บทนำ
ในสัปดาห์แรกของภาคเรียนฤดูใบไม้ร่วงปี 2007 Marco Carmosino พาตัวเองไปเรียนวิชาคณิตศาสตร์ที่จำเป็นสำหรับวิชาเอกวิทยาการคอมพิวเตอร์ทั้งหมดที่มหาวิทยาลัยแมสซาชูเซตส์ แอมเฮิร์สต์ Carmosino นักเรียนปีที่สองกำลังพิจารณาลาออกจากวิทยาลัยเพื่อออกแบบวิดีโอเกม จากนั้นศาสตราจารย์ก็ตั้งคำถามง่ายๆ ที่จะเปลี่ยนแปลงวิถีชีวิตของเขา: คุณจะรู้ได้อย่างไรว่าคณิตศาสตร์ใช้งานได้จริง
“นั่นทำให้ฉันนั่งและให้ความสนใจ” เล่า คาร์โมซิโนซึ่งปัจจุบันเป็นนักวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎีที่ IBM เขาลงทะเบียนเข้าร่วมสัมมนาเสริมเกี่ยวกับงานของ Kurt Gödel ซึ่งข้อโต้แย้งในการอ้างอิงตนเองจนเวียนหัวเผยให้เห็นขีดจำกัดของการให้เหตุผลทางคณิตศาสตร์เป็นครั้งแรก และสร้างรากฐานสำหรับงานในอนาคตทั้งหมดเกี่ยวกับขีดจำกัดพื้นฐานของการคำนวณ มันมีอะไรมากมายที่ต้องเข้ามา
“ฉันไม่เข้าใจ 100%” คาร์โมซิโนกล่าว “แต่ฉันรู้ว่าฉันต้องการ”
ในปัจจุบัน แม้แต่นักวิจัยผู้ช่ำชองยังพบว่ามีความเข้าใจในภาวะขาดแคลนเมื่อพวกเขาเผชิญหน้ากับคำถามเปิดที่สำคัญในวิทยาการคอมพิวเตอร์เชิงทฤษฎี หรือที่เรียกว่าปัญหา P กับ NP โดยพื้นฐานแล้ว คำถามนั้นถามว่าปัญหาทางคอมพิวเตอร์จำนวนมากที่ถือว่ายากมากนั้นสามารถแก้ไขได้ง่ายจริงหรือไม่ (โดยใช้ทางลัดลับที่เรายังไม่ได้ค้นพบ) หรือตามที่นักวิจัยส่วนใหญ่สงสัยว่าปัญหาเหล่านั้นยากจริงๆ หรือไม่ ไม่มีอะไรน้อยไปกว่าธรรมชาติของสิ่งที่รู้ได้
แม้ว่านักวิจัยในสาขาทฤษฎีความซับซ้อนทางคอมพิวเตอร์จะพยายามมานานหลายทศวรรษ แต่การศึกษาคำถามดังกล่าวเกี่ยวกับความยากที่แท้จริงของปัญหาต่างๆ การแก้ปัญหาระหว่างคำถาม P กับ NP ยังคงเป็นเรื่องที่เข้าใจยาก และยังไม่ชัดเจนด้วยซ้ำว่าควรเริ่มต้นการพิสูจน์อย่างไร
“ไม่มีแผนที่ถนน” กล่าว ไมเคิล ซิปเปอร์เป็นนักทฤษฎีความซับซ้อนที่มีประสบการณ์จากสถาบันเทคโนโลยีแมสซาชูเซตส์ ซึ่งใช้เวลาหลายปีในการต่อสู้กับปัญหาในช่วงทศวรรษ 1980 “มันเหมือนกับว่าคุณกำลังเข้าไปในถิ่นทุรกันดาร”
ดูเหมือนว่าการพิสูจน์ว่าปัญหาทางคอมพิวเตอร์นั้นแก้ไขได้ยากนั้นเป็นงานที่ยาก แต่ทำไมมันยากขนาดนั้นล่ะ? และมันยากแค่ไหน? Carmosino และนักวิจัยคนอื่นๆ ในสาขาย่อยของ meta-complexity ได้กำหนดคำถามใหม่เช่นนี้ว่าเป็นปัญหาทางคอมพิวเตอร์ โดยขับเคลื่อนสนามไปข้างหน้าด้วยการเปลี่ยนเลนส์ของทฤษฎีความซับซ้อนกลับมาที่ตัวมันเอง
“คุณอาจจะคิดว่า 'โอเค มันเจ๋งมาก' บางทีนักทฤษฎีความซับซ้อนอาจคลั่งไคล้ไปแล้ว” กล่าว ราหุล อิลันโกนักศึกษาระดับบัณฑิตศึกษาจาก MIT ที่สร้างผลงานล่าสุดที่น่าตื่นเต้นที่สุดในสาขานี้
จากการศึกษาคำถามเชิงลึกเหล่านี้ นักวิจัยได้เรียนรู้ว่าความแข็งของการพิสูจน์ความแข็งของการคำนวณมีความเชื่อมโยงอย่างใกล้ชิดกับคำถามพื้นฐานที่อาจดูเหมือนไม่เกี่ยวข้องกันในตอนแรก มันยากแค่ไหนที่จะระบุรูปแบบที่ซ่อนอยู่ในข้อมูลที่ดูเหมือนสุ่ม? และหากมีปัญหาหนักจริงๆ เกิดขึ้น บ่อยเพียงใดที่ปัญหาเหล่านั้นจะยาก?
“เป็นที่ชัดเจนว่าความซับซ้อนของเมตาดาต้านั้นใกล้เคียงกับหัวใจของสิ่งต่าง ๆ” กล่าว สกอตต์ อารอนสันนักทฤษฎีความซับซ้อนแห่งมหาวิทยาลัยเท็กซัส ออสติน
นี่คือเรื่องราวของเส้นทางที่ยาวและคดเคี้ยวที่นำนักวิจัยจากปัญหา P กับ NP ไปสู่ความซับซ้อนของเมตาดาต้า มันไม่ใช่การเดินทางที่ง่าย เส้นทางเต็มไปด้วยทางเลี้ยวผิดๆ และสิ่งกีดขวางบนถนน และมันวนกลับมาหาตัวเองครั้งแล้วครั้งเล่า แต่สำหรับนักวิจัยที่มีความซับซ้อนเมตาดาต้า การเดินทางสู่ภูมิประเทศที่ไม่เคยมีมาก่อนถือเป็นรางวัลในตัวมันเอง เริ่มถามคำถามที่ดูเหมือนง่าย ๆ กล่าว คาบาเนตวาเลนไทน์นักทฤษฎีความซับซ้อนแห่งมหาวิทยาลัยไซมอน เฟรเซอร์ ในแคนาดา และ “คุณไม่รู้ว่าคุณกำลังจะไปที่ไหน”
ไม่รู้จักไม่รู้จัก
ปัญหา P กับ NP เป็นชื่อที่น่าเบื่อเพราะนิสัยของนักทฤษฎีความซับซ้อนในการแยกแยะปัญหาทางคอมพิวเตอร์ออกเป็นวงกว้าง”คลาสที่ซับซ้อน” โดยมีป้ายกำกับที่บ่งบอกถึงสัญลักษณ์ย่อหุ้น Nasdaq ปัญหาทางการคำนวณคือปัญหาที่โดยหลักการแล้วสามารถแก้ไขได้ด้วยอัลกอริธึม ซึ่งเป็นรายการคำสั่งที่ระบุอย่างแม่นยำ แต่ไม่ใช่ทุกอัลกอริธึมจะมีประโยชน์เท่าเทียมกัน และการแปรผันระหว่างอัลกอริธึมบ่งบอกถึงความแตกต่างพื้นฐานระหว่างปัญหาในคลาสที่ต่างกัน ความท้าทายสำหรับนักทฤษฎีความซับซ้อนคือการเปลี่ยนคำแนะนำเหล่านี้ให้เป็นทฤษฎีบทที่เข้มงวดเกี่ยวกับความสัมพันธ์ระหว่างคลาสของความซับซ้อน
ความสัมพันธ์เหล่านี้สะท้อนถึงความจริงที่ไม่เปลี่ยนแปลงเกี่ยวกับการคำนวณที่ก้าวไปไกลกว่าเทคโนโลยีเฉพาะใดๆ “นี่เหมือนกับการค้นพบกฎของจักรวาล” Kabanets กล่าว
“P” และ “NP” เป็นสมาชิกสองคนที่มีชื่อเสียงที่สุดของ a โรงเลี้ยงสัตว์ที่กำลังเติบโต ของคลาสที่ซับซ้อนหลายร้อยคลาส โดยคร่าวๆ แล้ว P คือคลาสของปัญหาที่สามารถแก้ไขได้ง่าย เช่น เรียงตามตัวอักษรของรายการ NP คือกลุ่มของปัญหาที่มีวิธีแก้ปัญหาที่ตรวจสอบได้ง่าย เช่น ปริศนาซูโดกุ เนื่องจากปัญหาที่แก้ไขได้ง่ายทั้งหมดนั้นง่ายต่อการตรวจสอบ ปัญหาใน P จึงอยู่ใน NP เช่นกัน แต่ปัญหา NP บางอย่างดูเหมือนจะแก้ไขได้ยาก คุณไม่สามารถหยั่งรู้วิธีแก้ปัญหาปริศนาซูโดกุได้ทันทีโดยไม่ต้องลองใช้ความเป็นไปได้หลายๆ อย่างก่อน เป็นไปได้ไหมว่าความแข็งที่ปรากฏนี้เป็นเพียงภาพลวงตา — มีเคล็ดลับง่ายๆ เพียงอย่างเดียวในการแก้ปัญหาทุกปัญหาที่ตรวจสอบได้ง่าย
บทนำ
ถ้าเป็นเช่นนั้น P = NP: ทั้งสองคลาสมีค่าเท่ากัน หากเป็นเช่นนั้น จะต้องมีอัลกอริธึมบางอย่างที่ทำให้การไขปริศนาซูโดกุขนาดมหึมา เพิ่มประสิทธิภาพเส้นทางการขนส่งทั่วโลก ทำลายการเข้ารหัสที่ล้ำสมัย และทำให้การพิสูจน์ทฤษฎีบททางคณิตศาสตร์เป็นไปโดยอัตโนมัติ ถ้า P ≠ NP ปัญหาทางการคำนวณหลายอย่างที่แก้ไขได้ในหลักการ ในทางปฏิบัติจะคงอยู่นอกเหนือการควบคุมของเราไปตลอดกาล
นักวิจัยกังวลเกี่ยวกับขีดจำกัดของการใช้เหตุผลทางคณิตศาสตร์อย่างเป็นทางการมานานก่อนที่จะมีการพูดถึงปัญหา P กับ NP เป็นครั้งแรก จริงๆ แล้วคือก่อนที่จะเริ่มวิทยาการคอมพิวเตอร์สมัยใหม่เสียอีก ในปี 1921 ด้วยความดิ้นรนกับคำถามเดียวกันที่จะดึงดูดความสนใจของ Carmosino เกือบหนึ่งศตวรรษต่อมา นักคณิตศาสตร์ David Hilbert เสนอโครงการวิจัยเพื่อปูทางคณิตศาสตร์อย่างมั่นใจ เขาหวังว่าจะเริ่มต้นจากสมมติฐานง่ายๆ สองสามข้อที่เรียกว่าสัจพจน์ และได้ทฤษฎีทางคณิตศาสตร์แบบครบวงจรที่ตรงตามเกณฑ์สำคัญสามประการ
