第578章:萬能算法?
更新時間:2019-04-01 作者:昭靈駟玉
全能科技巨頭 第578章:萬能算法?
“我是以計算機編程起家的博士。”葉華來到了控制臺調出了浮空全息屏幕：“誠然，大腦所做的事情并不一定適用于計算機，因為這兩個是完全不同的個體，但我們并不是想要去將二者完美融合，我們可以允許兩者之間的差異性，但我們也許可以從兩者之間的部分共性為其搭建一座橋梁樞紐。” 對此，愛德華夫婦不置可否，神經科學實在是一門太過于龐大的學科。 層次很多，宏觀尺度、介觀尺度、微觀尺度，而且每個層次之間的聯系又往往很復雜，也很難相互聯系起來，很多時候學會了宏觀神經理論，卻不能用它來模擬認知功能，你需要微觀神經元網絡的知識，而學完神經元網絡的知識，又不能，又要一些突觸、樹突復雜運算的知識，怎么研究都研究不完。 盡管他們二人是該領域的權威研究學者，但對于這門學科，但凡涉獵的人都對其敬畏和謙卑。 可以說，人類對于自己的大腦和神經網絡的認知還不如對宇宙的認知豐富，在所有的人體器官的認知上，大腦是最為神秘的地帶，即便是這個領域的權威級專家也只敢說自己也是認知了其中的一點皮毛而已，甚至更少。 “光是基于混沌神經網絡便是一個典型的np問題。”邁·布里特女士如是說道，意思就是說這是無解的，至少目前是無解的，這里的“混沌”可不是神話小說里的那種定義，不過對于混沌現象，迄今為止也還沒有一個公認的普遍適用的數學定義。 “如果，我告訴二位，我已經成功的將一個np問題降至p類問題呢？” 葉華忽然拋出這么一句話，夫婦二人一聽整個人都面色大變，帶著不可思議的精彩表情。 “你說什么？”愛德華·莫澤抱頭神態夸張：“上帝，pnp問題已經被解決了？” 這二位夫婦雖然不是數學家，也不是計算機領域的學者或是信息專家，但這些領域都與神經科學有著深切關聯。 對于「pnp？」問題，即np完全問題，他們自然不會陌生，雖然不是信息學的專家，但對于這個問題的認知也要遠遠高于普通人。 np完全問題，可以這么認為，這種問題只有把解域里面的所有可能都窮舉了之后才能得出答案，這樣的問題是np里面最難。 如果要證明一個問題是np問題，可以拿已經是np問題的一個問題經過多項式時間的變化變成所需要證明的問題，那么所有證明的問題就是一個np問題了。 換句話說，即找到了一個算法，那么所有的問題都可以有多項式的解，可以說這就是所謂的「萬能算法」了。 這無疑是信息學的巔峰。 這不僅是對信息學的貢獻那么簡單，許多至今無解的問題都會被迎刃而解，例如人體蛋白折疊問題、絕癥，當然也包括神經科學，難怪夫婦二人會如此失態了。 真是因為np問題的存在，pnp變得難以置信，人們即便至今沒有證明或證偽，但更加偏向相信p≠np。 但是，葉華剛剛親口說把一個np問題降低到了p類問題！！！ “天吶……” 兩人絕對沒有想到剛剛來華夏，就獲得了這么一個爆炸性的消息，這要是傳出去了，整個學術界乃至全世界都得為之沸騰。 這已經不能用天才就可以形容的了。 震驚過后，夫婦二人激動不已，振奮莫名，葉華看到他們二人反而淡定的說道：“之前我說過，我是以編程起家的，把np問題降低p類問題的成果便是獲得了一個全新的算法。但是博士，它也并非是真正的萬能算法，因為在其之上還有「nphard問題」，相比您應該也知道的。” “即便如此，其貢獻也無可估量啊，對于神經科學的研究會帶來難以想象的裨益。”愛德華·莫澤振奮的說道。 “老師，您之前只給我們講了pnp問題，但「nphard問題」又是什么？”一直安安靜靜的洛蘭蒂斯在這個時候忍不住發問了。 邁·布里特女士看向她，微笑的簡要概述道：“就是說，nphard問題要比np問題的范圍廣。nphard問題同樣難以找到多項式的算法，但它不列入「pnp」的研究范疇，因為不一定是np問題。即使np問題發現了多項式級的算法，nphard問題有可能仍然無法得到多項式級的算法。