Zum Inhalt springen
L

Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).

Theoretische Informatik: Epistemologie und RAM-Modelle

Topico Deutsch6:10 6 Aufrufe veröffentlicht Auf YouTube

Das Wichtigste aus dem Video

Tipp auf eine Zeit – das Video springt genau dorthin.

Transkriptautomatisch erstellt · 40 Zeilen
Herunterladen
  1. Willkommen zu dieser Analyse der theoretischen Informatik. Wir untersuchen heute die epistemologischen Grundlagen, die es uns ermöglichen,
  2. komplexe physikalische Prozesse in abstrakte mathematische Modelle zu übersetzen. Im Zentrum steht das Random Access Machine Modell Kurz RAM und die
  3. Frage, warum wir elementaren Operationen Kosten von O1 zuweisen, obwohl die physikalische Realität viel komplexer ist. Beginnen wir mit dem fundamentalen
  4. Dilemma der Informatik. Wie generieren wir verlässliches Wissen über künstliche Systeme, die zwar von Menschen geschaffen, aber oft undurchschaubar
  5. komplex sind? Anders als die Physik, die eine bereits existierende Natur beschreibt, konstruiert die Informatik ihre Objekte, Algorithmen und
  6. Datenstrukturen selbst. Abstraktion ist hierbei kein bloßes Weglassen, sondern eine normative Entscheidung. Wir bestimmen aktiv, was als relevantes
  7. Detail zählt und was wir als bloßes Rauschen der Implementierung ignorieren. Dennoch existieren diese Abstraktionen nicht im luftleeren Raum. Wir sprechen
  8. von einer sogenannten Implementierungsspur. Ein abstrakter Stapelspeicher mag mathematisch rein durch das Lifoprinzip
  9. definiert sein, aber in der Realität verbraucht er Speicherzellen und Energie. Das RAM Modell versucht diese Spur zu minimieren, kann sie aber
  10. niemals vollständig tilgen. Warum tun wir das? Das Ziel ist Inviarianz. Wir wollen sagen können, dass ein Algorithmus effizient ist, ohne zu
  11. wissen, ob er auf einer Intel CPU oder einem Armprozessor läuft. Die Zuweisung von Einheitskosten ist ein methodologischer Trick, um zeitlose
  12. mathematische Wahrheiten über Prozesse zu formulieren, die auf zeitgebundenen Maschinen ablaufen. Um das abstrakte Modell zu verstehen, müssen wir sein
  13. physisches Vorbild betrachten, die von Neumann Architektur, das Fundament fast aller modernen Computer. John von Neumann etablierte 1945
  14. das Konzept des Stort Program Computers. Die Schlüsselaspekte sind ein gemeinsamer Speicher für Programm und Daten, was selbstmodifizierenden Code
  15. ermöglicht, eine strikt sequentielle Abarbeitung durch einen Befehlszähler und der namensgebende wahlfreie Zugriff, der das mühsame Spulen von Bändern wie
  16. bei der Touringmaschine überflüssig macht. In der Theorie unterscheiden wir oft zwischen der RAM und der Rasp. Während die Rasp die von Neumannchektur
  17. exakter abbildet, da das Programm imselben Speicher liegt wie die Daten, hat sich die RAM durchgesetzt. Beide sind polynomiell äquivalent, aber die
  18. RAM ist einfacher zu analysieren, da wir selten selbstmodifizierenden Code betrachten. Formalisiert durch Cook und Rhow besteht eine RAM aus vier
  19. Komponenten, einem unendlichen Speicher aus Registern, einem Befehlszähler, einem Akkumulator für Rechenoperationen und dem Programm selbst. Ein Zustand der
  20. Maschine ist definiert durch das Tupel aus Befehlszähler und Speicherinhalt. Die Atome der Komplexität sind die elementaren Operationen. Dazu gehören
  21. Datentransfers wie Load und Store, Arithmetik, logische Operationen und Kontrollflussbefehle wie Jump. All diesen Operationen weisen wir
  22. konventionsgemäß Kosten von O von 1 zu. Besonders hervorzuheben ist die indirekte Adressierung hier als Load Stern K dargestellt. Sie nutzt den
  23. Inhalt eines Registers als Adresse für den nächsten Zugriff. Ohne diese Operation wäre die effiziente Simulation von Zeigern, Listen und Bäumen in
  24. konstanter Zeit unmöglich. Sie ist der qualitative Unterschied zur Touringmaschine. Kommen wir nun zum Kern der Debatte, dem methodologischen Aspekt
  25. der Einheitskosten. Warum darf eine Multiplikation genauso viel kosten wie eine einfache Addition? Das Modell hat Stärken und Schwächen. Auf der positiven
  26. Seite ermöglicht es eine saubere Analyse der algorithmischen Struktur, ohne sich in Bitzählerei zu verlieren. Aber Vorsicht, wenn Zahlen beliebig groß
  27. werden, bricht das Modell zusammen. Theoretisch könnte man durch wiederholtes Quadrieren riesige Zahlen erzeugen und massive Parallelität
  28. kostenlos nutzen, die sogenannte Mation Anomalie. Als Korrektiv gibt es das logarithmische Kostenmaß. Hier kostet eine Operation Zeit proportional zur
  29. Länge der Zahl in Bits. Das ist physikalisch korrekter. Informationen zu verarbeiten kostet Energie und Zeit, aber für die tägliche Arbeit von
  30. Softwareingenieuren auf zu unhandlich. Der Ausweg aus diesem Dilemma ist das Wardrum Modell. Wir nehmen an, dass die Maschine auf Wörtern einer Breite W
  31. operiert, wobei W mindestens dem Logarithmus der Eingabegröße N entspricht. Das ist nur logisch, damit die Maschine überhaupt die Eingabe
  32. adressieren kann, müssen die Adressregister groß genug sein. Dieses Modell führt uns zur Transdichotomie. Da ein Maschinenwort log Bits enthält,
  33. können wir mit Bitweisen Operationen wie and oder XR tatsächlich log n Bits parallel in einem einzigen Schritt verarbeiten. Algorithmen wie Fusion
  34. Trees nutzen genau diese Eigenschaft, um schneller zu sortieren, als es durch bloße Vergleiche möglich wäre. Wo die Abstraktion jedoch am stärksten von der
  35. Realität abweicht, ist beim Speicher. Das Rammodell behauptet, jeder Zugriff koste gleich viel. In der Realität sehen wir eine Hierarchie. Register sind
  36. blitzschnell, aber ein Zugriff auf den Hauptspeicher, ein sogenannter Cashmiss, kann hunderte Taktzyklen kosten. Das Modell ist hier blind für die Latenz. Um
  37. dies zu kompensieren, nutzen wir erweiterte Modelle wie Cash Oblivius Algorithmen, die Datentransfers minimieren oder die Parallel RAM, kurz
  38. Payram, um GPUs und Multicore Prozessoren zu modellieren. Zusammenfassend lässt sich sagen, das RAM Modell mit Einheitskosten ist eine
  39. noble Lüge. Es ist physikalisch ungenau, aber epistemisch unglaublich nützlich. Es destilliert die essentielle Komplexität eines Problems heraus,
  40. gereinigt vom Rauschen der technologischen Implementierung. Danke für Ihre Aufmerksamkeit.

Zum Nachlesen