学术界的人工智能研究过分局限于约翰·麦肯锡的定义,也就是人工智能的目标是“像人”,并指出我们应该突破对智能的狭义理解。这与AI要解决NP-hardJ别难题有什么联系?
“像人”的人工智能是一个已经被大家很重视的方向,但我认为人工智能的另一个发力点是「解决大问题」。尤其是用机器学习的方法解决意义重大的科学难题,即在多项式时间内“有效解决”指数复杂性问题。
所谓指数复杂性是指求解一个问题所需的时间或空间(存储用量)随着问题规模增加而指数性地增加。这也就人们常说的组合爆炸。在计算复杂性理论中,将一大类目前还找不到多项式J复杂性算法的问题划归为NP-hard问题。如果一个问题能找到多项式J复杂性的算法,例如排序算法等,直接按确定的程序计算就能准确求解,人们一般不认为是人工智能应用。人工智能要研究的问题几乎都是NP-hard问题,从其诞生开始就要对付组合爆炸。从这种意义上讲,人工智能的“天”就是组合爆炸,所谓“D天”就是找到巧妙的办法克服组合爆炸。
![]() |
商用机器人 Disinfection Robot 展厅机器人 智能垃圾站 轮式机器人底盘 迎宾机器人 移动机器人底盘 讲解机器人 紫外线消毒机器人 大屏机器人 雾化消毒机器人 服务机器人底盘 智能送餐机器人 雾化消毒机 机器人OEM代工厂 消毒机器人排名 智能配送机器人 图书馆机器人 导引机器人 移动消毒机器人 导诊机器人 迎宾接待机器人 前台机器人 导览机器人 酒店送物机器人 云迹科技润机器人 云迹酒店机器人 智能导诊机器人 |