เงื่อนไขประการแรกของฮิลเบิร์ต ความสม่ำเสมอ คือข้อกำหนดสำคัญที่ว่าคณิตศาสตร์จะต้องปราศจากความขัดแย้ง: หากสามารถพิสูจน์ข้อความที่ขัดแย้งกันสองข้อความได้โดยเริ่มจากสัจพจน์เดียวกัน ทฤษฎีทั้งหมดก็จะแก้ไขไม่ได้ แต่ทฤษฎีหนึ่งๆ อาจปราศจากความขัดแย้งและยังคงมีขอบเขตจำกัด นั่นคือแรงจูงใจสำหรับเงื่อนไขที่สองของฮิลเบิร์ต นั่นคือความสมบูรณ์: ข้อกำหนดที่ว่าข้อความทางคณิตศาสตร์ทั้งหมดต้องเป็นความจริงที่พิสูจน์ได้หรือเป็นเท็จที่พิสูจน์ได้ เกณฑ์ที่สามของเขา ความสามารถในการตัดสินใจได้ กำหนดให้มีขั้นตอนทางกลที่ชัดเจนในการพิจารณาว่าข้อความทางคณิตศาสตร์ใดๆ เป็นจริงหรือเท็จ ขณะปราศรัยในการประชุมใหญ่ในปี 1930 ฮิลเบิร์ตประกาศว่า “สโลแกนของเราจะเป็น 'เราต้องรู้ เราจะรู้'”
เพียงหนึ่งปีต่อมา Gödel ได้โจมตีความฝันของฮิลเบิร์ตเป็นครั้งแรก เขา พิสูจน์แล้วว่า ว่าข้อความที่เอาชนะตัวเองเช่น "ข้อความนี้พิสูจน์ไม่ได้" อาจมาจากชุดสัจพจน์ที่เหมาะสม หากข้อความดังกล่าวไม่สามารถพิสูจน์ได้จริง ๆ ทฤษฎีก็จะไม่สมบูรณ์ แต่ถ้าพิสูจน์ได้ ทฤษฎีนั้นก็ไม่สอดคล้องกัน — ผลลัพธ์ที่เลวร้ายยิ่งกว่านั้นอีก ในรายงานฉบับเดียวกัน Gödel ยังพิสูจน์ด้วยว่าไม่มีทฤษฎีทางคณิตศาสตร์ใดที่สามารถพิสูจน์ความสอดคล้องของมันเองได้
บทนำ
นักวิจัยยังคงหวังว่าทฤษฎีทางคณิตศาสตร์ในอนาคต แม้จะไม่สมบูรณ์ แต่ก็อาจพิสูจน์ได้ว่าสามารถตัดสินใจได้ บางทีพวกเขาสามารถพัฒนากระบวนการที่จะระบุข้อความที่พิสูจน์ได้ทั้งหมดในขณะที่หลีกเลี่ยงข้อเสนอที่ก่อกวนเช่นของGödel ปัญหาคือไม่มีใครรู้วิธีให้เหตุผลเกี่ยวกับขั้นตอนสมมุติเหล่านี้
จากนั้นในปี 1936 นักศึกษาระดับบัณฑิตศึกษาอายุ 23 ปีชื่ออลัน ทัวริงได้ใช้ถ้อยคำเงื่อนไขการตัดสินใจของฮิลเบิร์ตใหม่โดยใช้ภาษาการคำนวณที่ไม่คุ้นเคยในขณะนั้น และจัดการกับปัญหาร้ายแรง ทัวริงได้คิดค้นแบบจำลองทางคณิตศาสตร์ ซึ่งปัจจุบันรู้จักกันในชื่อ เครื่องทัวริง — ซึ่งสามารถแสดงถึงอัลกอริธึมที่เป็นไปได้ทั้งหมด และแสดงให้เห็นว่าหากมีขั้นตอนของฮิลเบิร์ต ขั้นตอนนั้นจะพอดีกับโมเดลนี้ จากนั้นเขาก็ใช้วิธีการอ้างอิงตนเองเช่น Gödel's พิสูจน์ การมีอยู่ของข้อความที่ตัดสินใจไม่ได้ - หรือเทียบเท่ากับปัญหาที่คำนวณไม่ได้ซึ่งอัลกอริทึมไม่สามารถแก้ไขได้
โปรแกรมของฮิลเบิร์ตพังทลายลง: จะมีข้อจำกัดพื้นฐานตลอดไปเกี่ยวกับสิ่งที่สามารถพิสูจน์ได้และสิ่งที่สามารถคำนวณได้ แต่เมื่อคอมพิวเตอร์พัฒนาจากนามธรรมทางทฤษฎีไปสู่เครื่องจักรจริง นักวิจัยก็ตระหนักว่าความแตกต่างง่ายๆ ของทัวริงระหว่างปัญหาที่แก้ไขได้และปัญหาที่แก้ไม่ได้ทำให้เกิดคำถามมากมายที่ยังไม่มีคำตอบ
ในช่วงทศวรรษ 1960 นักวิทยาศาสตร์คอมพิวเตอร์ได้พัฒนาอัลกอริธึมที่รวดเร็วเพื่อแก้ปัญหาบางอย่าง ในขณะที่สำหรับคนอื่นๆ อัลกอริธึมเดียวที่รู้จักนั้นช้าอย่างเลือดตาแทบกระเด็น จะเกิดอะไรขึ้นถ้าคำถามไม่ใช่แค่ว่าปัญหาสามารถแก้ไขได้หรือไม่ แต่คำถามนั้นยากแค่ไหนในการแก้ไข?
“ทฤษฎีอันมากมายเกิดขึ้น และเราไม่รู้คำตอบอีกต่อไป” คาร์โมซิโนกล่าว
เส้นทางที่แตกต่าง
เพื่อแสดงให้เห็นว่าคำถามที่น่างงเกี่ยวกับความแข็งนั้นเป็นอย่างไร ลองพิจารณาปัญหาที่เกี่ยวข้องกันอย่างใกล้ชิดที่เกี่ยวข้องกับกราฟ สิ่งเหล่านี้คือเครือข่ายของจุดต่างๆ ที่เรียกว่าโหนด เชื่อมต่อกันด้วยเส้น เรียกว่าขอบ นักวิทยาศาสตร์คอมพิวเตอร์ใช้สิ่งเหล่านี้เพื่อสร้างแบบจำลองทุกอย่างตั้งแต่ การคำนวณควอนตัม ไป การไหลของการจราจร.
สมมติว่าคุณได้รับกราฟและขอให้ค้นหาสิ่งที่เรียกว่าเส้นทางแฮมิลตัน ซึ่งเป็นเส้นทางที่ผ่านทุกจุดในครั้งเดียว ปัญหานี้แก้ไขได้อย่างชัดเจนในหลักการ: เส้นทางที่เป็นไปได้มีจำนวนจำกัด ดังนั้นหากเส้นทางอื่นล้มเหลว คุณสามารถตรวจสอบแต่ละเส้นทางได้ ไม่เป็นไรถ้ามีเพียงไม่กี่โหนด แต่สำหรับกราฟที่ใหญ่กว่าเล็กน้อย จำนวนความเป็นไปได้ที่เพิ่มขึ้นจนไม่สามารถควบคุมได้ ทำให้อัลกอริทึมง่ายๆ นี้ไร้ประโยชน์อย่างรวดเร็ว
มีอัลกอริธึมเส้นทางแฮมิลตันที่ซับซ้อนกว่าซึ่งให้การต่อสู้ที่ดีกว่า แต่เวลาที่อัลกอริธึมต้องใช้ในการแก้ปัญหาจะเพิ่มขึ้นแบบทวีคูณตามขนาดของกราฟอย่างสม่ำเสมอ กราฟไม่จำเป็นต้องมีขนาดใหญ่มาก ก่อนที่นักวิจัยอัลกอริธึมที่เก่งที่สุดจะค้นพบก็ไม่สามารถค้นหาเส้นทางได้ “ในระยะเวลาอันสมควร” กล่าว รัสเซลล์ อิมพากลิอาซโซเป็นนักทฤษฎีเรื่องความซับซ้อนจากมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก “และด้วย 'ระยะเวลาอันสมควร' ฉันหมายถึง 'ก่อนที่จักรวาลจะสิ้นสุด'”
ปัญหาเส้นทางแฮมิลตันมีคุณสมบัติที่น่าสนใจอีกอย่างหนึ่ง หากมีคนอ้างว่าพบเส้นทางแฮมิลตันบนกราฟใดกราฟหนึ่ง คุณสามารถตรวจสอบได้อย่างรวดเร็วว่าคำตอบนั้นถูกต้องหรือไม่ แม้ว่ากราฟจะมีขนาดใหญ่มากก็ตาม สิ่งที่คุณต้องทำคือเดินตามเส้นทางและทำเครื่องหมายที่โหนดทีละรายการ ตรวจสอบให้แน่ใจว่าคุณไม่ได้ทำเครื่องหมายที่โหนดใดๆ สองครั้ง หากไม่มีโหนดใดหายไปในตอนท้าย เส้นทางจะเป็นแฮมิลตัน
บทนำ
เวลาที่ต้องใช้ในการรันอัลกอริธึมการตรวจสอบโซลูชันนี้จะแปรผันตามขนาดของกราฟ นั่นทำให้อัลกอริธึมพหุนามอยู่ในหมวดหมู่ที่กว้างขึ้นของอัลกอริธึมพหุนาม ซึ่งเวลาทำงานเพิ่มขึ้นตามฟังก์ชันพหุนามของขนาดกราฟ การเติบโตพหุนามนั้นเชื่องไม่ได้เมื่อเทียบกับการเติบโตแบบเอ็กซ์โปเนนเชียล ดังนั้นอัลกอริธึมพหุโนเมียลจึงยังคงทำงานได้แม้บนกราฟขนาดใหญ่ “มันมีประสิทธิภาพมากขึ้นอย่างมาก” Carmosino กล่าว
ปัญหาเส้นทางแฮมิลตันมีความไม่สมมาตรโดยสิ้นเชิง: คุณสามารถตรวจสอบวิธีแก้ปัญหาที่ถูกต้องได้โดยใช้อัลกอริทึมพหุนามที่รวดเร็ว แต่หากต้องการค้นหาวิธีแก้ปัญหา คุณจะต้องใช้อัลกอริทึมเอ็กซ์โปเนนเชียลที่ช้า ความไม่สมดุลนั้นอาจดูไม่น่าแปลกใจ เพราะการจดจำผลงานชิ้นเอกทางศิลปะได้ง่ายกว่าการสร้างผลงานชิ้นเอก การตรวจสอบการพิสูจน์ทางคณิตศาสตร์ได้ง่ายกว่าการพิสูจน์ทฤษฎีบทใหม่ แต่ไม่ใช่ว่าปัญหาทางการคำนวณทั้งหมดจะมีลักษณะไม่สมมาตรเช่นนี้ ในความเป็นจริง ปัญหาที่คล้ายกันมากในการค้นหาเส้นทางแฮมิลตันมีพฤติกรรมแตกต่างออกไปมาก
สมมติว่าคุณได้รับกราฟอีกครั้ง แต่ตอนนี้คุณถูกขอให้ค้นหา "เส้นทางยูเลอเรียน" ที่ตัดผ่านทุกขอบเพียงครั้งเดียว อีกครั้ง มีอัลกอริธึมพหุนามสำหรับตรวจสอบวิธีแก้ปัญหาที่เป็นไปได้ แต่คราวนี้ยังมีอัลกอริธึมพหุนามสำหรับการแก้ปัญหาด้วย ไม่มีความไม่สมดุลที่นี่ ในทฤษฎีความซับซ้อน บางเส้นทางดูเหมือนจะค้นหาได้ง่ายกว่าเส้นทางอื่นๆ
