인간이 원하는 것과 언제 원하는지 정확하게 예측하는 것은 쉽지 않습니다.우리는 세상이 점점 더 복잡하고 다양한 현대 문제에 빠른 솔루션을 제공 할 것으로 기대하면서 까다로운 생물을 소개합니다.

지난 수십 년 동안 연구원들은 다양한 산업과 시나리오에 자원을 할당 할 수있는 다양한 수학 솔루션을 개발하여 우리의 삶이 그들에게 생명을 요구하는 일일을 따라 잡을 수 있습니다.그러나 한 번에 이루어진 할당이 후속 할당에 영향을 미치면 문제가 역동적이되고 시간의 전달은 방정식의 일부로 간주되어야합니다.이것은 작품에 수학적 스패너를 던지므로 이러한 솔루션은 이제 실제 세계의 변화하고 불확실한 특성을 고려해야합니다.

당신은 또한 다음을 좋아할 수도 있습니다:
â¢혁명의 3.5% 규칙은 무엇입니까?
â¢사회의 시간에 대한 관점을 변화시키는 방법
â¢인터넷이 헤어지는 이유

이러한 문제는 종합적으로 동적 리소스 할당 문제로 알려져 있습니다.그들은 실시간으로 할당 해야하는 제한된 자원을 찾을 수있는 곳에서 자릅니다.

택시를 기다리 든 다음날 배달을 기다리 든, 동적 자원 할당 문제와 일상적인 응용 프로그램 목록은 거의 끝이 없다.1980 년대 이후의 문제.

그러나 동적 리소스 할당 문제는 인간에게 원하는 것을주는 것, 원할 때 원하는 것을주는 것만으로는 관심이 없습니다.또한 기후 변화를 포함하여 세계에서 가장 기본적이고 복잡한 문제 중 일부를 다루는 데 필수적 일 것입니다. 기후 변화를 포함하여 지구의 종종 부족하고 고갈 된 자원을 가장 효율적인 방법으로 할당하는 데 도움이되기 때문입니다.

그러나 역동적 인 자원 할당 문제가 무엇인지, 무엇이 해결하기 어려운지 확인하기 위해 단순화 된 예제를 먼저 살펴 보겠습니다.

당신이 4 명의 가족을 위해 로스트 디너를 요리한다고 상상해보십시오.당신은 모든 트리밍으로 쇠고기를 선택합니다.그러나 당신이 봉사하려고하는 것처럼, 당신의 딸은 그녀의 채식주의자를 발표하고, 당신의 파트너는 그들이 늦게 달리고 있다고 말하고, 당신의 아들은 당신에게 그가 초대했다고 말합니다.저녁 식사를 위해 친구들도.그런 다음, 당신의 개는 쇠고기의 관절로 도망칩니다. 당신은 당신이 매우 까다 롭고 무례한 개인의 모든 요구를 어떻게 충족시키는지를 필사적으로 노력하고 있습니다.

기후 변화를 포함하여 세계에서 가장 기본적이고 복잡한 문제를 해결하는 데 필수적입니다.

이것은 역동적 인 자원 할당 문제의 사소한 예이지만, 이러한 문제를 해결할 때 연구자들이 직면 한 핵심 과제 중 일부를 보여줍니다.우선 수요에 영향을 미치는 매개 변수는 단기 및 장기적으로 예기치 않게 변경됩니다.이 식사를 준비 할 때 딸의 새로운식이 요건, 파트너의 지각 도착 또는 아들의 추가 손님을 정확하게 예측할 수있는 방법은 없습니다.

장기적으로 집안의 식사 수요도 매일 변경됩니다.각 앉을 때마다 2 ~ 20 명에게 먹이를 주어야 할 수도 있습니다.식사에서 식사에 이르기까지, 당신은 누가 먹이를 원하는지, 그들이 원하는지 또는 언제 원하는지를 알 수 없습니다.이전 경험에 따라 교육받은 추측을 할 수 있지만 인간의 본성과 수요에 영향을 미치는 다른 많은 매개 변수는 예측할 수 없기 때문에 강력한 방법은 아닙니다.

이 시나리오에서 개인의 행동은 또한 시스템의 미래 상태에도 영향을 미칩니다.특정 식사를 사람에게 할당 할 때마다 시스템이 변경됩니다.그것은 당신의 부엌에서 배고픈 사람과 음식을 모두 제거합니다.

• 모든 [동적 리소스 할당] 예제는 미래의 하중이 현재 하중에 통계적으로 의존하지 않기 때문에 매우 역동적이고 추정하고 예측하기 어려운 변화하는 입력 및 환경을 다루어야한다고 Eiko Yoneki는 말합니다.Cambridge University의 컴퓨터 실험실에서 데이터 중심 시스템 그룹을 이끄는 선임 연구원. 하나의 변화는 또 다른 변화를 일으키고 정확한 결정으로 시스템을 제어하려면 시스템의 미래 상태를 고려해야합니다.

