Machine learninggel lehetséges szorozni megtanítani egy gépet, úgy hogy gyorsabb legyen mint bármelyik jelenlegi szorzó algoritmus? Tehát a gép felfedezne egy újfajta szorzási módszert ami gyorsabb lenne minden eddiginél?

Ez kizárt.

A szorzás olyan alapművelet, amley hardveresen ki van a végletekig optimalizálva. Az MI csak egy fölös layert jelentene, semmi többet.

5: Régen úgy volt, hogy az emberek csak számítógépet szerettek volna építeni, ami megkönnyítette volna a munkájukat és pontosabbá tette volna azt. Ennek érdekében a lehető legegyszerűbb architektúrát építették ki, amely akkoriban nem volt képes, csak összeadásra. Ez elég is volt, tekintve, hogy a kivonás, az osztás és a szorzás is visszavezethető összeadások sorozatára. A kivonás is összeadás, hiszen ezért képezünk kettes komplemenst.

Ami tény, hogy a két legnevesebb 8 bites processzor, a 6502 és a z80 sem tartalmazott szorzó áramköröket. Sokban még ma sincs ilyen.

Ma már vannak a modern, nagy teljesítményű processzorokban hardveres szorzók (Dadda, Wallace, vagy ennél is korszerűbb áramkörök), de az tény, hogy ezek csak a processzor szóhosszúságának megfelelő "teljesítményre" képesek. A nagyobb számok összeszorzásához már szoftveres rásegítés kell, hiszen egy 2048 bites szám egyszerűen nem fér be egy 64 bites processzor regiszterébe.

Azt azonban érdemes látni, tudni és észben tartani, hogy a szorzás is csak összeadások hosszabb-rövidebb sorozata. Háromszor négy az ugye 4 + 4 + 4.

A szorzás (egyszerű), faktorizáció (nehéz), prímtesztelés (könnyű) három különböző dolog.

Gépi tanulást például játékokra szoktak használni, vagy arra, hogy felismerjen valamit a gép. Arról nem tudok, hogy megadsz egy feladatot, és gépi tanulással kitalál a gép egy új, hatékonyabb algoritmust.