ทั้งปัญหาเส้นทางแฮมิลตันและปัญหาเส้นทางออยเลอเรียนอยู่ในคลาสความซับซ้อน NP ซึ่งกำหนดให้รวมปัญหาทั้งหมดที่สามารถตรวจสอบคำตอบได้ด้วยอัลกอริธึมพหุนาม ปัญหาเส้นทางออยเลอเรียนก็จัดอยู่ในคลาส P เช่นกัน เนื่องจากอัลกอริธึมพหุนามสามารถแก้ไขได้ แต่สำหรับลักษณะที่ปรากฏทั้งหมด นั่นไม่เป็นความจริงสำหรับปัญหาเส้นทางแฮมิลตัน เหตุใดปัญหากราฟทั้งสองนี้ ซึ่งคล้ายกันอย่างผิวเผิน จึงแตกต่างกันอย่างมาก นั่นคือแก่นแท้ของปัญหา P กับ NP
บทนำ
ยากในระดับสากล
ในตอนแรก คลาสความซับซ้อนดูเหมือนเป็นหมวดหมู่ที่สะดวกสำหรับการจัดเรียงปัญหาที่คล้ายกันแต่ไม่เกี่ยวข้องโดยตรง ไม่มีใครสงสัยว่าการค้นหาเส้นทางแฮมิลตันจะเกี่ยวข้องกับปัญหาการคำนวณหนักอื่นๆ
จากนั้นในปี 1971 ภายในหนึ่งปีหลังจากย้ายมาอยู่ที่มหาวิทยาลัยโตรอนโตหลังจากถูกปฏิเสธการดำรงตำแหน่งในสหรัฐอเมริกา นักทฤษฎีความซับซ้อนคนนี้ สตีเฟน คุก ตีพิมพ์ ผลลัพธ์ที่ไม่ธรรมดา. เขาระบุปัญหา NP โดยเฉพาะด้วยคุณลักษณะแปลก ๆ ถ้ามีอัลกอริธึมพหุนามที่สามารถแก้ปัญหานั้นได้ มันก็สามารถแก้ปัญหาอื่น ๆ ใน NP ได้เช่นกัน ดูเหมือนว่าปัญหา “สากล” ของคุกเป็นเพียงคอลัมน์เดียวที่รวบรวมประเภทของปัญหาที่ดูเหมือนจะยาก โดยแยกออกจากปัญหาง่ายๆ ด้านล่างนี้ แก้ไขปัญหานั้นให้หมด แล้ว NP ที่เหลือก็จะพังทลายลง
บทนำ
คุกสงสัยว่าไม่มีอัลกอริธึมที่รวดเร็วสำหรับปัญหาสากลของเขา และเขาก็พูดกลางรายงานโดยเสริมว่า "ฉันรู้สึกว่ามันคุ้มค่าที่จะใช้ความพยายามอย่างมากในการพยายามพิสูจน์การคาดเดานี้" “ความพยายามอย่างมาก” จะกลายเป็นการพูดน้อย
ในเวลาเดียวกันก็มีนักศึกษาระดับบัณฑิตศึกษาในสหภาพโซเวียตคนหนึ่งชื่อ ลีโอนิด เลวิน พิสูจน์ก ผลลัพธ์ที่คล้ายกันยกเว้นว่าเขาระบุปัญหาสากลที่แตกต่างกันหลายประการ นอกจากนี้นักทฤษฎีความซับซ้อนของชาวอเมริกัน ริชาร์ด คาร์ป พิสูจน์แล้วว่า ทรัพย์สินความเป็นสากลที่ระบุโดยคุก (และเลวิน แม้ว่าคาร์ปและคุกจะไม่รู้เกี่ยวกับงานของเลวินจนกระทั่งหลายปีต่อมา) ก็เป็นคุณสมบัติสากลทั้งหมด ปัญหา NP เกือบทุกปัญหาที่ไม่มีอัลกอริธึมพหุนามที่รู้จัก กล่าวคือ เกือบทุกปัญหาที่ตรวจสอบได้ง่ายซึ่งดูยาก มีคุณสมบัติเดียวกัน ซึ่งกลายเป็นที่รู้จักในชื่อ ความสมบูรณ์ของ NP
นี่หมายถึงปัญหาที่สมบูรณ์ของ NP ทั้งหมด เช่น ปัญหาเส้นทางแฮมิลตัน ซูโดกุ และ พัน ของผู้อื่น - มีความหมายเทียบเท่ากันอย่างชัดเจน “คุณมีงานธรรมชาติที่แตกต่างกันทั้งหมดนี้ และงานทั้งหมดก็กลายเป็นงานเดียวกันอย่างน่าอัศจรรย์” อิลันโกกล่าว “และเรายังไม่รู้ว่างานเดียวกันนั้นจะเป็นไปได้หรือไม่”
การแก้ปัญหาความยากของปัญหา NP-complete ใดๆ ก็เพียงพอแล้วที่จะแก้ปัญหาระหว่างคำถาม P กับ NP ถ้า P ≠ NP ความแตกต่างระหว่างปัญหาที่ง่ายและปัญหายากจะคงอยู่ด้วยคอลัมน์หลายพันคอลัมน์ที่ล้วนแข็งแกร่งเท่ากัน หาก P = NP สิ่งปลูกสร้างทั้งหมดกำลังสั่นคลอนจนเกือบจะพังทลาย เพียงรอให้ชิ้นส่วนหนึ่งพังลงมา
บทนำ
คุก เลวิน และคาร์ปได้รวมปัญหาต่างๆ ที่ดูไม่เกี่ยวข้องเข้าด้วยกัน ตอนนี้นักทฤษฎีความซับซ้อนทุกคนต้องทำคือแก้ปัญหาเดียว: P = NP หรือไม่?
ห้าสิบปีต่อมา คำถามก็ยังไม่มีคำตอบ Kabanets เปรียบเสมือนการให้เหตุผลเกี่ยวกับขีดจำกัดของการคำนวณกับการสำรวจดินแดนอันกว้างใหญ่โดยไม่รู้สึกถึงภาพรวม สิ่งมีชีวิตที่มีพลังการคำนวณไม่จำกัดสามารถมองลงมาจากยอดเขาและมองเห็นทิวทัศน์ทั้งหมดได้ในคราวเดียว แต่มนุษย์ปุถุชนไม่สามารถพึ่งพาความได้เปรียบแบบนั้นได้ “พวกเราที่อยู่เชิงเขาสามารถลองกระโดดขึ้นลงเพื่อชมวิวที่ดีขึ้นได้” เขากล่าว
สมมติว่า P = NP เพื่อพิสูจน์สิ่งนี้ นักวิจัยจะต้องค้นหาอัลกอริธึมที่รวดเร็วสำหรับปัญหา NP-complete ซึ่งอาจซ่อนอยู่ในมุมที่คลุมเครือของภูมิประเทศอันกว้างใหญ่นั้น ไม่มีการรับประกันว่าพวกเขาจะพบมันในเร็วๆ นี้ นักทฤษฎีความซับซ้อนก็มีบ้างเป็นครั้งคราว ค้นพบ อัลกอริธึมอันชาญฉลาดสำหรับปัญหาที่ดูเหมือนยาก (แม้ว่าจะยังไม่สมบูรณ์) หลังจากทำงานมาหลายทศวรรษเท่านั้น
ทีนี้สมมติว่า P ≠ NP การพิสูจน์ว่าดูเหมือนยากยิ่งขึ้น นักทฤษฎีความซับซ้อนจะต้องพิสูจน์ว่าไม่มีอัลกอริธึมที่รวดเร็วใดที่สามารถดำรงอยู่ได้ โดยคาดการณ์และขัดขวางความพยายามที่ดีที่สุดของนักวิจัยในอนาคตทั้งหมดได้อย่างมีประสิทธิภาพ
การไม่รู้ว่าจะเริ่มตรงไหนเป็นส่วนหนึ่งของปัญหา แต่ไม่ใช่ว่านักวิจัยไม่ได้ลอง ตลอดหลายทศวรรษที่ผ่านมา พวกเขาโจมตีปัญหาจากหลายมุมและพบว่าเส้นทางถูกปิดกั้นทุกครั้ง “นี่เป็นหนึ่งในความจริงที่โจ่งแจ้งที่สุดในวิทยาการคอมพิวเตอร์เชิงทฤษฎี” คาร์โมซิโนกล่าว “เมื่อคุณมีปรากฏการณ์ที่คงทนถาวรขนาดนั้น คุณต้องการคำอธิบาย”
บทนำ
เมื่อถึงปีสุดท้ายของวิทยาลัย ความอยากรู้อยากเห็นของเขาได้นำเขาจาก Gödel ไปสู่หลักสูตรระดับบัณฑิตศึกษาในทฤษฎีความซับซ้อน เขาแปลกใจที่รู้ว่าเขาใช้เวลาทำการบ้านมากกว่าทำโปรเจ็กต์ความรัก ซึ่งเป็นโปรแกรมคอมพิวเตอร์ที่จะเรียนรู้โครงสร้างการเล่าเรื่องของเทพนิยายและสร้างเรื่องใหม่ขึ้นมา
“ฉันคิดว่า 'ว้าว ฉันจำเป็นต้องทำเรื่องนี้อย่างจริงจัง'” คาร์โมซิโนเล่า ไม่นานนัก เขาก็หมกมุ่นอยู่กับเรื่องนี้มากจนที่ปรึกษาของเขาแนะนำให้เขาพิจารณาแผนหลังสำเร็จการศึกษาอีกครั้ง
“เขาแบบว่า 'คุณรู้ไหมว่าถ้าคุณต้องการทำสิ่งนี้ต่อไป หากคุณต้องการทำวิทยาการคอมพิวเตอร์เชิงทฤษฎีและทฤษฎีความซับซ้อนต่อไป คุณก็ทำได้ มันเรียกว่าบัณฑิตวิทยาลัย'” Carmosino กล่าว หลังจากสำเร็จการศึกษาระดับปริญญาโท เขาก็ย้ายไปซานดิเอโกในปี 2012 เพื่อทำงานในระดับปริญญาเอกภายใต้การดูแลของ Impagliazzo
บทนำ
เป้าหมายหลักของ Carmosino ในตอนแรกคือการทำความเข้าใจ a ให้ดีขึ้น กระดาษจุดสังเกต เมื่อสองทศวรรษก่อนหน้านี้ที่ครอบงำจินตนาการของเขา บทความนั้นโดยนักทฤษฎีความซับซ้อน อเล็กซานเดอร์ ราซโบรอฟ และ สตีเว่น รูดิชได้แสดงให้เห็นว่ากลยุทธ์ "ธรรมชาติ" บางอย่างในการพิสูจน์ P ≠ NP เกือบจะล้มเหลวอย่างแน่นอน เพราะความสำเร็จนั้นต้องแลกมาด้วยต้นทุนที่สูงลิ่ว ซึ่งเป็นการพังทลายของการเข้ารหัสโดยสมบูรณ์ ซึ่งนักวิจัยมองว่าไม่น่าเป็นไปได้อย่างยิ่ง นักวิจัยตีความผลลัพธ์ของ Razborov และ Rudich ว่าเป็นอุปสรรคต่อแนวทางยอดนิยมในการพิสูจน์ P ≠ NP
“อุปสรรคในการพิสูจน์ตามธรรมชาติ” นี้เป็นเพียงหนึ่งในอุปสรรคต่างๆ ที่รู้จักในการแก้ปัญหาที่เปิดกว้างในทฤษฎีความซับซ้อน แต่ละคนทำหน้าที่เสมือนสิ่งกีดขวางบนถนน เตือนว่าเส้นทางที่ดูเหมือนจะมีแนวโน้มดีนั้นแท้จริงแล้วคือทางตัน อุปสรรคเหล่านี้ร่วมกันบ่งชี้ว่าข้อพิสูจน์ใดๆ ที่สามารถแก้ไขปัญหา P กับ NP จะต้องแตกต่างอย่างสิ้นเชิงจากสิ่งใดๆ ที่เคยใช้ในอดีต นั่นเป็นสาเหตุที่นักวิจัยส่วนใหญ่เชื่อว่าวิธีแก้ปัญหายังห่างไกล แต่อย่างน้อยก็มีอุปสรรคบอกพวกเขาว่าไม่ควรมองที่ใด
