人工智能遇上了复杂性障碍
我们在上一章讲过,计算机的出现源自艾伦·图灵想解决一个彼时数学界的世纪难题。图灵发明计算机可能算是计算机科学史上最大的讽刺之一,因为他的本意是证明有些事情计算机永远也办不到。
在图灵的研究成果问世后的几十年里,探索计算机能做和不能做的事情的范围形成世界各地数学系的小分支的研究方向。这项工作的重点在于把那些固有的不可判定问题(无法用计算机解决的问题)和可判定问题(能够用计算机解决的问题)区分开来。从那时起,人们发现了十分有意思的现象——不可判定的问题存在层次结构:即存在某些问题,不仅不可判定,还是高阶不可判定的(这对某些研究特定领域的数学家而言很棘手)。
不过在20世纪60年代,确定一个问题是否可判定,还远远不够。一个问题在图灵看来是可以解决的,并不意味着它在实际操作上是可以实现的:图灵只是从理论上证实某些问题有解,但是有些问题的解决方式需要消耗庞大的计算资源——需要动用的计算机内存大到不可估量,或者计算机的运行速度慢得出奇,能计算出结果的时间遥遥无期。很明显,许多人工智能问题陷入了这样尴尬的境地。
下面就是一个例子,按照图灵的理论,很容易证明它能被解决:
你的办公室里有四个才华横溢的人为你工作:约翰、保罗、乔治和林戈。现在有个项目,你需要成立一个三人团队。但很遗憾,由于个人竞争因素,约翰和保罗不能跟彼此合作。
本书评论