一圖讀懂你不得不知道的10個影響人類社會的演算法

新智元編譯

來源：equities.com

作者：Visual Capitalist

編譯：劉小芹

【新智元導讀】本文的信息圖表詳細介紹了演算法的定義、起源以及 10個重要而且基本的演算法，並提出有關演算法，尤其是人工智慧和深度學習對人類社會、經濟的影響的思考。

在現代世界，演算法承擔了大量的數學運算。演算法控制著從粒子加速器到股市的一切，它們決定讓你看到什麼新聞，讓你得到什麼搜索結果，決定計算機的學習方式，以及在 Netflix 或 Amazon 上推薦給你的內容。

總之，隨著我們在越來越多的事情上依賴演算法，假如沒有演算法，社會就不能工作。因此，了解演算法是什麼，演算法能做什麼變得十分重要。

演算法是什麼？

演算法決定我們在新聞流中與誰互動；它們在世界上最大的搜索引擎給網站排名；他們教機器人學習和想像；它們甚至將股市交易自動化。在許多方面，演算法使軟體開發者變成了現代世界的統治者。但演算法究竟是什麼？它們從哪裡來？它們將如何編程我們的未來？

演算法【al·go·rithm】

NOUN

在計算或其他解決問題的操作中要遵循的過程或一組規則，尤其指計算機。

演算法的起源

「演算法」（algorithm）這個術語來自花拉子米（AI-Khwarizmi，c. 780-850），他是一名波斯數學家、天文學家、地理學家和學者。演算法（Algorism、Algorithm）出自「Algoritmi」，這是花拉子米（AI-Khwarizmi）的拉丁文譯名。第一個有記錄的數學演算法可以追溯到公元前1600年，當時巴比倫人為了因式分解和開平方根而開發了演算法。

現代演算法於20世紀20年代後期形成，並在20世紀30年代隨著高德爾-赫爾布蘭德-克林（Godel-Herbrand-Kleene）提出遞歸函數，阿隆佐·邱奇（Alonzo Church）提出λ演算，埃米爾·珀斯特（Emil Post）提出Formulation 1（Post-圖靈機），以及艾倫·圖靈（Alan Turing）提出圖靈機（Turing Machine）而成形。

演算法的特徵

演算法必須在某個點停止（有限性）。

比如說，任務是做蛋糕，那麼演算法就是做蛋糕的食譜，它指導你準備什麼材料，把什麼東西攪拌混合，烤箱要設置什麼溫度，為了烤出完美的蛋糕應該什麼時候停止烘焙。

演算法的描述必須明確並有具體的步驟（明確性）。

如果任務是找到公園的位置，那麼演算法就是一組方向，明確地告訴你要做什麼，怎樣到達公園。

演算法解決問題必須有效（有效性）。

如果任務是做一個玩具飛機，那麼演算法就是一個說明書，指導你將哪些部件組合在一起，最後能得到一個組裝好的玩具。

主要的演算法

鏈接分析（Link analysis）

從搜索引擎，社交網路到在線營銷，各實體之間的關係分析十分重要。鏈接分析有很多方法和特點，每個方法都可以是一個演算法，儘管它們的基礎是相似的。比如，谷歌的佩奇排名（PageRank），Facebook的朋友推薦，Youtube或Netflix的視頻推薦——它們的參數可能不同，但背後的數學本質上是一樣的。

數據壓縮

從zip到mp3，從JPEG到MPEG-2，這些演算法壓縮數據以使系統成本更低，更高效，而且更容易傳輸。數據壓縮用於視頻遊戲，視頻，音樂，雲計算，數據存儲，資料庫以及你在計算機中下載的任何內容。

RSA加密演算法

RSA加密演算法由RSA公司的三位創始人（Ron Rivest，Adi Shamir，Leonard Adleman）共同提出，RSA即三人姓氏的首字母。該演算法引入了加密技術，並為每個人可用。該演算法解決了一個簡單但複雜的問題：如何在最終用戶和獨立平台之間共享公共密鑰。RSA演算法適用於公開密匙加密和數字簽名，廣泛用於保護通過互聯網等不安全網路發送的敏感數據。

