通过实践优化，而非仅理论 | AI生成和翻译
问题：学习优化的关键是否在于专注于实际任务，并尝试用AI改进它们，而不仅仅是阅读——例如，优化AMD ROCm内核？
回答：
是的，这种方法非常有效。优化，尤其是在计算或AI领域，本质上离不开实际应用。阅读和理论能提供基础理解，但真正的掌握来自于在真实问题上进行实验，因为其中的权衡、约束和性能指标都是具体的。
以 AMD ROCm内核优化 为例：
- 你有一个真实的工作负载（内核），可以通过执行时间、内存使用量和吞吐量来衡量。
- AI辅助方法，例如使用机器学习来建议分块、展开或内存访问模式，能够提供数据驱动的洞察，这是单纯通过阅读难以获得的。
- 迭代测试让你能够立即看到更改的效果，从而加深对底层硬件的理解和直觉。
这一原则广泛适用：无论是优化代码、供应链、神经网络，还是业务流程，动手实验加上度量衡，都能比纯理论带来更深的理解。
参考：