आइए अब से कुछ 30 वर्षों के भविष्य को देखें। आइए हम आशावादी हों और मान लें कि मशीन लर्निंग से जुड़े क्षेत्र उतनी ही तेजी से विकसित हो रहे हैं जितना हमने पिछले 10 वर्षों में देखा है। यह बहुत अच्छा होगा, लेकिन फिर ऐसे भविष्य में पारंपरिक एल्गोरिदम की भूमिका क्या होगी?
यहां "पारंपरिक एल्गोरिदम" द्वारा मैं उस सामान्य प्रक्रिया का उल्लेख करता हूं जिसे हम टीसीएस में अनुसरण करते हैं: समस्या को हल करने के लिए एक अच्छी तरह से परिभाषित कम्प्यूटेशनल समस्या , डिजाइन एल्गोरिदम को औपचारिक रूप दें और औपचारिक प्रदर्शन की गारंटी साबित करें ।
अब ऐसे कौन से एप्लिकेशन क्षेत्र हैं जिनमें हमें भविष्य में भी पारंपरिक एल्गोरिदम डिजाइन और विश्लेषण का उपयोग करना चाहिए , और यह बहुत कम संभावना है कि मशीन लर्निंग के किसी भी अग्रिम पारंपरिक एल्गोरिदम को ज्यादातर अप्रासंगिक बना देगा?
सबसे पहले यह एक मूर्खतापूर्ण प्रश्न की तरह लग सकता है: निश्चित रूप से हमें भविष्य में भी छँटाई, खोज, अनुक्रमण आदि करने में सक्षम होने की आवश्यकता होगी! बेशक, हमें फूरियर को कुशलता से बदलने में सक्षम होने की आवश्यकता होगी, बड़े मैट्रिसेस को गुणा करें, सबसे छोटे रास्ते खोजें, रैखिक अनुकूलन समस्याओं को हल करें!
लेकिन फिर, एक बार जब आप उन अनुप्रयोगों पर गहराई से देखना शुरू करते हैं जिनमें हम परंपरागत रूप से उपयोग किए जाने वाले एल्गोरिदम का उपयोग करते हैं, तो यह बिल्कुल स्पष्ट नहीं है कि पारंपरिक एल्गोरिथम डिजाइन और विश्लेषण ऐसी समस्याओं का सही उत्तर है: खोज से संबंधित अनुप्रयोगों में , आमतौर पर हम किसी ऐसी चीज को खोजने में रुचि रखते हैं जो किसी अस्पष्ट बीमार-परिभाषित अर्थ (जैसे अर्थ संबंधी समानता) में एक इंसान के लिए एक करीबी मेल है, न कि कुछ ऐसा जो कुछ गणितीय अर्थों में इष्टतम है (जैसे न्यूनतम संपादित दूरी)। मार्ग नियोजन से संबंधित अनुप्रयोगों में, आमतौर पर हम ऐसे मार्गों को खोजने में रुचि रखते हैं जो उदाहरणों के आधार पर अच्छे हों (जैसे कि अन्य लोग इसे पसंद करते हैं), न कि वे मार्ग जो कुछ गणितीय अर्थों में इष्टतम हैं (जैसे सबसे कम दूरी या सबसे सस्ती कीमत)। और एक बार जब आपके पास चित्र में कुछ अस्पष्ट, बीमार परिभाषित मानव घटक होता है, तो ऐसा हो सकता है कि हम उदाहरणों के आधार पर कंप्यूटर को पढ़ाने की कोशिश करने से बेहतर हैं, बजाय इसके कि टीसीएस शोधकर्ता को सामने आने की कोशिश करें। एक औपचारिक कम्प्यूटेशनल समस्या के साथ जिसे हम पारंपरिक एल्गोरिथ्म डिजाइन और विश्लेषण के माध्यम से निपटा सकते हैं।
तो क्या अनुप्रयोग क्षेत्र हैं (अधिमानतः वास्तविक और प्रत्यक्ष औद्योगिक अनुप्रयोग) जिसमें यह बिल्कुल स्पष्ट है कि हम अतीत में एल्गोरिदम में क्या कर रहे हैं, प्रगति करने का सही तरीका (और एकमात्र संभव तरीका) होने जा रहा है। भविष्य?
मशीन लर्निंग तकनीक में उप-वृत्तों के रूप में उपयोग किए जाने वाले एल्गोरिदम एक स्पष्ट भविष्य-प्रूफ उम्मीदवार की तरह दिखते हैं, लेकिन यह विशेष रूप से उस विशेष मशीन लर्निंग तकनीक पर निर्भर करता है जिसका हम उपयोग करते हैं, और जैसा कि हमने पिछले दस वर्षों में देखा है, यह तेजी से बदल सकता है ।