“ทฤษฎีความซับซ้อนนั้นถูกสาปและมีอุปสรรคมากมาย” Ilango กล่าว
เมื่อคาร์โมซิโนพบกับกำแพงกั้นทางธรรมชาติ มันก็มีอายุเกือบ 20 ปีแล้ว แต่เขาสงสัยว่าจะมีบทเรียนมากกว่านี้สำหรับนักวิจัย วันหนึ่งความรู้สึกนั้นจะได้รับการพิสูจน์ เมื่อเขาและเพื่อนร่วมงานสามคนพิสูจน์ผลลัพธ์ที่น่าประหลาดใจโดยการตรวจสอบอุปสรรคในการพิสูจน์ตามธรรมชาติจากมุมมองของความซับซ้อนของเมตาดาต้า การพิสูจน์ของพวกเขาเป็นหนึ่งในผลลัพธ์ที่สำคัญไม่กี่อย่างที่จุดประกายความสนใจใหม่เกี่ยวกับความซับซ้อนของเมตาดาต้า ซึ่งนำไปสู่ความก้าวหน้าที่วุ่นวายในช่วงหลายปีที่ผ่านมา
แต่เพื่อติดตามเส้นทางจากอุปสรรคในการพิสูจน์ตามธรรมชาติ ไปสู่ความซับซ้อนของเมตาดาต้า เราจะต้องย้อนกลับไปที่จุดที่เราทิ้งนักวิจัยไว้ในปี 1970 เมื่อพวกเขาเริ่มจัดการกับปัญหา P กับ NP เป็นครั้งแรก อะไรทำให้การพิสูจน์ปัญหาเป็นเรื่องยากมาก?
เส้นทางวงจร
ในตอนแรก นักวิจัยพยายามพิสูจน์ P ≠ NP นั่นคือพิสูจน์ว่าปัญหา NP บางอย่างไม่สามารถแก้ไขได้ด้วยอัลกอริธึมพหุนามใดๆ ที่เป็นไปได้ โดยใช้รูปแบบต่างๆ ของเทคนิคที่ทัวริงใช้ในการพิสูจน์ว่าปัญหาบางอย่างไม่สามารถแก้ไขได้ด้วยอัลกอริธึมใดๆ ก็ตาม . แต่พวกเขาได้อย่างรวดเร็ว ค้นพบ ข้อพิสูจน์ว่าวิธีการเหล่านั้นใช้ไม่ได้ผล ซึ่งเป็นอุปสรรคสำคัญประการแรกในการแก้ไขคำถาม P กับ NP ดังนั้นพวกเขาจึงเริ่มมองหาแนวทางอื่น และในไม่ช้าพวกเขาก็พบแนวทางหนึ่งในผลงานร่วมสมัยของทัวริง คลอดด์แชนนอน.
แชนนอนซึ่งเติบโตขึ้นมาในเมืองเล็กๆ ทางตอนเหนือของมิชิแกน ดูเหมือนจะเป็นบุคคลที่ไม่น่าจะเป็นผู้นำในยุคข้อมูลข่าวสาร แต่เขาก็ยังเป็นตัวอย่างให้เห็นถึงลักษณะแบบสหวิทยาการของสาขาวิชาวิทยาการคอมพิวเตอร์ที่เกิดขึ้นใหม่ โดยให้ความรู้สึกที่เท่าเทียมกันในด้านวิศวกรรมไฟฟ้าและตรรกะทางคณิตศาสตร์ ในตัวเขา วิทยานิพนธ์ปริญญาโทแชนนอนแสดงให้เห็นว่าวงจรที่ทำจากสวิตช์เครื่องกลไฟฟ้าสามารถแสดงนิพจน์เชิงตรรกะที่เกี่ยวข้องกับตัวแปรบูลีนได้อย่างไร ซึ่งเป็นปริมาณที่สามารถรับได้เพียงสองค่าเท่านั้น (เช่น จริงหรือเท็จ หรือ 1 และ 0)
ในนิพจน์เหล่านี้ ตัวแปรบูลีนจะถูกเชื่อมโยงเข้าด้วยกันโดย "ลอจิกเกต" AND, OR และ NOT ตัวอย่างเช่น นิพจน์พื้นฐาน A และ B เป็นจริงเมื่อทั้ง A และ B เป็นจริง มิฉะนั้นจะเป็นเท็จ ในทางกลับกัน A หรือ B เป็นจริงหากอย่างน้อยหนึ่งในสองตัวแปรเป็นจริง NOT gate นั้นง่ายกว่า: มันจะกลับค่าของตัวแปรตัวเดียว ด้วยองค์ประกอบพื้นฐานเหล่านี้ที่เพียงพอ คุณสามารถทำการคำนวณใดๆ ก็ได้
“เมื่อคุณดูคอมพิวเตอร์ของคุณ ท้ายที่สุดแล้ว มันกำลังทำอะไรอยู่? มันกำลังวิ่งอยู่ในวงจร” Ilango กล่าว
งานของแชนนอนเสนอแนวทางใหม่สำหรับนักทฤษฎีในการคิดถึงความยากของปัญหาทางคอมพิวเตอร์ ที่เรียกว่า "ความซับซ้อนของวงจร" แม้ว่าวงจรที่เป็นปัญหาจะเป็นเพียงนามธรรมทางคณิตศาสตร์ก็ตาม นักวิจัยคิดว่าแนวทางนี้อาจเป็นวิธีการแก้ปัญหา P กับ NP ได้สักระยะหนึ่ง แต่ในที่สุดเส้นทางก็วิ่งไปชนกับสิ่งกีดขวางการพิสูจน์ตามธรรมชาติ
บทนำ
กรอบงานความซับซ้อนของวงจรจำเป็นต้องคิดใหม่เกี่ยวกับแนวคิดพื้นฐานที่สุดในแบบจำลองการคำนวณของทัวริง ที่นี่ แทนที่จะพิจารณาปัญหาทางคอมพิวเตอร์และอัลกอริธึมที่ช่วยแก้ปัญหาเหล่านี้ นักวิจัยพิจารณาฟังก์ชันบูลีนและวงจรที่คำนวณพวกมัน ฟังก์ชันบูลีนรับตัวแปรบูลีน — จริงและเท็จ 1 วินาทีและ 0 — และเอาต์พุตเป็นจริงหรือเท็จ 1 หรือ 0 และเช่นเดียวกับอัลกอริทึม วงจรจะอธิบายขั้นตอนในการสร้างเอาต์พุตเมื่อมีอินพุตใดๆ ก็ตาม
“ความเข้าใจของฉันคือผู้คนเริ่มทำงานกับความซับซ้อนของวงจรเพราะพวกเขาตัดสินใจว่าเครื่องจักรทัวริงซับซ้อนเกินไป” กล่าว ไรอันวิลเลียมส์นักทฤษฎีความซับซ้อนของ MIT “เราสามารถศึกษาวงจรแบบทีละประตูได้”
เช่นเดียวกับที่มีอัลกอริธึมมากมายในการแก้ปัญหาการคำนวณใดๆ บางตัวก็เร็วกว่าตัวอื่นๆ วงจรต่างๆ มากมายก็สามารถคำนวณฟังก์ชันบูลีนใดๆ ที่กำหนดได้ บางตัวมีเกตน้อยกว่าตัวอื่นๆ นักวิจัยกำหนดความซับซ้อนของวงจรของฟังก์ชันเป็นจำนวนเกตทั้งหมดในวงจรที่เล็กที่สุดที่คำนวณ สำหรับฟังก์ชันที่มีจำนวนตัวแปรอินพุตคงที่ ความซับซ้อนของวงจรจะเป็นจำนวนคงที่เช่นกัน — สำหรับบางฟังก์ชันจะสูงกว่าฟังก์ชันอื่นๆ
บทนำ
แต่ในหลายกรณี คุณสามารถพิจารณาเวอร์ชันที่ซับซ้อนมากขึ้นของฟังก์ชันเดียวกันได้โดยการเพิ่มจำนวนตัวแปรอินพุต เช่นเดียวกับที่คุณทำให้ปัญหาเส้นทางแฮมิลตันยากขึ้นโดยพิจารณากราฟที่ใหญ่ขึ้น จากนั้น นักวิจัยจะพิจารณาคำถามเดียวกันที่พวกเขาถามเมื่อศึกษาเวลาการทำงานของอัลกอริทึม: จำนวนเกตขั้นต่ำที่จำเป็นในการคำนวณฟังก์ชันบูลีนจะเพิ่มขึ้นแบบพหุนามหรือแบบเอกซ์โพเนนเชียลเมื่อจำนวนตัวแปรอินพุตเพิ่มขึ้นหรือไม่ นักวิจัยเรียกฟังก์ชันทั้งสองประเภทนี้ว่า “คำนวณง่าย” และ “คำนวณยาก” ตามลำดับ
ฟังก์ชันบูลีนที่คำนวณง่ายนั้นคล้ายคลึงกับปัญหาการคำนวณในคลาส P ซึ่งเป็นฟังก์ชันที่สามารถแก้ไขได้ด้วยอัลกอริทึมที่ทำงานในเวลาพหุนาม แต่ก็มีฟังก์ชันที่คล้ายคลึงกับปัญหา NP แบบฮาร์ดด้วย ซึ่งวิธีที่ดีที่สุดที่นักวิจัยค้นพบในการคำนวณเวอร์ชันที่ใหญ่ขึ้นเรื่อยๆ ต้องใช้จำนวนเกตที่เพิ่มขึ้นแบบทวีคูณ แต่คำตอบก็สามารถตรวจสอบได้อย่างง่ายดาย หากนักทฤษฎีความซับซ้อนสามารถพิสูจน์ได้ว่าไม่มีวิธีใดที่จะดีไปกว่าการคำนวณฟังก์ชันดังกล่าวแล้ว นั่นก็จะหมายถึง P ≠ NP
นี่เป็นกลยุทธ์ที่นักทฤษฎีความซับซ้อนส่วนใหญ่ดำเนินการในช่วงทศวรรษ 1980 และโอกาสก็เข้าข้างพวกเขา แชนนอนก็มี พิสูจน์แล้วว่า ในปี 1949 ตารางความจริงบูลีนเกือบทุกตาราง (ซึ่งเป็นเพียงรายการยาวๆ ของอินพุตและเอาต์พุตที่เป็นไปได้ทั้งหมดของฟังก์ชันบูลีนในขนาดคงที่) มีความซับซ้อนของวงจรที่สูงที่สุดเท่าที่จะเป็นไปได้ เขาใช้ข้อโต้แย้งที่เรียบง่ายอย่างน่าทึ่ง: มีวิธีรวมประตูจำนวนน้อยได้น้อยกว่าวิธีรวมประตูหลาย ๆ อันมาก
“มีวงจรเล็กๆ ไม่เพียงพอที่จะสำรวจ” แอรอนสันกล่าว
นักทฤษฎีความซับซ้อนจึงพบว่าตัวเองตกอยู่ในสถานการณ์ที่น่าสงสัย ถ้าตารางความจริงเกือบทุกตารางมีความซับซ้อนของวงจรสูง ฟังก์ชันบูลีนเกือบทุกฟังก์ชันจะต้องคำนวณได้ยาก นักวิจัยเพียงแค่ต้องระบุฟังก์ชันเดียวที่ทราบกันว่าอยู่ในคลาส NP มันยากแค่ไหน?
