对话李国杰：突破麦肯锡和图灵的框框，人工智能要解决大问题

学术界的人工智能研究过分局限于约翰·麦肯锡的定义，也就是人工智能的目标是“像人”，并指出我们应该突破对智能的狭义理解。这与AI要解决NP-hard级别难题有什么联系？

“像人”的人工智能是一个已经被大家很重视的方向，但我认为人工智能的另一个发力点是「解决大问题」。尤其是用机器学习的方法解决意义重大的科学难题，即在多项式时间内“有效解决”指数复杂性问题。

所谓指数复杂性是指求解一个问题所需的时间或空间（存储用量）随着问题规模增加而指数性地增加。这也就人们常说的组合爆炸。在计算复杂性理论中，将一大类目前还找不到多项式级复杂性算法的问题划归为NP-hard问题。如果一个问题能找到多项式级复杂性的算法，例如排序算法等，直接按确定的程序计算就能精确求解，人们一般不认为是人工智能应用。人工智能要研究的问题几乎都是NP-hard问题，从其诞生开始就要对付组合爆炸。从这种意义上讲，人工智能的“天”就是组合爆炸，所谓“顶天”就是找到巧妙的办法克服组合爆炸。