理解 P/NP 问题时,我产生了一种已经触碰到人类认知天花板的错觉?!

本文涉及的产品
密钥管理服务KMS,1000个密钥,100个凭据,1个月
简介: 咱研究算法的时候,一定遇到过动态规划中的 旅行商问题(TSP)!TSP 是一个 NP 完全问题,今天咱要聊聊正是七大 千禧年大奖难题 之首的 【P/NP 问题】!

image.png

概念初识



咱研究算法的时候,一定遇到过动态规划中的 旅行商问题(TSP)

TSP 是一个 NP 完全问题,今天咱要聊聊正是七大 千禧年大奖难题 之首的 【P/NP 问题】!


  • 注:每解破一道千禧年大奖难题可获奖金100万美元


其实,本瓜在前不久的一篇文章《做题家:不可不会的“算法设计与分析”!》中提过一嘴:

“了解 P/NP 问题!有一种让我觉得已经触碰到人类【数学天花板】的错觉。😵”


现在再看这句话,我小了,格局小了! 此句应更正为:

“P/NP 问题应该是现代人类【认知的天花板】!它有着足以颠覆整个世界的力量!💪”


那究竟什么是 P/NP 问题 ???


一言以蔽之:

如果一个问题的解,可以在多项式时间内被验证(P),那么是否证明可以在多项式时间内找到这个解(NP)?

  • 多项式时间:如 O(n2)、O(n100)、O(n200) 等;如果能证明是可以的(即 P = NP),或者证明是不可以的(即 P ≠ NP),您就能拿 100 万美金了。


最通俗来讲,如果证明了 P = NP,就意味着:【当我们提出一个问题的验证方法后,我们就能获得了这个问题的解!】


这是非常恐怖的一句话!当代计算机科学和信息技术的基础是 P ≠ NP,如果证明了 P = NP,世界将迎来大变革!

  • 2002 年对 P/NP 领域专家的一次调查显示,相信 P = NP 以及 P ≠ NP 的专家的比例是 9:61。

举个栗子



举个例子🌰:

数独问题,验证很容易,只要遍历行和列去检查就可以了,时间复杂度是 O(n2)。

但是,反过来,如果给你一个数独问题,你是否能在多项式时间内求出它的解?

image.png


目前的结论是:不确定!


再举一例🌰:

当我告诉 319 是两个质数的乘积时(即告诉了验证方法),请问 319 是哪两个质数的乘积呢?如果是一个非常非常大的质数呢?


这个问题,和数独问题一样,能在多项式时间内验证(做乘法运算即可),但不确定是否能在多项式时间内求解。

即它们的特点:很好验证,但是求解很难!!

现实中还有非常多的这类例子🌰:

我们可以在多项式时间内验证它(P:polynomial time),但是不确定否可以在多项式时间内找到这个解(NP:nondeterministic polynomial time)。


比如:资源调度问题、图着色问题、哈密顿回路问题、旅行商问题......

比特币卒



如果 P = NP,现代【非对称加密】的密码体系会彻底崩掉(比如比特币等加密货币,会直接消失)。

我们知道非对称加密体系:通过私钥可以算出公钥,而通过公钥无法算出私钥。


image.png


这种非对称性是安全的最强重要保障!

私钥(K)* G = 公钥(P)
公钥(P)/ G = 私钥(K)


对私钥(K)做 G 运算,得出 公钥(P),这个很容易!(验证容易

但是由公钥(P)做 G 运算的逆运算得到 私钥(K),目前认为是:非常非常非常难的,几乎不可能,这是加密安全的最重要基础!(求解困难)。


如果证明了 P = NP,那么我们就可以通过计算机在多项式时间内算出这个私钥解啦!那就没有加密可言啦!!所以,加密体系也就崩溃掉了!!

你可能会疑问:这个多项时间如果很大呢,比如 O(n100)?


