尤基鼓掌。掌聲之中有三分應付，也有三分真誠：“可是師父，這和我們說的內功有什麼關係”
“尤基，”向山沒有正麵回答，而是反問了一個問題：“你覺得，計算機這個東西，強大嗎？”
尤基點了點頭。控製義體。其實大半都是計算機在出力。隻要有計算機在，再複雜的工程機械也可以運轉。
尤基還知道，計算機可以以不可思議的速度計算東西，有錢人還能用它做更多的事情，比如比如
反正就是很厲害了。
“確實。人類生物腦的性能，如果符號運算為基準的話，計算資源可以和超級計算機相比好吧，在這個時代，我記憶裡的那點參數多半也算不上超算了。但是，與這個硬件相匹配的軟件，優化實在是太差了。如果單純比拚計算，追求性能，生物腦是比不過計算機的。”
這是很正常的事情。生物演化，從來就遵循“夠用就行”的原則。演化這種事，是不會追求“性能上的極致”的。一個不利性狀，隻要不影響“活到生育年齡生孩子”，它就不會被自然選擇所淘汰。
自然人身上，有一大堆會引發各種傷病的智障設計。
但惟獨有一樣事情，計算機是無法與人腦相比的。
“至少在我所知道的時代裡，計算機仍舊無法跳出計算性問題的限製。”
尤基有些懵：“計算性問題”
“計算性問題，就是在探索，是否所有數學題，都可以依靠同一個計算方法破解。在這個基礎上，一個叫做阿蘭圖靈的天才，設計出了圖靈機，然後他否定了人類關於可計算性的理想。不是所有數學問題，都能被機器所破解。”
圖靈機一開始就無法理解許多問題。不是“計算資源不足，無法計算”而是“連開始計算的可能性都不存在”。
最簡單的，就比如說部分幾何注意，“部分幾何”，不是“所有”。數學中，“數字”、“幾何”、“方程”之類的概念，在一定程度上是可以相互轉化的。
但在一開始，就有很多問題，計算機無法計算，甚至無法識彆。
在計算機誕生的初期，有一位教授，派遣他手下的一個研究生，去解決“計算機圖像識彆”的問題他當時樂觀的認為，隻需要兩個月，他手下的研究生就能徹底攻克這個問題。
但事實是，這是不可能的。
一直到二十一世紀，“肉眼識彆驗證碼”，也是某些網絡程序判斷“登陸者是否是人類”的標準。
“計算機圖形識彆”是一個恐怖的學科。全世界有無數學者在為之奮鬥，但程序員們仍舊將“肉眼識彆驗證碼”作為阻攔機器惡意登陸的手段。
計算機圖形識彆如此困難，究其原因，很大程度上是因為
iatie也就是縮寫的p問題。計算機可以快速解決p問題。而比p問題更為困難的，則是非確定性多項式時間。iiatie即np問題。”
一大部分幾何問題，都位於np之內。圖靈機可以快速的驗證答案是否正確，卻不能快速地給出答案。而有的是幾何問題甚至還要比np還要難。
“曾經有數學家想要證明pnp，來證明所有np問題都可以被轉化成p問題，找到讓計算機成為神的路徑。我仍舊不記得成功了沒有”
圖靈機誕生的時候，就被劃定了極限因為它證否了“數學具有絕對的圖靈可計算性”。
大衛希爾伯特先生的偉大理想，失敗了。
如果不是因為戰爭的話，或許阿納托利有可能做到什麼
阿納托利又是誰？我怎麼認識這麼多莫名其妙的厲害角色？
片刻之後，男人才落寞的補充了一句：“大概是沒有吧。計算機有注定不能做到的事情。np問題，就注定是電子計算機無法理解的東西了。而np問題，甚至還不是複雜的極致。”
“np問題之外，還有多項式層級結構問題ph，多項式層級結構問題之外，還有多項式空間問題pspace問題，多項式空間之外，還存在指數時間問題exptie問題。”
“在這方麵，量子計算機比電子計算機強上一個維度。但是量子計算機理論上的能力界限，被稱作有限錯誤量子多項式時間問題bqp。而bqp範疇，也隻包括了部分的pspace問題即使是量子計算機，也無法觸及exptie。這是近乎道的領域”
尤基一臉敬畏的點了點頭：“雖然聽不懂，不過好像很厲害的樣子。那麼向山什麼是exptie啊？可以舉個例子嗎？”
“最簡單的例子好了。”向山點了點頭：“你在使用一個電子程序，覺得這個程序運行有點卡。這個時候，你要做出一個抉擇，是判斷讓它就這樣卡卡卡的運行，一會就好了，還是我再忍耐多久，我就重啟一下？這個判斷，就是exptie判斷。”
尤基沉默了一下：“哈？”e判斷。”
“什麼？”e判斷。”
“不對吧”尤基很懷疑自己的生物腦是不是壞掉了：“這個不是小孩子就能夠理解的事情嗎？”