@tetsuoai: 运气是无法通过工程手段制造出来的。这是我听过的关于 P 与 NP 问题最清晰的表述。NP 就像一台总是能告诉你哪条路正确的……
摘要
一条社交媒体帖子,通过将 NP 比作总是能找到正确路径的“神奇计算机”来解释 P 与 NP 问题,并引用了 MIT 的《算法导论》课程。
运气是无法通过工程手段制造出来的。
这是我听过的关于 P 与 NP 问题最清晰的表述。
NP 就像一台神奇计算机,总是能告诉你该走哪条路。而 P 则是当前硅基芯片能够做到的事情。俄罗斯方块属于 NP 完全问题。国际象棋属于 EXP 完全问题。
MIT 6.006 算法导论,2011 年秋季。 https://t.co/qUqLRWn2i0
查看缓存全文
缓存时间: 2026/05/11 02:34
你无法用工程手段制造运气。
这是我听到的关于 P vs NP 最清晰的表述。
NP 就像一台神奇的计算机,总能告诉你该走哪条路。P 则是当前硅基芯片能够做到的。俄罗斯方块属于 NP 完全问题(NP-complete),国际象棋属于 EXP 完全问题(EXP-complete)。
麻省理工学院 6.006 算法导论课程,2011 年秋季学期。https://t.co/qUqLRWn2i0
相似文章
@ryanlpeterman: 哥德尔奖得主对P vs NP的逆向观点:"My point is that we really don't understand polynomial time computation…
哥德尔奖得主Ryan Williams对P vs NP提出了逆向观点,认为我们对多项式时间计算的理解仍然肤浅且充满惊喜,他将P≠NP的信心定在80%。
@krishnanrohit: 有趣的直觉,但不出所料的是,这在数学或代码中都无法表述 https://x.com/fchollet/statu…
社交媒体上关于 François Chollet 提出的直觉是否具有数学性或可编码性的讨论。
@itsreallyvivek: https://x.com/itsreallyvivek/status/2062924410588406118
反思性帖子认为,要在前沿AI实验室取得成功,需要在没有地图的情况下运作,研究是关于应对不确定性,而工程则是将复杂系统压缩成有用的抽象概念。
@phosphenq: https://x.com/phosphenq/status/2067291637949116431
Anthropic分析了40万次Claude Code会话,发现软件工程师与非工程师之间的验证成功率差距仅为5%,这表明在AI辅助开发中,领域专业知识比编程能力更重要,挑战了“学习编程”的说法。
@rohanpaul_ai:Chamath 谈 AI 智能体如何让“10 倍工程师”的光环消失,因为最高效的“代码路径”已经……
Chamath Palihapitiya 认为,AI 智能体正在抹平“10 倍工程师”的差异——最高效的代码路径如今对所有人一目了然,就像 AI 破解国际象棋后,最佳招法再无神秘可言。