宾大学者驳斥用复杂度理论否定 AI 可能性的论调

宾夕法尼亚大学理论计算机科学家 Aaron Roth 发推批评用最坏情形计算复杂度论证「真正的 AI 不可能被造出来」的流行论调，认为这种论证无视眼前事实。他举例指出，机器学习中最简单的训练最小化分类误差的线性分类器问题本身就是 NP 难的，连区分 51% 与 99% 准确率的近似都做不到，但 ML 依然在实践中成功。他还表示，十年前此类论证尚可算否认计算主义，如今推理模型的显著成功使其更难自圆其说。

2026-09-14 ~ 2026-09-14 · 4 条相关