和为受害投资者提供补救措施，但经过仔细检查，这些网站的语言可能很尴尬且未经修饰，存在拼写、语法或句法错误，这是非法实体的常见‘危险信号。

监管机构还建议，考虑投资加密货币的公民应该将这些公司与在CSA注册的公司进行对比检查。目前，有12个加密交易平台被授权在加拿大开展业务，而有11个平台已经提交了预注册承诺。[2023/6/21 21:52:03]

这些都与算法效率有关。

外媒：2022年乌兹别克斯坦政府向加密公司征收超30万美元费用:2月4日消息，援引乌兹别克斯坦加密行业监管机构在新闻发布会上透露，获得许可的加密公司已在2022年期间支付了35亿乌兹别克斯坦索姆（超过310,000美元）。目前有五个加密平台被授权在该国合法运营，国家控制的交易所Uznex和四个较小的交易所，Crypto Trade NET、Crypto Market、Crypto Express和Coinpay。

自去年10月以来，乌兹别克斯坦的加密货币服务提供商需要为其活动支付固定的月费，Uznex等加密货币交易所需支付10,000多美元，而较小的交易平台（也称为“加密货币商”）的 500美元左右之间。

此外，根据现行法律，在乌兹别克斯坦运营的与加密货币交易相关的个人和组织须纳税。[2023/2/4 11:47:14]

近日，麻省理工学院计算机科学与人工智能实验室(CSAIL)的科学家提出疑问：算法效率的提升速度到底有多快？

数据：Binance交易所地址24小时增加1536万枚FTT:金色财经报道，据OKLink数据显示，被标记为Binance交易所的链上地址24小时增加1536万枚FTT（或为交易所用户存入），24小时增涨率为2194.4%。

截止目前该地址持有1615万枚FTT，价值约3650万美元，为FTT(FTX Token) 下持仓量排名第四的地址，占比4.91%。[2022/11/10 12:42:43]

关于这个问题，现有数据大部分是叙事性的，其中很大一部分是面向特定算法的案例研究，再把这些研究结果加以推广。

面对实证研究数据的不足，研究团队主要利用了来自57部教科书和1110多篇研究论文的数据，以追溯算法效率提升的历史。

其中有些论文的结论中直接给出了新的算法有多高效，有的论文则需要作者使用“伪代码”进行重构。

研究人员总共研究了113个“算法系”，即解决计算机科学教科书中最重要的同一问题的算法集。他们对每个算法族的历史进行了回顾，跟踪每次针对某一问题提出的新算法，并特别注意更高效的算法。

图1算法发现和改进。(a)每十年发现的新算法系的数量。(b)已知算法系的比例每十年都有所提高。(c)首次发现时算法系的渐近时间复杂度分类。(d)同一时间复杂度的算法转换到另一个时间复杂度的每年平均概率。在和中“>n3”的时间复杂度表示超过多项式级，但不到指数级。

最早的算法系可追溯到上世纪40年代，每个算法系平均有8个算法，按时间顺序效率逐步提升。为了共享这一发现，团队还创建了“算法维基”页面。

研究人员绘制了图表，标识这些算法族效率提升的速度，重点关注算法分析最多的特征——这些特征往往决定了解决问题的速度有多快。

图2算法系的相对效率提升，使用渐近时间复杂度的变化计算。参考线是SPECInt基准性能。(a)与该系列中的第一个算法相比，四个算法系的历史改进。(b)算法改进对“最近邻搜索”算法系列的输入大小(n)的敏感度。为了便于比较算法改进效果随时间的变化，在图(b)中将算法系和硬件基准的起始时间段对齐。

结果显示，变数很大，但也发现了关于计算机科学变革性算法效率提升的重要信息。即：

1、对于大型计算问题，43%的算法系的效率提升带来的收益，不低于摩尔定律带来的收益。

2、在14%的问题中，算法效率提升的收益远超硬件性能提升的收益。

3、对于大数据问题，算法效率提升收益特别大，因此近年来，这一效果与摩尔定律相比越来越明显。

当算法系从指数复杂度过渡到多项式复杂度时，情况出现了最大的变化。

所谓指数复杂度算法，就像一个人猜密码锁的密码一样。如果密码盘上只有一位数，那么任务很简单。如果像自行车锁一样，表盘是4位数，估计你的自行车很难有人偷得走，但仍然可以一个个试。如果是表盘是50位的，就几乎不可能破解了，需要的步骤太多了。

图3基于渐近时间复杂度计算的110个算法系效率提升的年平均速度分布，其中问题规模为：(a)n=1000，(b)n=100万，(c)n=10亿。硬件性能提升线表示从1978年到2017年，SPECInt基准性能的平均年增长率

这类问题也是计算机面对的难题，随着问题的规模越来越大，很快就会超过计算机的处理能力，这个问题光靠摩尔定律是解决不了的。

解决之道在于找到多项式复杂度的算法。

研究人员表示，随着摩尔定律终结这个话题越来越多地被提及，我们需要将未来的解决方案的重点放在算法的效率提升上。

图4前导常数在算法性能提升中的重要性评价

研究结果表明，从历史上看，算法效率的提升带来的收益是巨大的。不过二者之间存在着频度的差异，摩尔定律带来的提升是平滑而缓慢的，而算法效率的提升是阶梯式的跃进，但出现没那么频繁。

本文通讯作者尼尔·汤普森说：

这是业界第一篇说明算法效率提升速度的论文。通过我们的分析，可以得出算法改进后，使用同样的算力可以完成多少任务。

随着问题的规模不断增大，比如达到数十亿或数万亿个数据点，算法效率的提升带来的收益，比硬件性能的提升更重要，而且重要得多。

在我们开始逐步为算力不足发愁的时代，在摩尔定律越来越显出疲态的今天，这一发现可能为未来解决超大型计算问题开辟一条新的思路。

参考链接：

https://news.mit.edu/2021/how-quickly-do-algorithms-improve-0920

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9540991

编辑：星际视界Sue

标签：加密货币FTTCRYCRYPT加密货币有哪几种类型FTT币还会涨起来吗Dragon Crypto Aurumcryptofi币有价值

芝麻开门交易所热门资讯