Czy ktoś pracuje tutaj nad jakimiś AI? Wiem, że generatory liczb pseudolosowych są wykorzystywane w AI między innymi w cross validation, stochastic gradient descent, Monte Carlo tree search oraz w algorytmach genetycznych. Ale czy mieliście do czynienia z problemami, w których generatory PRNG były kluczowe, jeśli chodzi o jakość, szybkość, możliwość pararelizacji/brak takiej możliwości? Zwłaszcza z przypadkami, gdy algorytm nie wykonywał prawie żadnych kosztownych obliczeń, poza generowaniem liczb pseudolosowych?
Czy mieliście do czynienia z przypadkami, gdy nie wystarczyło wziąć domyślnego generatora PRNG w danym języku/środowisku, a trzeba było pomyśleć nad znalezieniem najlepszego, najszybszego, żeby uczenie/AI działało lepiej/szybciej? Generatory PRNG są używane w AI, ale czy zdarza się w ogóle, że jest to na tyle istotny czynnik, iż wymaga optymalizacji ponad domyślne rozwiązania typu Mersenne Twister?
Podejrzewam, że w przypadku takiego AlphaGo, który korzysta z Monte Carlo tree search, PRNG mógłby stanowić istotny faktor, ale, czy prędkość, jakość, możliwość pararelizacji takiego PRNG w ogóle stanowi istotny czynnik w tej metodzie?