安全散列演算法

這是由美國國家標準與技術研究院（NIST）發布的密碼散列函數家族。從這些演算法得到的散列通過將你收到的文件的散列與原始散列進行比較來校驗你收到的文件是否正確。應用商店，電子郵件，殺毒軟體、瀏覽器以及其他互聯網內容都使用這些散列演算法來檢查你下載的內容是否網路釣魚或網路攻擊的結果。

歸併排序，快速排序和堆排序

基於比較的歸併排序（Merge Sort）採用「分治法」（Divide and Conquer），快速排序（Quick Sort）也一樣，但快速排序有不同的排序方法，而且不穩定，更適合基於RAM的數列。堆排序演算法（Heap Sort）使用優先隊列來減少數據中的搜索時間。這些演算法是數據挖掘、人工智慧、鏈接分析和大多數計算操作使用的最重要的一些演算法。

比例-積分-微分

這種演算法幾乎無處不在——車輛，飛機，移動網路，衛星服務，工廠甚至機器人都有它的身影。它是一個控制迴路反饋的機制，目的是減少理想輸出信號和實際輸出信號之間的誤差。它應用於需要信號處理或電子控制系統的任何地方，控制機械，液壓或自動化的熱系統。

傅里葉變換和快速傅里葉變換演算法

這兩種演算法將來自時域的信號轉換成頻域，或反之。互聯網，數據機，智能手機，平板電腦，衛星，筆記本電腦——基本上，數字世界中的一切或具有計算機系統的任何東西都使用這些演算法。

戴克斯特拉演算法（Dijkstra』s algorithm）

這是一種搜索演算法，可以被建模成圖，以便找到兩個節點之間的最短路徑。儘管找最短路徑的問題還有其他方法，但戴克斯特拉演算法對於需要穩定性的系統是第一選擇的。這種演算法的一個變體在今天應用於人工智慧領域。

整數分解

這是一個數學演算法，是將合數分解成更小的非平凡因子的一系列步驟。整數分解在計算領域應用廣泛，特別是在協議基於分解大整數的密碼學中。

佩奇排名

演算法是讓計算機完成任務的預定步驟的集合。它可以說是一個說明書，就像生活中一樣，使用說明書可以很簡單（例如宜家桌子的說明書），也可以非常複雜（例如提交專利的過程）。

演算法應用的一個有名的例子是谷歌的佩奇排名（PageRank），它決定某一網站在Google搜索結果的排名順序。

通過建立一個被稱為馬爾可夫鏈的隨機模型，PageRank徹底改變了世界獲取信息的方式。這種演算法的強大幫助Google掌握了41％的在線廣告市場，佔據了 Alphabet 的大部分收入。

演算法如何影響社會

社交平台在向我們提供新聞和信息方面有著重要作用。事實上，美國估計有44％的人通過Facebook消費。我們越依賴社交網路為我們提供新聞，演算法就越多地影響我們所接觸的信息。由於社交平台的設計是為我們提供定製的內容，我們正在創造在線的回聲箱，擠出了反對意見，這個問題引起越來越多的關注。

演算法也對我們的經濟產生了深遠的影響。大約50％的市場使用高頻交易——使用專用程序進行自動交易的過程。當今的經濟有很大的部分是人工干預很少的。

近年來，人工智慧領域的進步產生了許多令人興奮的成功。深度學習正在使各種機器輔助任務成為可能。深度學習正在影響著預防醫療、無人駕駛車輛、藥物發現、生物信息學，以及購物網站的超定製化推薦。

深度學習

深度學習的非凡之處在於它超越了人類對計算機進行編程的限制。相反，程序員使用由數TB數據驅動的學習演算法來訓練它執行複雜的任務。計算機本質上是自己學習如何識別所需的對象，文本或動作。

演算法經濟學

技術提供商的潛在上升空間是巨大的，特別是在全球範圍工作的專有程序。一個「物體」自主地溝通，不需人為干預地採取行動的時代，肯定會深刻地影響我們的社會。

最大的問題是，一旦計算機和演算法處理了所有業務，那麼我們做些什麼？

附：信息圖示全圖

原文：https://www.equities.com/news/an-introduction-to-algorithms

點擊閱讀原文查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！