Crypto Bros
ในตอนแรกความก้าวหน้าเป็นไปอย่างรวดเร็ว ในปี 1981 Sipser และผู้ร่วมงานสองคน พิสูจน์แล้วว่า ฟังก์ชันบูลีนบางอย่างนั้นคำนวณได้ยากอย่างแน่นอนหากใช้วงจรที่มีข้อจำกัดบางประการเกี่ยวกับวิธีการจัดเรียงเกต
“จินตนาการก็คือคุณจะสามารถพิสูจน์สิ่งต่างๆ เกี่ยวกับโมเดลที่ถูกจำกัดเหล่านี้ และจากนั้นต่อยอดจากสิ่งที่คุณได้เรียนรู้ในการทำงานโดยมีข้อจำกัดน้อยลงเรื่อยๆ” Sipser กล่าว
ในปี 1985 Razborov ก้าวไปอีกขั้นหนึ่ง เขาเพิ่งเริ่มเรียนในระดับบัณฑิตศึกษาในมอสโกวและเข้าร่วมความพยายามโดยไม่ได้ตั้งใจขณะกำลังแก้ไขปัญหาในสาขาวิชาคณิตศาสตร์อื่น ซึ่งปรากฏว่าการแก้ปัญหาระหว่าง P กับ NP นั้นเป็นข้อกำหนดเบื้องต้น
“ฉันโชคดีมากที่ไม่รู้ว่าปัญหานี้ยากแค่ไหน” Razborov กล่าว “ไม่อย่างนั้นฉันคงไม่ได้เริ่มเลย”
Razborov วิเคราะห์วงจรที่มีเกต AND และ OR เท่านั้น และ พิสูจน์แล้วว่า ว่าฟังก์ชันใดฟังก์ชันหนึ่งนั้นคำนวณได้ยากโดยใช้วงจรดังกล่าว ไม่ว่าจะจัดเรียงเกตอย่างไร ยิ่งกว่านั้น ฟังก์ชันนั้นยังเป็นที่รู้จักกันในนาม NP-สมบูรณ์ นักวิจัยทุกคนต้องทำเพื่อแก้ไข P กับ NP โดยขยายเทคนิคของ Razborov ไปยังวงจรที่ไม่มีเกท
“มีความรู้สึกสากลว่าอีกก้าวหนึ่ง โจมตีอีกหนึ่งครั้ง แล้วเราจะได้มันมา” ราซโบรอฟกล่าว แต่นั่นไม่ใช่สิ่งที่เกิดขึ้น Razborov พิสูจน์ตัวเองแล้วว่าวิธีการของเขาจะล้มเหลวหากไม่มีการเพิ่มประตูเข้าไปในส่วนผสม และไม่มีใครสามารถหาหนทางอื่นต่อไปได้ หลายปีผ่านไป เขาเริ่มสงสัยว่าเหตุใดเส้นทางจึงจางหายไป
ในสหรัฐอเมริกา รูดิชกำลังไตร่ตรองคำถามเดียวกันนี้ เขาและ Impagliazzo เป็นเพื่อนร่วมชั้นในวิทยาลัยที่เรียนต่อในระดับบัณฑิตวิทยาลัยด้วยกัน มิตรภาพของพวกเขาถูกจุดประกายด้วยความหลงใหลร่วมกันกับข้อพิสูจน์การอ้างอิงตนเองของ Gödel และ Turing และผลกระทบที่มีต่อรากฐานของคณิตศาสตร์และวิทยาการคอมพิวเตอร์
“เรื่องตลกของเราคือเรากำลังจะได้รับปุ่มที่เขียนว่า 'อ้างอิงตัวเอง'” Impagliazzo กล่าว
บทนำ
ในฐานะนักศึกษาระดับบัณฑิตศึกษา ทั้ง Rudich และ Impagliazzo ต่างก็ทำงานเกี่ยวกับรากฐานทางทฤษฎีที่ซับซ้อนของการเข้ารหัส ซึ่งเป็นวิชาที่อาจเป็นแรงจูงใจในทางปฏิบัติที่ดีที่สุดสำหรับการพยายามพิสูจน์ P ≠ NP นักเข้ารหัสลับปกปิดข้อความลับโดยปิดบังข้อความเหล่านั้นใน "การสุ่มเทียม" ข้อความที่เข้ารหัสด้วยวิธีนี้จะดูเหมือนตัวเลขที่สุ่มสับสนสำหรับผู้ดักฟัง แต่ผู้รับยังสามารถถอดรหัสได้ แต่คุณจะแน่ใจได้อย่างไรว่าผู้แอบฟังจะพบว่าการถอดรหัสนั้นยากเกินไป
นั่นคือที่มาของทฤษฎีความซับซ้อน วิธีการเข้ารหัสที่ใช้กันอย่างแพร่หลายในปัจจุบันล้วนขึ้นอยู่กับปัญหา NP ที่ดูเหมือนจะยาก — ในการถอดรหัสข้อความ ผู้โจมตีจะต้องใช้อัลกอริธึมที่รวดเร็วซึ่งยังไม่มีใครค้นพบในการแก้ปัญหา เพื่อพิสูจน์ว่าวิธีการเหล่านี้ปลอดภัยอย่างแท้จริง สิ่งหนึ่งที่คุณต้องทำคือพิสูจน์ว่า P ≠ NP ซิปเซอร์กล่าวว่าหากไม่มีข้อพิสูจน์ สิ่งที่คุณทำได้คือ "หวังว่าใครก็ตามที่คุณพยายามเก็บความลับไว้จะไม่ใช่นักคณิตศาสตร์ที่ดีไปกว่าคุณ"
แม้ว่าวิทยาการเข้ารหัสลับจะน่าหลงใหลในตัวมันเอง แต่วิทยาการเข้ารหัสลับก็ดูห่างไกลจากข้อโต้แย้งในการอ้างอิงตนเองซึ่งดึง Rudich และ Impagliazzo เข้ามาในวงการนี้เป็นครั้งแรก แต่เมื่อ Rudich พยายามทำความเข้าใจว่าทำไมแนวทางความซับซ้อนของวงจรจึงหยุดชะงัก เขาเริ่มตระหนักว่าทั้งสองวิชาไม่ได้ห่างกันมากนัก นักวิจัยด้านกลยุทธ์ได้นำมาใช้ในความพยายามที่จะพิสูจน์ว่า P ≠ NP มีตัวละครที่เอาชนะตัวเองได้ ซึ่งชวนให้นึกถึงข้อเสนอที่มีชื่อเสียงของ Gödel ว่า "ข้อความนี้พิสูจน์ไม่ได้" - และการเข้ารหัสสามารถช่วยอธิบายได้ว่าทำไม ในรัสเซีย Razborov ค้นพบความเชื่อมโยงที่คล้ายกันในเวลาเดียวกัน สิ่งเหล่านี้คือเมล็ดพันธุ์ของกำแพงพิสูจน์ธรรมชาติ
ความตึงเครียดที่เป็นหัวใจสำคัญของอุปสรรคในการพิสูจน์ตามธรรมชาติคืองานในการแยกแยะฟังก์ชันที่มีความซับซ้อนสูงจากฟังก์ชันที่มีความซับซ้อนต่ำนั้นคล้ายคลึงกับงานในการแยกแยะความแตกต่างระหว่างการสุ่มที่แท้จริงจากการสุ่มเทียมที่ใช้ในการเข้ารหัสข้อความ เราต้องการแสดงให้เห็นว่าฟังก์ชันที่มีความซับซ้อนสูงมีความแตกต่างอย่างเด็ดขาดจากฟังก์ชันที่มีความซับซ้อนต่ำ เพื่อพิสูจน์ P ≠ NP แต่เรายังต้องการให้การสุ่มเทียมนั้นแยกไม่ออกจากการสุ่ม เพื่อให้มั่นใจในความปลอดภัยของการเข้ารหัส บางทีเราไม่สามารถมีได้ทั้งสองวิธี
เรื่องตลกที่โหดร้าย
ในปี 1994 Razborov และ Rudich ตระหนักว่าพวกเขาได้รับข้อมูลเชิงลึกที่คล้ายคลึงกัน และพวกเขาก็เริ่มทำงานร่วมกันเพื่อรวมผลลัพธ์เข้าด้วยกัน ในตอนแรกพวกเขาสังเกตเห็นว่าความพยายามก่อนหน้านี้ทั้งหมดในการพิสูจน์ P ≠ NP โดยใช้ความซับซ้อนของวงจรได้นำกลยุทธ์ทั่วไปเดียวกันมาใช้: ระบุคุณสมบัติพิเศษของฟังก์ชันบูลีนที่สมบูรณ์ของ NP จากนั้นพิสูจน์ว่าไม่มีฟังก์ชันที่คำนวณง่ายใดที่สามารถแบ่งปันคุณสมบัตินั้นได้ นั่นจะแสดงให้เห็นว่าฟังก์ชัน NP-สมบูรณ์ที่เลือกนั้นยากต่อการคำนวณอย่างแท้จริง โดยพิสูจน์ว่า P ≠ NP
Sipser, Razborov และคนอื่นๆ ใช้กลยุทธ์เดียวกันนี้อย่างประสบความสำเร็จเพื่อพิสูจน์ผลลัพธ์ที่จำกัดยิ่งขึ้น และในทุกกรณี คุณสมบัติพิเศษที่นักวิจัยระบุนั้นถูกใช้ร่วมกันโดยฟังก์ชันบูลีนส่วนใหญ่ Razborov และ Rudich บัญญัติคำว่า "หลักฐานทางธรรมชาติ" เพื่ออ้างถึงกรณีนี้ซึ่งมีการแบ่งปันทรัพย์สินอย่างกว้างขวาง เพียงเพราะไม่มีทางเลือกอื่นที่ทราบ หากเป็นไปได้ การพิสูจน์ที่ “ผิดธรรมชาติ” จะต้องขัดแย้งกับสัญชาตญาณอย่างมากและสมควรได้รับชื่อดังกล่าว