事實上，它有可能比所有的np問題的時間復雜度更高從而更難以解決。” 洛蘭蒂斯似懂非懂，若有所思。 愛德華·莫澤余留著一絲振奮的心情說道：“有時候，我們不得不承認人類大腦非常強的，它可以在毫秒之內分析外部的數據并得出結論，但是這樣龐大的系統到底如何工作仍然未知，不過已經有很多研究學者試圖從腦電波中獲取更多的信息。那么，人工智能能不能從我們的大腦網絡中去學到一些東西呢？” 說到這里愛德華下意識的抬頭看向了葉華，眼前這位年輕的華夏人，海岸線大學的校長，在ai領域有著舉足輕重的話語權。 葉華點點頭：“答案是肯定的，在信息尤其是噪聲信息加工的方面，大腦的有一些加工方式是計算機可以借鑒的。” 海岸線集團的人工智能技術在全世界都是公認最頂尖的，葉華在這個領域的話語權可以說非常的權威。 而且，外界根本就不知道他創造了更高級的智能存在——小音。 愛德華·莫澤在腦海里翻閱著信息：“我和布里特在挪威科技大學研究的網格細胞發現，這些神經細胞能夠被特定的空間模式激活，然后構成一個協調的系統，引發空間運動，再加上能夠識別頭部方向和房間邊界的細胞，它們一起在大腦的海馬區形成回路，最終在大腦中構成了類似于gps一樣的廣泛定位系統。” “大腦神經元之間的連接讓我們從嘈雜的數據中讀取有用的信息，因為神經網絡是動態可塑的，它們能夠從既有的經驗中自主學習而改變細胞之間的連接，現在的人工神經網絡就是模仿生物神經細胞之間的連接。” 說著愛德華再次看向了葉華：“毫無疑問，研究的關鍵就在于大腦有很多神經元，神經元之間它們會相互‘交流’，當神經元刺激軸突時，它們就會產生‘交流’信息，在頭部外面，我們記錄腦電波的電位活動，這是一種觀察腦電波的方式，所以我們需要破解它們之間信息傳輸的模式，這一模式呈現為腦電波，若能有一個算法得到這些‘交流’信息的解……不就可以做到腦機交互了？” “上帝，來海岸線大學真是我的榮幸，這是無比明智的選擇，我們愿意加入bi項目計劃，現在就加入！！！” 全能科技巨頭 第578章:萬能算法?
“我是以計算機編程起家的博士。”葉華來到了控制臺調出了浮空全息屏幕：“誠然，大腦所做的事情并不一定適用于計算機，因為這兩個是完全不同的個體，但我們并不是想要去將二者完美融合，我們可以允許兩者之間的差異性，但我們也許可以從兩者之間的部分共性為其搭建一座橋梁樞紐。” 對此，愛德華夫婦不置可否，神經科學實在是一門太過于龐大的學科。 層次很多，宏觀尺度、介觀尺度、微觀尺度，而且每個層次之間的聯系又往往很復雜，也很難相互聯系起來，很多時候學會了宏觀神經理論，卻不能用它來模擬認知功能，你需要微觀神經元網絡的知識，而學完神經元網絡的知識，又不能，又要一些突觸、樹突復雜運算的知識，怎么研究都研究不完。 盡管他們二人是該領域的權威研究學者，但對于這門學科，但凡涉獵的人都對其敬畏和謙卑。 可以說，人類對于自己的大腦和神經網絡的認知還不如對宇宙的認知豐富，在所有的人體器官的認知上，大腦是最為神秘的地帶，即便是這個領域的權威級專家也只敢說自己也是認知了其中的一點皮毛而已，甚至更少。 “光是基于混沌神經網絡便是一個典型的np問題。”邁·布里特女士如是說道，意思就是說這是無解的，至少目前是無解的，這里的“混沌”可不是神話小說里的那種定義，不過對于混沌現象，迄今為止也還沒有一個公認的普遍適用的數學定義。 “如果，我告訴二位，我已經成功的將一個np問題降至p類問題呢？” 葉華忽然拋出這么一句話，夫婦二人一聽整個人都面色大變，帶著不可思議的精彩表情。 “你說什么？”愛德華·莫澤抱頭神態夸張：“上帝，pnp問題已經被解決了？” 這二位夫婦雖然不是數學家，也不是計算機領域的學者或是信息專家，但這些領域都與神經科學有著深切關聯。 對于「pnp？」問題，即np完全問題，他們自然不會陌生，雖然不是信息學的專家，但對于這個問題的認知也要遠遠高于普通人。 