主要观点总结
本文介绍了Ryan Williams的新研究，他建立了一种数学程序，能够将任意算法转化为占用空间显著更少的形式，证明了少量计算内存（空间）在理论上比大量计算时间更有价值，这一结果颠覆了计算机科学家近50年的认知。文章还介绍了复杂性理论中的时间（Time）和空间（Space）概念的历史背景及研究进展。
关键观点总结
关键观点1: Ryan Williams的新研究建立了一种数学程序，能够大幅度减少算法所需的空间。
该数学程序将任意算法转化为形式更加简洁的算法，证明了少量计算内存（空间）在理论上比大量计算时间更有价值，这一结果颠覆了计算机科学家近50年的认知。
关键观点2: 时间和空间是计算中最基本的两种资源，任何算法在执行时都需要一定的时间和一定的空间来存储数据。
以往某些算法的所需空间与运行时间成正比，但Williams的研究表明，通过优化算法，可以显著减少所需空间。
关键观点3: 存在关于计算时间与计算空间之间关系的研究，但过去的研究进展存在瓶颈。
复杂性理论研究者普遍认为空间是一种远比时间更为强大的资源。然而，在过去的研究中，研究人员一直试图找到一个通用的模拟方法来连接时间和空间，但存在许多困难。Williams的研究打破了这一僵局。
正文
机器之心编译
相信大家都曾有过这样的经历：运行某个程序时，电脑突然卡住，轻则恢复文件，重则重新创建；或者手机频繁弹出「内存不足」的警告，让我们不得不忍痛删除珍贵的照片或应用。
这些日常的烦恼，其实都指向了计算世界中两个至关重要的基本要素：
时间和空间。
时间和空间（也称为内存）是计算中最基本的两种资源：
任何算法在执行时都需要一定的时间，并在运行过程中占用一定的空间以存储数据。
以往已知的某些任务的算法，其所需的空间大致与运行时间成正比，研究人员长期以来普遍认为这一点无法改进。
MIT 的理论计算机科学家 Ryan Williams 的最新研究建立了一种数学程序，能够将任意算法 —— 无论其具体执行何种任务 —— 转化为一种占用空间显著更少的形式，
证明少量计算内存（空间）在理论上比大量计算时间更有价值，
这颠覆了计算机科学家近 50 年来的认知。
更重要的是，这一结果不仅揭示了在特定空间约束下可执行的计算范围，还间接证明了在有限时间内无法完成的计算类型。虽然后者早已预期它成立，但一直缺乏严格的证明方法。