答:只要 P = NP,即使这个多项式时间很大,我们迟早也能把它算出来!因为问题不变,算力是不断提升的。量子计算

这样说,如果现代密码系统崩溃,其中的利益远远大于破解 P/NP 问题的 100 万美元~


人与机器



更加细思极恐的是,如果证明了 P = NP,【人与机器】的界限开始变得模糊。

MIT 计算机科学和人工智能实验室教授 Scott Aaronson 说:

“如果 P = NP 的话,这个世界将是完全不同的地方。任何创意都不再会有价值!一个问题被找到后,从认知它到解决它不会再有遥不可及的距离。喜欢交响乐的人,可以成为莫扎特;喜欢逐步论证的人,可以成为高斯。艺术和智能都由计算的深层架构所模制。”


意味着:无论多复杂的问题,只要能在多项式时间内验证,就代表着我们能在多项式时间内解决它。即使是艺术创造!

计算机能精确地模仿某一个特定的人。网络的身份鉴定将变得相当困难,以致于不得不借助物理方式;


万物归一



肖邦曾说过:

“简单是最终的成就。”


我们将 P/NP 问题的释义再夸张一点:

P/NP 终极之问:世界上一切复杂的问题是不是都能变成简单的问题?

没人知道。


或许人类最终无法找到这最简单的真理,就像游戏里的人物无法理解我们一样。

这个宇宙是混沌的?还是有序的?

呜呼~这次算是顶到天花板了QAQ?一切归于寂寥......


推荐阅读




相关文章
|
2月前
|
数据采集 机器学习/深度学习 人工智能
揭秘AI大模型的‘梦幻迷雾’:一场关于真实与虚假的智力较量,你能否穿透幻觉迷雾,窥见真相之光?
【10月更文挑战第13天】本文深入探讨了大模型幻觉的底层逻辑,分析了其产生的原因、表现形式及解决方案。从数据质量、模型复杂度、解码策略等方面解析幻觉成因,提出了提高数据质量、引入正则化技术、增强上下文理解等对策,旨在减少大模型生成不准确或虚假信息的风险。
73 1
|
2月前
|
机器学习/深度学习 自然语言处理 算法
【深藏功与名】揭秘大模型背后的真相:为何它们常让人欢喜让人忧,又该如何破局?
【10月更文挑战第5天】近年来,随着计算资源和算法的提升,大规模深度学习模型在自然语言处理和计算机视觉领域取得了显著成就,但也引发了“大模型幻觉”的讨论。该现象指模型虽在特定任务上表现出色,但在实际应用中存在过度拟合和泛化能力差等问题。本文分析了大模型的底层逻辑,并通过PyTorch代码示例展示了如何使用L2正则化缓解过度拟合。此外,还介绍了通过数据增强提高模型泛化能力的方法。未来研究需进一步平衡模型复杂度与泛化能力,以实现更佳性能。
50 0
|
4月前
|
搜索推荐 知识图谱 UED
信息检索新技术问题之回音室效应的定义如何解决
信息检索新技术问题之回音室效应的定义如何解决
35 0
|
决策智能
博弈论第十一集总结(进化稳定—合作,突变,与平衡 “ 观后感)
博弈论第十一集总结(进化稳定—合作,突变,与平衡 “ 观后感)
81 0
|
定位技术 图形学
窥探他人眼中的世界:用眼睛反光重建3D场景,《黑镜》走进现实
窥探他人眼中的世界:用眼睛反光重建3D场景,《黑镜》走进现实
156 0
|
架构师 安全 搜索推荐
技术人员如何破除达克效应(认知偏差)?
技术人员如何破除达克效应(认知偏差)?
331 0
技术人员如何破除达克效应(认知偏差)?
|
机器学习/深度学习 人工智能 搜索推荐
“鸡肋”的AI预测死亡系统,能否巧变“熊掌”?
我不希望在最后离开的时候说不出话来,我希望可以在我还漂亮的时候跟他告别。
“鸡肋”的AI预测死亡系统,能否巧变“熊掌”?
曾鸣:我们碰上了人类历史上罕见的巨变时代
曾鸣是阿里巴巴集团学术委员会主席、湖畔大学教育长,我们喜欢叫他“曾教授”。 他认为,我们正在人类历史上非常罕见的巨变时代,一边是技术的高速增长,一边是脚下地基的快速塌陷。怎样才能抓住机遇,成为一家3.0的公司? 花5分钟,和橙子一起充电吧,洞悉互联网,一起认识这个快速变动的世界。
2164 0