np完全問題，可以這么認為，這種問題只有把解域里面的所有可能都窮舉了之后才能得出答案，這樣的問題是np里面最難。 如果要證明一個問題是np問題，可以拿已經是np問題的一個問題經過多項式時間的變化變成所需要證明的問題，那么所有證明的問題就是一個np問題了。 換句話說，即找到了一個算法，那么所有的問題都可以有多項式的解，可以說這就是所謂的「萬能算法」了。 這無疑是信息學的巔峰。 這不僅是對信息學的貢獻那么簡單，許多至今無解的問題都會被迎刃而解，例如人體蛋白折疊問題、絕癥，當然也包括神經科學，難怪夫婦二人會如此失態了。 真是因為np問題的存在，pnp變得難以置信，人們即便至今沒有證明或證偽，但更加偏向相信p≠np。 但是，葉華剛剛親口說把一個np問題降低到了p類問題！！！ “天吶……” 兩人絕對沒有想到剛剛來華夏，就獲得了這么一個爆炸性的消息，這要是傳出去了，整個學術界乃至全世界都得為之沸騰。 這已經不能用天才就可以形容的了。 震驚過后，夫婦二人激動不已，振奮莫名，葉華看到他們二人反而淡定的說道：“之前我說過，我是以編程起家的，把np問題降低p類問題的成果便是獲得了一個全新的算法。但是博士，它也并非是真正的萬能算法，因為在其之上還有「nphard問題」，相比您應該也知道的。” “即便如此，其貢獻也無可估量啊，對于神經科學的研究會帶來難以想象的裨益。”愛德華·莫澤振奮的說道。 “老師，您之前只給我們講了pnp問題，但「nphard問題」又是什么？”一直安安靜靜的洛蘭蒂斯在這個時候忍不住發問了。 邁·布里特女士看向她，微笑的簡要概述道：“就是說，nphard問題要比np問題的范圍廣。nphard問題同樣難以找到多項式的算法，但它不列入「pnp」的研究范疇，因為不一定是np問題。即使np問題發現了多項式級的算法，nphard問題有可能仍然無法得到多項式級的算法。事實上，它有可能比所有的np問題的時間復雜度更高從而更難以解決。” 洛蘭蒂斯似懂非懂，若有所思。 愛德華·莫澤余留著一絲振奮的心情說道：“有時候，我們不得不承認人類大腦非常強的，它可以在毫秒之內分析外部的數據并得出結論，但是這樣龐大的系統到底如何工作仍然未知，不過已經有很多研究學者試圖從腦電波中獲取更多的信息。那么，人工智能能不能從我們的大腦網絡中去學到一些東西呢？” 說到這里愛德華下意識的抬頭看向了葉華，眼前這位年輕的華夏人，海岸線大學的校長，在ai領域有著舉足輕重的話語權。 葉華點點頭：“答案是肯定的，在信息尤其是噪聲信息加工的方面，大腦的有一些加工方式是計算機可以借鑒的。” 海岸線集團的人工智能技術在全世界都是公認最頂尖的，葉華在這個領域的話語權可以說非常的權威。 而且，外界根本就不知道他創造了更高級的智能存在——小音。 愛德華·莫澤在腦海里翻閱著信息：“我和布里特在挪威科技大學研究的網格細胞發現，這些神經細胞能夠被特定的空間模式激活，然后構成一個協調的系統，引發空間運動，再加上能夠識別頭部方向和房間邊界的細胞，它們一起在大腦的海馬區形成回路，最終在大腦中構成了類似于gps一樣的廣泛定位系統。” “大腦神經元之間的連接讓我們從嘈雜的數據中讀取有用的信息，因為神經網絡是動態可塑的，它們能夠從既有的經驗中自主學習而改變細胞之間的連接，現在的人工神經網絡就是模仿生物神經細胞之間的連接。” 說著愛德華再次看向了葉華：“毫無疑問，研究的關鍵就在于大腦有很多神經元，神經元之間它們會相互‘交流’，當神經元刺激軸突時，它們就會產生‘交流’信息，在頭部外面，我們記錄腦電波的電位活動，這是一種觀察腦電波的方式，所以我們需要破解它們之間信息傳輸的模式，這一模式呈現為腦電波，若能有一個算法得到這些‘交流’信息的解……不就可以做到腦機交互了？” “上帝，來海岸線大學真是我的榮幸，這是無比明智的選擇，我們愿意加入bi項目計劃，現在就加入！！！” 全能科技巨頭 第578章:萬能算法?
休閑文學吧提供免費小說,請讀者支持正版