จากนั้น Razborov และ Rudich ได้พิสูจน์ผลลัพธ์หลักของพวกเขา: การพิสูจน์โดยธรรมชาติของ P ≠ NP จะต้องมีความเข้าใจที่ครอบคลุมอย่างมากว่าฟังก์ชันที่คำนวณง่ายและยากต่อการคำนวณแตกต่างกันอย่างไร และความรู้นั้นยังสามารถกระตุ้นอัลกอริธึมที่รวดเร็วสำหรับการจำแนกได้ง่าย -เพื่อคำนวณฟังก์ชันแม้ว่าจะซับซ้อนเพียงผิวเผินก็ตาม หากนักทฤษฎีความซับซ้อนประสบความสำเร็จในการพิสูจน์ตามธรรมชาติของ P ≠ NP พวกเขาคงจะค้นพบวิธีที่เกือบจะไม่มีข้อผิดพลาดในการดูตารางความจริงตามอำเภอใจและตัดสินว่าฟังก์ชันที่เกี่ยวข้องนั้นมีความซับซ้อนของวงจรสูงหรือต่ำ ซึ่งเป็นผลลัพธ์ที่แข็งแกร่งกว่ามากและเป็นภาพรวมมากกว่า พวกเขาตั้งใจจะพิสูจน์
“คุณแทบจะอดไม่ได้ที่จะได้มากกว่าที่คุณต่อรองไว้” Carmosino กล่าว
เหมือนกับว่าคุณพยายามตรวจสอบข้อเท็จจริงในข้อความใดข้อความหนึ่ง แต่ความพยายามทุกครั้งกลับกลายเป็นพิมพ์เขียวสำหรับเครื่องจับเท็จทั่วไป ดูเหมือนว่าจะดีเกินกว่าจะเป็นจริงได้ สำหรับนักทฤษฎีความซับซ้อน พลังที่น่าประหลาดใจของการพิสูจน์ทางธรรมชาติก็ทำให้ความสำเร็จดูเป็นไปได้น้อยลงเช่นกัน แต่หากการพิสูจน์ดังกล่าวประสบความสำเร็จ ผลที่ตามมาที่ไม่คาดคิดอาจเป็นข่าวร้ายสำหรับการเข้ารหัส เนื่องจากความเชื่อมโยงระหว่างความซับซ้อนของวงจรและการสุ่มเทียม
เพื่อให้เข้าใจถึงการเชื่อมต่อนี้ ลองจินตนาการถึงการดูคอลัมน์เอาต์พุตในตารางความจริงของฟังก์ชันบูลีนที่มีตัวแปรอินพุตจำนวนมาก และแทนที่ "จริง" ทุกรายการด้วย 1 และแทนที่ "เท็จ" ทุกรายการด้วย 0:
หากฟังก์ชันบูลีนมีความซับซ้อนของวงจรสูง รายการเอาท์พุตที่ยาวนั้นโดยหลักการแล้วจะไม่สามารถแยกแยะได้จากสตริงสุ่มอย่างแท้จริงซึ่งประกอบด้วยเลข 0 และ 1 ซึ่งได้มาจากการพลิกเหรียญซ้ำๆ แต่ถ้าฟังก์ชันมีความซับซ้อนของวงจรต่ำ สตริงจะต้องมีคำอธิบายที่เรียบง่ายและกระชับ แม้ว่าจะดูซับซ้อนก็ตาม นั่นทำให้มันคล้ายกันมากกับสตริงสุ่มเทียมที่ใช้ในวิทยาการเข้ารหัสลับ ซึ่งมีคำอธิบายที่กระชับคือข้อความลับที่ฝังอยู่ในความสุ่มที่ชัดเจนนั้น
บทนำ
ดังนั้นผลลัพธ์ของ Razborov และ Rudich แสดงให้เห็นว่าการพิสูจน์ตามธรรมชาติของ P ≠ NP จะให้ผลลัพธ์อัลกอริธึมที่รวดเร็วซึ่งสามารถแยกแยะสตริงสุ่มเทียมที่มีข้อความที่ซ่อนอยู่จากข้อความที่สุ่มอย่างแท้จริง การเข้ารหัสที่ปลอดภัยคงเป็นไปไม่ได้ — ตรงกันข้ามกับสิ่งที่นักวิจัยหวังจะสร้างโดยการพิสูจน์ P ≠ NP อย่างแน่นอน
ในทางกลับกัน หากการเข้ารหัสที่ปลอดภัยเป็นไปได้ การพิสูจน์ตามธรรมชาติก็ไม่ใช่กลยุทธ์ที่ใช้ได้ในการพิสูจน์ P ≠ NP ซึ่งเป็นข้อกำหนดเบื้องต้นสำหรับการเข้ารหัสที่ปลอดภัย นั่นคืออุปสรรคในการพิสูจน์ตามธรรมชาติโดยสรุป ดูเหมือนกับว่านักทฤษฎีความซับซ้อนกำลังตกเป็นเหยื่อของเรื่องตลกอันโหดร้าย
“ถ้าคุณเชื่อในความแข็ง คุณควรเชื่อว่ามันยากที่จะพิสูจน์ความแข็ง” Kabanets กล่าว
เข้าสู่ Metaverse
การเชื่อมโยงระหว่างความหมายของการคาดเดา P ≠ NP และความยากลำบากในการพิสูจน์ว่ามันน่าสนใจ แต่ก็ยากที่จะปักหมุด ประการหนึ่ง สิ่งกีดขวางการพิสูจน์ตามธรรมชาติขัดขวางวิธีการพิสูจน์ P ≠ NP เพียงวิธีเดียวเท่านั้น อีกประการหนึ่ง มันเชื่อมโยงความยากลำบากในการพิสูจน์ P ≠ NP ไม่ใช่กับ P ≠ NP เอง แต่กับการมีอยู่ของการเข้ารหัสที่ปลอดภัย ซึ่งเป็นปัญหาที่เกี่ยวข้องกันอย่างใกล้ชิดแต่ไม่ได้เทียบเท่ากันนัก เพื่อให้เข้าใจถึงความเชื่อมโยงอย่างแท้จริง นักวิจัยจะต้องคุ้นเคยกับความซับซ้อนของเมตาดาต้า
“มีสัญชาตญาณว่า 'โอ้ เพราะ P ≠ NP จึงเป็นเรื่องยากที่จะพิสูจน์ว่า P ≠ NP'” วิลเลียมส์กล่าว “แต่เพื่อที่จะเข้าใจสัญชาตญาณนี้ คุณต้องเริ่มคิดถึงงานพิสูจน์บางอย่างเช่น P ≠ NP ว่าเป็นปัญหาทางคอมพิวเตอร์”
นั่นคือสิ่งที่ Kabanets ทำตอนเป็นนักศึกษาระดับบัณฑิตศึกษา เขาเติบโตในยูเครน และสำเร็จการศึกษาระดับปริญญาตรี สาขาวิทยาการคอมพิวเตอร์ สองปีหลังจากการล่มสลายของสหภาพโซเวียต ในช่วงความวุ่นวายที่ตามมา เขามีโอกาสเพียงเล็กน้อยที่จะติดตามหัวข้อทางทฤษฎีที่เขาสนใจมากที่สุด
บทนำ
“ฉันอยากจะทำอะไรที่เป็นวิชาการมากกว่านี้” Kabanets เล่า “และฉันก็อยากรู้อยากเห็นโลกด้วย” เขาย้ายไปแคนาดาเพื่อศึกษาต่อระดับบัณฑิตศึกษา และนั่นคือที่ที่เขาได้เรียนรู้เกี่ยวกับอุปสรรคในการพิสูจน์ตามธรรมชาติ เช่นเดียวกับ Carmosino Kabanets รู้สึกประทับใจกับผลลัพธ์ที่ได้ “มันดูลึกซึ้งมากที่คุณมีความเชื่อมโยงนี้” เขากล่าว
ในปีพ.ศ. 2000 ในช่วงสิ้นสุดการเรียนในระดับบัณฑิตศึกษา เขาพบว่าอุปสรรคในการพิสูจน์ทางธรรมชาติยังคงปรากฏขึ้นในการสนทนาของเขากับ จิน ยี่ ไฉซึ่งเป็นนักทฤษฎีเรื่องความซับซ้อนที่มาเยือนโตรอนโตในช่วงพักงานในขณะนั้น พวกเขาเริ่มมองเห็นอุปสรรคไม่ใช่สิ่งกีดขวางบนถนนแต่เป็นการเชิญชวน — เป็นโอกาสในการตรวจสอบอย่างแม่นยำว่าการพิสูจน์ปัญหานั้นยากเพียงใด ที่ กระดาษ ซึ่งพวกเขาวางมุมมองใหม่นี้จะกลายเป็นหนึ่งในผลงานยุคแรกที่มีอิทธิพลมากที่สุดในสาขาที่เพิ่งเกิดใหม่ของเมตาดาต้าที่ซับซ้อน
บทความของ Kabanets และ Cai เน้นย้ำถึงปัญหาทางการคำนวณโดยนัยในการกำหนดอุปสรรคในการพิสูจน์ตามธรรมชาติของ Razborov และ Rudich: เมื่อพิจารณาจากตารางความจริงของฟังก์ชันบูลีน ให้พิจารณาว่ามีความซับซ้อนของวงจรสูงหรือต่ำ พวกเขาเรียกสิ่งนี้ว่าปัญหาขนาดวงจรขั้นต่ำหรือ MCSP
MCSP เป็นปัญหาเมตาที่ซับซ้อนที่สำคัญ: ปัญหาการคำนวณที่ไม่ใช่ทฤษฎีกราฟหรือหัวข้อภายนอกอื่น แต่เป็นทฤษฎีความซับซ้อนเอง อันที่จริง มันเหมือนกับคำถามเชิงปริมาณที่ผลักดันให้นักทฤษฎีความซับซ้อนจัดการกับ P กับ NP โดยใช้แนวทางความซับซ้อนของวงจรในทศวรรษ 1980: ฟังก์ชันบูลีนใดที่คำนวณยาก และฟังก์ชันใดที่ง่าย
“ถ้าเราคิดอัลกอริธึม MCSP นั่นก็เหมือนกับวิธีการทำให้สิ่งที่เรากำลังทำในทฤษฎีความซับซ้อนเป็นแบบอัตโนมัติ” Impagliazzo กล่าว “อย่างน้อยก็ควรให้ข้อมูลเชิงลึกอย่างมากแก่เราเกี่ยวกับวิธีการทำงานของเราให้ดีขึ้น”