더 많은 사람들이나 식사 옵션이 부엌에 들어 오면 상황이 더 복잡해집니다.이제 다양한 사람들에게 다양한 식사를 할당하는 더 많은 방법이 있습니다.이 조합 수는 시스템에 더 많은 사람이나 식사를 추가 할 때 기하 급수적으로 확장됩니다.

예를 들어, 문을 통해 오는 모든 환자에게 먹이를 줄 때 큰 병원이 직면 할 수있는 것입니다.이 환자들을 치료하려고 할 때도 마찬가지입니다.그들이 필요한 의약품, 스스로 유적 수명이 제한되어 있으며 진단 및 치료에 필요한 장비는 다른 환자가 도착함에 따라 지속적으로 변할 것입니다.MRI 스캐너, 의사 및 간호사와 같은 제한된 자원도 할당되어야합니다.이를 해결하고 비용이 통제 불능 상태로 치솟는 것을 방지하기 위해 병원 관리는 수학적 모델을 배치하여 이러한 모든 것을 조정하는 데 도움이 될 수 있습니다.

문제는 대부분의 기존 방법이 예측을하기 위해 과거 데이터에 의존한다는 것입니다.이 방법은 그러한 시스템에 대해서는 적절하지 않으며 가장 작은 변화조차도 대처할 수 없습니다.변화가 발생하면 정사각형으로 돌아가서 다시 해결책을 찾기 시작합니다.이러한 문제는 식사 나 MRI 스캐너에 관계없이 상당히 적은 수의 사람과 자원에 대해서도 계산적으로 다루기 힘들어집니다.

동적 리소스 할당 문제는 다양한 다양한 시나리오에서 발생하며 각 시나리오에는 고유 한 시나리오가 있습니다.예를 들어, Yoneki는 이러한 문제의 영향을 조사하여 컴퓨터 시스템과 응용 프로그램이보다 빠르고 효율적으로 실행될 수 있도록 도와줍니다.

 최신 컴퓨터 시스템은 복잡하며 메모리, 계산 용량, 통신 기능 및 시스템에 대한 모든 입력과 같은 리소스 할당을 포함하여 많은 구성 매개 변수를 조정해야합니다. 컴퓨터 시스템은 역동적이며 동적 제어 방법론이 필요한 끊임없이 변화하는 환경을 다루고 있습니다.

휴대 전화 네트워크와 클라우드 컴퓨팅은 이러한 문제를 해결하는 데 의존합니다. 

따라서이 기사를 읽고있는 컴퓨터는이 순간에 동적 리소스 할당 문제와 거의 씨름하고 있습니다.휴대폰 네트워크그리고클라우드 컴퓨팅이러한 문제를 해결하는 데 의존합니다.

배달 회사는 또한 배송 속도를 높이기 위해 동적 리소스 할당 문제를 해결하고 있습니다.예를 들어, UPS는 고급 알고리즘을 사용하여 전달 경로를 최적화하기 위해 온로드 통합 최적화 및 내비게이션 (ORION) 시스템을 개발했습니다.이 회사는 솔루션이 매년 1 억 마일을 절약했다고 ​​주장하지만기타 보고서복잡한 도시 환경에서 시스템 투쟁을 드러냅니다.

Powell은 오늘날의 제품의 복잡한 특성 때문에 공급망은 절대로 사라지지 않을 또 다른 문제라고 말합니다.예를 들어, 표준 스마트 폰을 제조하려면 전 세계의 수백 개의 구성 요소를 조정해야하며,이 모든 구성 요소는 공장 바닥에서 특정 순서로 모입니다. 공급망 중단은 사회의 요구를 충족 시키려고 할 때 큰 문제라고 덧붙였다.

우리의 에너지 공급도 점점 더 복잡하여 바람과 태양과 같은 예측할 수없는 재생 에너지에 의존합니다.이 소스의 출력은 주어진 시간에 에너지를 요구할 수있는 것처럼 격렬하게 변동 할 수 있습니다.에너지 비용도 변동 할 수 있습니다. 전기 가격은 5 분 내에 평균 50 배까지 급증 할 수 있습니다.

사실, 당신은 동적 리소스 할당 문제를 어떤 형태로든 관리하는 데 어려움을 겪지 않는 산업을 찾기 위해 고군분투 할 것입니다.Powell은“전기 가격, 공급망의 부품 수율, 여행 시간, 장비 고장 및 사람들의 행동은 내가 다루어야 할 모든 문제라고 말합니다.Â이 문제는 너무 풍부하여 다른 관점 에서이 문제에 대해 최소 15 개 이상의 별개의 연구 커뮤니티가 있습니다.

이것은 중요한 포인트입니다.동적 리소스 할당 문제의 다양성은 다양한 계산 기술과이를 해결하는 데 사용되는 방법의 업계 전체 표준화가 필요하다는 것을 의미합니다.Powell은 역동적 인 자원 할당 문제를 해결하는 이질적인 커뮤니티를 하나로 모 으려고 시도하는 사람들 중 하나입니다. 우리의 접근 방식은 이전 작업을 대체하지 않습니다.오히려이 모든 작업을 함께 제공하고 교차 수정 기회를 식별하는 데 도움이됩니다.

기계 학습의 발전은 역동적 인 자원 할당 문제를 해결하려는 새로운 희망을 제공합니다.

