Su pregunta tiene un alcance demasiado limitado. Existe la posibilidad de que descubrir que P = NP (lo que sería increíblemente sorprendente para muchas personas) o incluso que BQP = NP (igualmente sorprendente, aunque aprovecharlo requeriría la construcción de verdaderas computadoras cuánticas) cambiaría TODO , no solo AI.
Para que quede claro, para que el resultado P = NP sea interesante, necesitaríamos ver algo así como un algoritmo O (n ^ 6) para SAT o algo así. Un algoritmo O (n ^ 1000), aunque teóricamente interesante, no va a ayudar a nadie. Pero supongamos que tal cosa es creada. ¿Entonces que?
Para empezar, todo se vuelve mucho más rápido: las computadoras se aceleran, los envíos se aceleran, las redes se aceleran, etc., a medida que se resuelven las soluciones óptimas para los problemas NP-hard del día a día. Hay varias razones diferentes para este aumento de velocidad, que incluyen enrutamiento mejorado, búsqueda mejorada y compresión mejorada.
- ¿Hay algún buen sitio web para aprender matemáticas avanzadas paso a paso?
- ¿Qué es un algoritmo de aproximación?
- ¿Cuál es una explicación intuitiva del aprendizaje probablemente aproximadamente correcto (PAC)?
- ¿Cuál es el propósito de aprender teoría de la computación?
- Cómo detectar si el siguiente cuerpo de cierta longitud y altura que gira en un punto de anclaje toca una posición particular
A continuación, una gran cantidad de los métodos criptográficos utilizados actualmente se vuelven vulnerables. Todo lo que cualquier gobierno ha hecho se convierte en conocimiento público de la noche a la mañana. Puedes imaginar el resultado.
Pero supongo que tenías un interés particular en la inteligencia, así que veamos qué sucede allí. En primer lugar, tenga en cuenta que un algoritmo polinómico para algunos problemas NP-duros no cambiará el estado de la pregunta “¿Es posible la inteligencia artificial a nivel humano?” La existencia de humanos ya es una gran evidencia de que la respuesta es “sí”, ya sea que estemos o no resolviendo problemas de NP completo para lograrlo. (Esa es otra pregunta para la cual la respuesta es probablemente “no”.) Además, si la inteligencia sobrehumana es solo una cuestión de escala, puede que no tenga ningún efecto sobre el estado de esa pregunta tampoco, pero también puede romper las limitaciones que una vez El pensamiento existía. (Es mi opinión que el paralelismo masivo es mucho más importante para la inteligencia que los algoritmos seriales rápidos, pero …)
Sin embargo, hay otro significado para la “inteligencia artificial” que se verá muy afectado. Muchas personas usan este término para describir soluciones a problemas de búsqueda ingeniosamente transformados. Por ejemplo, una IA que juega al ajedrez solo está haciendo una búsqueda, al igual que la mayoría de los “sistemas inteligentes” que funcionan en la actualidad. El “Watson” de IBM se basa en un algoritmo de búsqueda inteligente. Los algoritmos de planificación para controles y sistemas de prueba automatizados son solo búsquedas. Y su relación con la búsqueda es lo que hace que NP sea una clase que valga la pena estudiar.
Una forma de responder la pregunta “¿Qué es NP?” es que es la clase de preguntas de la forma “¿Existe al menos una cosa X para la cual P (X) es verdadera?” * Visto de esta manera, está bastante claro que los problemas de NP tienen que ver con la búsqueda. ¿Existe un movimiento de ajedrez que garantice que gano? ¿Existe un documento que contenga una respuesta a esta pregunta? ¿Hay una secuencia de acciones garantizada para llevarme allí desde aquí?
Entonces, mirando las inteligencias artificiales como “máquinas que buscan”, queda claro que muchas de esas máquinas serán más confiables y obtendrán mejores respuestas más rápido si todos los problemas de NP pueden resolverse en un tiempo polinómico de bajo grado.
Es decir, de nuevo, solo un pequeño subconjunto de las cosas que llamamos inteligencias artificiales, y todavía habrá muchos problemas abiertos incluso si P = NP. Por ejemplo, algoritmos de aprendizaje, procesamiento del lenguaje natural, visión, controles robóticos y una variedad de problemas de optimización y conteo. Quizás algunos de estos también verán mejoras como resultado, porque es difícil adivinar todo lo que podría caerse de tal innovación, pero ninguno se resolverá por completo.
* La otra cosa es que P (X) debe ser verificable en el tiempo polinómico, que incluye muchos, pero no todos, los problemas que nos interesan.