Алгоритмика не только про способы вычислений на компьютерах, она и про способы мышления людей!
Но это всё разнообразие подходов к универсальности вычислений и дороговизна универсальных расчётов не снимает факта, что люди перестают заниматься алгоритмикой как придумыванием людьми специальных алгоритмов для отдельных частных прикладных вычислений и больше внимания уделяют универсальным алгоритмам, а уж прикладные вычисления потом делаются по итогам работы универсальных вычислителей. Классическая алгоритмика, конечно, останется (программирование самих универсальных вычислителей включает и классическую алгоритмику), но акценты меняются буквально на глазах: алгоритмика 2016 года и текущего года существенно разная. Так, архитектура универсального алгоритма Transformer впервые была опубликована в 2017 году[1], её просто не существовало в 2015 году (году публикации книги Педро Домингоса про The Master Algorithm), но сейчас большинство практических применений AI на базе больших языковых моделей следует идеям этой архитектуры и её модификаций. Ограничения архитектуры Transformer тоже уже хорошо известны, поэтому активно идёт поиск новых и новых универсальных алгоритмов — более универсальных, более скоростных, менее требовательных к памяти. В 2026 году будут уже вполне в ходу квантовые компьютеры, но есть и аналогово-фотонные идеи[2], и множество других аппаратных идей, так что и алгоритмика будет для них другой: сложность алгоритмов существенно зависит от физики вычислителя, что трудно для одного вычислителя, то нетрудно и быстро для другого.
Компьютерные вычисления и человеческое мышление одинаковы в том смысле, что это вычисления. Физику нашего «мокрого вычислителя» в голове мы тоже ведь дополняем «ускорителями» в виде разных компьютеров, так что они не только одинаковы, но и по большей части неразделимы — общее вычисление мозга и «ускорителей». Эти «ускорители» тоже могут иметь свои ускорители как «инструменты» — и дальше можно поставить задачу научения пользования инструментами в общем виде[3].
Весь этот наш подход «образования для образованных» через предобучение универсального интеллекта на основе интеллект-стека из фундаментальных трансдисциплин — это такой же сдвиг от человека как «опытного» в части владения многими-многими прикладными специализированными алгоритмами решения отдельных прикладных задач к «умному» человеку, который способен справиться с самыми разными проблемами при помощи своего универсального интеллекта. Хотя по классификации Chollet — ещё не универсального для всех классов проблем во вселенной, но всё-таки уже «экстремального» интеллекта, в отличие от текущего компьютерного интеллекта. Ход тот же самый, что и в современной алгоритмике: один и тот же универсальный аппроксиматор, задействуемый для решения самых разных проблем.
Люди тоже всё меньше будут просто «помнить и проверять, узнавать и передавать» (линейные менеджеры, передающие указания от топ-менеджеров персоналу, и собирающие отчёты по работе персонала, становятся не нужны, равно как не нужны и прочие клерки), но больше думать/рассуждать — и плохо или хорошо это будет происходить, тоже будет определяться способом их мышления, алгоритмами. Трансдисциплины интеллект-стека описывают лучшие известные человечеству способы мышления/алгоритмы мышления/последовательности действий, которые нужно выполнить интеллекту, чтобы решить проблему.
В интеллект-стеке нужна алгоритмика как мыслительная практика рассуждений о вычислениях/мышлении в той части, где выясняется, как рационально расходовать свой человеческий вычислительный ресурс, а также ресурс вычислительной техники. Мышление людей дорого, мышление компьютеров тоже дорого. Через некоторое время окажется, что самые дорогие, самые умные люди озадачивают самые дорогие компьютеры (и озадачить эти компьютеры помогают не менее дорогие компьютеры!), и хорошо бы, чтобы эти люди понимали, что способ вычисления/алгоритм имеет значение!