นักทฤษฎีความซับซ้อนไม่ต้องกังวลว่าอัลกอริธึมมหัศจรรย์นี้จะทำให้พวกมันต้องตกงาน พวกเขาไม่คิดว่ามันจะมีอยู่เลย เพราะ Razborov และ Rudich แสดงให้เห็นว่าอัลกอริทึมใดๆ ก็ตามสำหรับแยกแยะตารางความจริงที่มีความซับซ้อนสูงจากตารางความจริงที่มีความซับซ้อนต่ำจะทำให้การเข้ารหัส เป็นไปไม่ได้. นั่นหมายความว่า MCSP น่าจะเป็นปัญหาด้านการคำนวณที่ยาก แต่มันยากแค่ไหน? มันเป็น NP-complete หรือไม่ เช่น ปัญหาเส้นทางแฮมิลตัน และปัญหาอื่นๆ เกือบทั้งหมดที่นักวิจัยต้องเผชิญในทศวรรษ 1960
สำหรับปัญหาใน NP “ยากแค่ไหน?” มักจะตอบง่ายพอที่จะตอบ แต่ MCSP ดูเหมือนจะเป็นค่าผิดปกติที่แปลก “เรามีปัญหา 'ลอยไปรอบๆ' น้อยมากซึ่งไม่ได้เชื่อมโยงกับปัญหา NP-complete บนเกาะแห่งนี้ แม้ว่าจะดูเหมือนยากก็ตาม” Kabanets กล่าว
Kabanets รู้ว่าเขาและ Cai ไม่ใช่คนแรกที่พิจารณาปัญหาที่พวกเขาเรียกว่า MCSP นักคณิตศาสตร์ชาวโซเวียตได้ศึกษาปัญหาที่คล้ายกันมากเริ่มต้นในทศวรรษปี 1950 โดยเป็นความพยายามในช่วงแรกๆ ที่จะเข้าใจความยากที่แท้จริงของปัญหาการคำนวณต่างๆ Leonid Levin ปล้ำกับมันในขณะที่พัฒนาสิ่งที่จะกลายเป็นทฤษฎีของ NP-ความสมบูรณ์ในช่วงปลายทศวรรษ 1960 แต่เขาไม่สามารถพิสูจน์ได้ว่า NP-สมบูรณ์ และเขาได้ตีพิมพ์รายงานน้ำเชื้อของเขาโดยไม่มีมัน
หลังจากนั้น ปัญหาดังกล่าวได้รับความสนใจเพียงเล็กน้อยเป็นเวลา 30 ปี จนกระทั่ง Kabanets และ Cai สังเกตเห็นความเชื่อมโยงของมันกับกำแพงพิสูจน์ธรรมชาติ Kabanets ไม่ได้คาดหวังที่จะตอบคำถามนี้ด้วยตัวเอง แต่เขาต้องการสำรวจว่าทำไมจึงเป็นเรื่องยากมากที่จะพิสูจน์ว่าปัญหาที่ดูเหมือนจะยากเกี่ยวกับความแข็งในการคำนวณนี้เป็นเรื่องยากจริงๆ
“ในแง่หนึ่ง มันเป็นความซับซ้อนของ meta-meta” กล่าว ราหุลสันธานัม, นักทฤษฎีความซับซ้อนแห่งมหาวิทยาลัยออกซ์ฟอร์ด
แต่มันมีความแข็งลดลงหรือเปล่า หรืออย่างน้อยก็มีวิธีที่จะเข้าใจว่าทำไมนักวิจัยจึงไม่ประสบความสำเร็จในการพิสูจน์ว่า MCSP เสร็จสมบูรณ์แล้ว Kabanets ค้นพบว่าใช่ มีเหตุผล: ความยากลำบากในการทำความเข้าใจความซับซ้อนของวงจรทำหน้าที่เหมือนอุปสรรคต่อกลยุทธ์ที่ทราบในการพิสูจน์ความสมบูรณ์ของ NP ของ MCSP ซึ่งเป็นปัญหาที่เกิดขึ้นเองเกี่ยวกับความยากลำบากในการทำความเข้าใจความซับซ้อนของวงจร ตรรกะที่บิดเบี้ยวและเอาชนะตัวเองของกำแพงพิสูจน์ธรรมชาติดูเหมือนจะหลีกเลี่ยงไม่ได้
อาจเป็นไปได้ด้วยว่า MCSP ไม่สมบูรณ์ NP แต่ดูเหมือนว่าจะไม่น่าเป็นไปได้เช่นกัน - ตัวแปรที่ง่ายกว่าบางอย่างของปัญหาเป็นที่ทราบกันดีอยู่แล้วว่าเป็น NP-สมบูรณ์
บทนำ
“เราไม่มีที่ที่ดีที่จะกล่าวถึงมันซึ่งเกี่ยวข้องโดยตรงกับปัญหาอื่น ๆ ทั้งหมดที่เราศึกษา” Impagliazzo กล่าว
Kabanets ได้กระจ่างถึงพฤติกรรมแปลกๆ ของ MCSP แต่เขาไม่รู้ว่าจะก้าวหน้าต่อไปได้อย่างไร การวิจัยเกี่ยวกับความซับซ้อนของเมตาดาต้าชะลอตัวลงเล็กน้อย มันจะรุ่งเรืองอีกครั้งในอีก 16 ปีต่อมา เมื่อนักวิจัยค้นพบความเชื่อมโยงที่น่าประหลาดใจกับคำถามพื้นฐานอีกข้อหนึ่ง นั่นคือ การแก้ปัญหาจะยากแค่ไหนหากคุณสนใจแต่คำตอบที่ถูกต้องเป็นส่วนใหญ่
สงครามแห่งสากลโลก
สำหรับปัญหาในชีวิตประจำวัน คำตอบที่ได้ผลเกือบตลอดเวลามักจะดีเพียงพอ เราวางแผนการเดินทางของเราตามรูปแบบการจราจรโดยทั่วไป ไม่ใช่สำหรับสถานการณ์ที่เลวร้ายที่สุด
นักทฤษฎีความซับซ้อนส่วนใหญ่ตอบสนองได้ยาก: พวกเขาเป็นเพียงเนื้อหาที่จะประกาศปัญหาได้ง่ายหากพวกเขาสามารถค้นหาอัลกอริธึมที่รวดเร็วซึ่งได้รับคำตอบที่ถูกต้องในทุกอินพุตที่เป็นไปได้ แนวทางมาตรฐานนั้นจัดประเภทปัญหาตามสิ่งที่นักวิจัยเรียกว่าความซับซ้อน "กรณีที่เลวร้ายที่สุด" แต่ยังมีทฤษฎีของความซับซ้อนแบบ "กรณีเฉลี่ย" อีกด้วย ซึ่งปัญหาจะถือว่าง่ายหากมีอัลกอริทึมที่รวดเร็วซึ่งได้รับคำตอบที่ถูกต้องสำหรับอินพุตส่วนใหญ่
ความแตกต่างมีความสำคัญต่อนักเข้ารหัส ลองนึกภาพปัญหาทางคอมพิวเตอร์ที่แก้ไขได้ง่ายสำหรับเกือบทุกอินพุต ยกเว้นบางกรณีที่ปากแข็งซึ่งอัลกอริธึมที่ดีที่สุดล้มเหลว ทฤษฎีความซับซ้อนกรณีที่แย่ที่สุดพิจารณาว่าเป็นปัญหาที่ยาก แต่สำหรับการเข้ารหัสมันไม่มีประโยชน์: หากข้อความของคุณเพียงบางส่วนเท่านั้นที่ถอดรหัสยาก ประเด็นคืออะไร
จริงๆ แล้วเลวินเป็นผู้ริเริ่มการศึกษาอย่างเข้มงวดเกี่ยวกับความซับซ้อนของเคสโดยเฉลี่ย หนึ่งทศวรรษหลังจากงานบุกเบิกของเขาในเรื่องความสมบูรณ์ของ NP ในช่วงหลายปีที่เข้ามาแทรกแซง เขาวิ่งหนีเจ้าหน้าที่โซเวียต - เขาเป็นคนสร้างปัญหาที่ไม่เคารพซึ่งบางครั้งอาจบ่อนทำลายกิจกรรมความรักชาติในกลุ่มเยาวชนของพรรคคอมมิวนิสต์ของเขา ในปี 1972 เขาถูกปฏิเสธปริญญาเอกด้วยเหตุผลทางการเมืองที่ชัดเจน
“การที่จะประสบความสำเร็จในสหภาพโซเวียตในฐานะนักวิจัยรุ่นเยาว์ คุณจะต้องไม่มีความคิดมากขนาดนั้น และเป็นเรื่องยากที่จะจินตนาการว่า Leonid จะไม่เป็นคนที่ดื้อดึง” Impagliazzo กล่าว
เลวินอพยพไปอยู่ที่สหรัฐอเมริกาในปี พ.ศ. 1978 และในช่วงกลางทศวรรษ 1980 เขาได้หันความสนใจไปที่ความซับซ้อนของคดีโดยเฉลี่ย เขาเริ่มทำงานร่วมกับคนอื่นๆ เพื่อพัฒนาทฤษฎีนี้ต่อไป รวมถึง Impagliazzo ซึ่งเป็นนักศึกษาระดับบัณฑิตศึกษาในขณะนั้น แต่แม้ว่าพวกเขาจะก้าวหน้าไป Impagliazzo ก็พบว่านักวิจัยมักจะพูดคุยผ่านกัน เขาต้องการให้ทุกคนเข้าใจตรงกัน และมันไม่ได้ช่วยอะไรเลยที่บทความของเลวินจะมีความกระชับอันโด่งดัง — ฉบับที่ เป็นผู้ริเริ่มภาคสนาม ความซับซ้อนของตัวพิมพ์โดยเฉลี่ยมีความยาวน้อยกว่าสองหน้า
“ฉันกำลังจะแปลงานของ Leonid ให้เป็นศัพท์ทางเทคนิคที่เข้าถึงได้ง่ายขึ้น” Impagliazzo กล่าว เขาตัดสินใจเริ่มต้นด้วยภาพรวมสั้นๆ ที่สนุกสนานของภาพรวม ก่อนที่จะดำดิ่งสู่คณิตศาสตร์ “แบบนั้นเข้ามาแทนที่กระดาษ และมันเป็นส่วนเดียวที่ทุกคนจำได้อยู่แล้ว”
พื้นที่ กระดาษตีพิมพ์ในปี 1995 กลายเป็นคลาสสิกทันที Impagliazzo เป็นผู้บัญญัติชื่อแปลกๆ ขึ้นมา ห้าโลก โดดเด่นด้วยระดับความแข็งในการคำนวณที่แตกต่างกันและความสามารถในการเข้ารหัสที่แตกต่างกัน เราอาศัยอยู่ในโลกเหล่านี้ แต่เราไม่รู้ว่าโลกไหน
บทนำ