역동적 인 자원 할당 문제를 해결하기 위해 지난 수십 년 동안 풍부한 운영 관리 도구 세트가 매우 효과적이었습니다. 세계 항공사, 물류 회사 및 도로 네트워크가 다양한 방식으로 성능을 향상시킬 수 있도록 도와줍니다.그러나 Powell에 따르면, "많은 다른 매개 변수를 고려해야하는 많은 차원"이 고려되어야하고 불확실성은 여전히 ​​도전하고있다 "고 Powell에 따르면.

기계 학습의 발전은 역동적 인 자원 할당 문제를 해결하려는 새로운 희망을 제공하고 있습니다.심층 강화 학습이라는 인공 지능 기술을 통해 알고리즘은 환경과 상호 작용하여 수행 할 작업을 배울 수 있습니다.이 알고리즘은 올바르게 수행 한 것에 대한 보상을 받고 잘못 수행 한 것에 대해 처벌을 받음으로써 인간의 개입없이 배우도록 설계되었습니다.보상을 최대화하고 벌칙을 최소화하려고 시도하면 최적의 상태에 빠르게 도달 할 수 있습니다.

Deep Inforcement Learning은 최근 Google의 Deepmind의 Alphago 프로그램을 Go에서 세계 챔피언을 물리 칠 수있었습니다.이 시스템은 GO 게임에 대해 전혀 알지 못한 다음 스스로를 대결하여 성능을 최적화하고 최적화했습니다.게임은 깊은 강화 학습 기술을위한 중요한 개념 증명이지만 게임을하는 방법을 배우는 것이 그러한 방법의 최종 목표는 아닙니다.

Yoneki와 그녀의 팀은 심층 강화 학습을 사용하여 컴퓨터 시스템에서 성능 튜닝을위한 인간 생성 휴리스틱에 대한 실용적인 대안을 제공하기 위해 노력하고 있습니다.그들이 개발 한 컴퓨터 시스템은 이전에 계산적으로 다루기 어려운 의사 결정 문제를 해결하기 위해 확장 할 수 있습니다.계산 복잡성 문제를 해결하고 변화하는 매개 변수에 실시간으로 응답 할 수도 있습니다.

이 접근법을 사용하는 시스템은 이미 리소스 관리, 장치 지불 최적화 및 데이터 센터 냉각을 포함한 영역에서 시스템 성능을 최적화하는 데 사용되었습니다. 그러한 응용 프로그램은 처음에 있었고 완전히 새로운 기회의 세계를 열어줍니다.

영국의 케임브리지에 본사를 둔 Prowler.io라는 인공 지능 스타트 업의 연구팀은 자체 기계 학습 방식을 사용하여 동적 자원 할당 문제를 해결하고 있습니다.알고리즘은 시스템의 특정 동작을 유도 할 인센티브를 제공합니다.실제 상황에서, 이것은 특정 도로를 사용하도록 운전자에게 인센티브를 제공하고 교통 혼잡과 오염을 최소화하기 위해 스마트 톨를 도입하는 것과 동일 할 수 있습니다.

우리의 인구가 계속 증가하고 주문형 서비스에 대한 굶주림이 증가함에 따라 동적 자원 할당 문제의 복잡성은 강화 될뿐입니다.

그러나 기계 학습 분야에서는 여전히해야 할 일이 여전히 많다고 Yoneki는 말합니다.

 강화 학습을 사용하면 역동적 인 자원 할당 문제가 발전 할 것이지만 강화 학습 모델을 구축하려면 많은 데이터가 필요하며 여전히 더 복잡한 매개 변수를 다루어야하는 컴퓨터 시스템, 특히 실험 단계에 있습니다.단순한 게임 케이스보다, 그녀는 말합니다.Â이 주제에 대한 연구는 빠르게 진행되고 있습니다

우리는 오늘날의 기술과 계산 자원이 현실 세계의 복잡성과 무작위성을 해결하려고 할 때 증기가 빠르게 부족하기 때문에 여전히이 독특한 문제를 깨뜨리는 방법을 여전히 벗어납니다.그러나 인구가 계속 커지고 주문형 서비스에 대한 굶주림이 증가함에 따라 동적 자원 할당 문제의 복잡성과 일상 생활에 미치는 영향은 단지 강화 될 것입니다.

그리고 우리가 지금 역동적 인 자원 할당 문제를 해결하기 시작하지 않으면, 우리는 단지 테이블에서 저녁 식사를하는 데 어려움을 겪지 않을 것입니다. 전 세계는 중단 될 수 있습니다.

--

우리를 좋아하여 미래의 미래 팬 1 백만 명에 합류하십시오 페이스북, 또는 우리를 팔로우하세요 지저귀다 또는 인스타그램.

이 이야기가 마음에 드셨다면, 주간 bbc.com 특집 뉴스레터에 가입하세요, '이번 주에 6가지 내용만 읽으면...'이라고 합니다.BBC Future, Culture, Capital 및 Travel에서 수많은 이야기를 선택하여 매주 금요일에받은 편지함에 전달됩니다..에이