นับตั้งแต่รายงานของ Impagliazzo ปรากฏขึ้น นักวิจัยต่างใฝ่ฝันที่จะกำจัดบางส่วนของลิขสิทธิ์ขนาดย่อของเขาออกไป — เพื่อจำกัดขอบเขตความเป็นไปได้ด้วยการพิสูจน์ว่าโลกบางใบไม่สามารถทำได้ในที่สุด โลกทั้งสองเป็นเป้าหมายที่น่าดึงดูดเป็นพิเศษ: โลกที่การเข้ารหัสเป็นไปไม่ได้แม้ว่า P ≠ NP ก็ตาม
ในโลกใดโลกหนึ่งที่เรียกว่า Heuristica ปัญหา NP-complete ทั้งหมดนั้นง่ายต่อการแก้ไขด้วยอินพุตส่วนใหญ่ แต่อัลกอริธึมที่รวดเร็วบางครั้งก็ทำให้เกิดข้อผิดพลาด ดังนั้นปัญหาเหล่านี้ยังถือว่ายากตามมาตรฐานของทฤษฎีความซับซ้อนกรณีที่แย่ที่สุด นี่คือโลกที่การเข้ารหัสเป็นไปไม่ได้ เพราะเกือบทุกโค้ดสามารถถอดรหัสได้ง่าย ในอีกโลกหนึ่งที่เรียกว่า Pessiland การเข้ารหัสเป็นไปไม่ได้ด้วยเหตุผลที่แตกต่างกัน: ทุกปัญหานั้นยากในกรณีทั่วไป แต่การเข้ารหัสข้อความทำให้อ่านไม่ออกแม้แต่กับผู้รับที่ต้องการก็ตาม
โลกทั้งสองนี้มีความเชื่อมโยงอย่างใกล้ชิดกับปัญหาความซับซ้อนของเมตาดาต้า โดยเฉพาะอย่างยิ่ง ชะตากรรมของ Heuristica เชื่อมโยงกับคำถามที่มีมายาวนานว่า MCSP นั้นเป็น NP-complete หรือไม่ คำถามที่ทำให้ Kabanets หลงใหลและทำให้ Levin นิ่งงันเมื่อนานมาแล้วไม่ได้เป็นเพียงความอยากรู้อยากเห็น: มีทั้งโลกตกอยู่ในความเสี่ยง
เพื่อแยกแยะ Heuristica นักวิจัยจะต้องยุบความแตกต่างระหว่างความซับซ้อนของกรณีที่แย่ที่สุดและความซับซ้อนของกรณีโดยเฉลี่ย นั่นคือ พวกเขาจะต้องพิสูจน์ว่าอัลกอริทึมสมมุติใดๆ ที่สามารถแก้ปัญหา NP-complete ได้อย่างถูกต้องบนอินพุตส่วนใหญ่สามารถแก้ไขได้จริง ในทุกกรณี. การเชื่อมต่อประเภทนี้เรียกว่ากรณีที่แย่ที่สุดถึงการลดขนาดตัวพิมพ์โดยเฉลี่ย เป็นที่ทราบกันว่ามีอยู่สำหรับปัญหาบางอย่าง แต่ไม่มีปัญหาใดที่ NP สมบูรณ์ ดังนั้นผลลัพธ์เหล่านั้นจึงไม่มีความหมายที่กว้างกว่านั้น การกำจัด Heuristica จะทำให้นักเข้ารหัสใช้เวลาครึ่งทางในการตระหนักถึงความฝันของการเข้ารหัสที่ปลอดภัย โดยอิงตามสมมติฐานเดียวที่ว่า P ≠ NP
แต่การทำลายโลกไม่ใช่เรื่องเล็กๆ ในปี พ.ศ. 2003 นักทฤษฎีความซับซ้อนสองคน แสดงให้เห็นว่า แนวทางที่มีอยู่ในการพิสูจน์กรณีที่แย่ที่สุดถึงกรณีที่โดยเฉลี่ยลดลงสำหรับปัญหา NP-complete ที่ทราบจะบ่งบอกถึงผลที่ตามมาที่แปลกประหลาด โดยเสนอว่าการพิสูจน์ดังกล่าวอาจเป็นไปไม่ได้
นักวิจัยจะต้องค้นหาแนวทางอื่น และตอนนี้พวกเขาคิดว่า MCSP อาจเป็นเพียงปัญหาที่พวกเขาต้องการ แต่นั่นจะไม่ชัดเจนมานานกว่าทศวรรษ ภาพแรกของการเชื่อมโยงเกิดขึ้นจากความหลงใหลอย่างไม่ลดละของ Marco Carmosino ที่มีต่อสิ่งกีดขวางตามธรรมชาติ
บทนำ
Carmosino พบกับการวิจัยเมตาที่ซับซ้อนเป็นครั้งแรกในฐานะนักศึกษาระดับบัณฑิตศึกษาผ่านทาง กระดาษ 2013 โดย Kabanets และนักวิจัยอีกสี่คน ซึ่งได้พัฒนาแนวทางในการพิสูจน์อุปสรรคทางธรรมชาติที่ Kabanets ได้บุกเบิกเมื่อกว่าทศวรรษก่อนหน้านี้ มันเพียงแต่เสริมความเชื่อมั่นของเขาว่ายังมีอะไรให้เรียนรู้อีกมากจากรายงานคลาสสิกของ Razborov และ Rudich
“ตอนนั้นฉันหมกมุ่นอยู่กับกระดาษแผ่นนั้น” คาร์โมซิโนกล่าว "ไม่มีอะไรเปลี่ยนแปลง."
ในที่สุดความหลงใหลนี้ก็เกิดผลในระหว่างการเยี่ยมชมเวิร์คช็อประยะยาวภาคเรียนที่ University of California, Berkeley ซึ่งเขาใช้เวลาส่วนใหญ่พูดคุยกับ Impagliazzo, Kabanets และ อันโตนินา โคโลโคโลวานักทฤษฎีความซับซ้อนที่ Memorial University of Newfoundland ซึ่งเคยร่วมงานกับ Kabanets ในรายงานปี 2013 Carmosino เคยร่วมงานกับพวกเขาทั้งสามมาก่อน และการทำงานร่วมกันที่ประสบความสำเร็จนั้นทำให้เขามั่นใจที่จะตอบคำถามเกี่ยวกับหัวข้อที่ทำให้เขาหลงใหลมากที่สุด
“เขาก่อกวนผู้คนในทางที่ดี” Kabanets เล่า
ในตอนแรก คาร์โมซิโนมีแนวคิดใหม่ในการพิสูจน์ความสมบูรณ์ของ NP สำหรับเวอร์ชันของ MCSP ที่ปรากฏในรายงานของ Razborov และ Rudich เกี่ยวกับแผงกั้นการพิสูจน์ตามธรรมชาติ แต่ความคิดเหล่านั้นก็ไม่หลุดออกไป ในทางกลับกัน คำพูดนอกกรอบของ Impagliazzo ทำให้นักวิจัยทั้งสี่คนตระหนักว่าอุปสรรคในการพิสูจน์ตามธรรมชาติสามารถให้อัลกอริธึมที่ทรงพลังมากกว่าที่ใครจะรู้ได้ - มีแผนที่ลับฝังอยู่ในสิ่งกีดขวางบนถนน
บทนำ
ใน กระดาษ 2016นักวิจัยทั้งสี่คนได้พิสูจน์ว่าอัลกอริทึม MCSP กรณีเฉลี่ยบางประเภทสามารถใช้สร้างอัลกอริทึมกรณีที่แย่ที่สุดสำหรับการระบุรูปแบบที่ซ่อนอยู่ในสตริงตัวเลขที่ดูแบบสุ่ม ซึ่งเป็นงานที่นักวิทยาศาสตร์คอมพิวเตอร์เรียกว่า "การเรียนรู้" มันเป็นผลลัพธ์ที่น่าทึ่งเพราะการเรียนรู้ตามสัญชาตญาณดูเหมือนจะยากกว่างานการจำแนกไบนารี ซึ่งมีความซับซ้อนสูงหรือซับซ้อนต่ำ ซึ่งดำเนินการโดยอัลกอริธึม MCSP และที่น่าประหลาดใจก็คือ มันเชื่อมโยงความซับซ้อนกรณีที่เลวร้ายที่สุดของงานหนึ่งเข้ากับความซับซ้อนโดยเฉลี่ยของอีกงานหนึ่ง
“ไม่ชัดเจนว่าความเชื่อมโยงดังกล่าวจะเกิดขึ้นได้เลย” Impagliazzo กล่าว
อัลกอริธึมที่รวดเร็วสำหรับ MCSP นั้นเป็นเพียงสมมุติฐานสำหรับวงจรบูลีนทั่วไปเท่านั้น: มันไม่สามารถมีอยู่ได้เว้นแต่ว่า MCSP จะกลายเป็นปัญหาในการคำนวณอย่างง่าย แม้ว่าจะมีหลักฐานที่ตรงกันข้ามทั้งหมดก็ตาม และนั่นหมายความว่าอัลกอริธึมการเรียนรู้โดยนัยจากรายงานของนักวิจัยทั้งสี่คนคือ สมมุติเหมือนกัน
แต่สำหรับ MCSP บางเวอร์ชันที่เรียบง่ายกว่า — การแยกแยะตารางความจริงที่มีความซับซ้อนสูงจากตารางความจริงที่มีความซับซ้อนต่ำเมื่อมีข้อจำกัดเฉพาะในวงจร — อัลกอริธึมที่รวดเร็วเป็นที่รู้จักกันมานานหลายปี บทความของ Carmosino, Impagliazzo, Kabanets และ Kolokolova แสดงให้เห็นว่าอัลกอริธึมเหล่านี้สามารถเปลี่ยนเป็นอัลกอริธึมการเรียนรู้ที่ถูกจำกัดเช่นเดียวกันแต่ยังคงทรงพลังมากกว่าที่นักวิจัยเคยเข้าใจมาก่อนในระดับทฤษฎีที่เข้มงวดเช่นนี้
“รสชาติการอ้างอิงตนเองของมันช่วยให้คุณทำสิ่งที่ดูเหมือนว่าคุณไม่สามารถทำได้กับปัญหามาตรฐานมากกว่านี้” Ilango กล่าว
ผลลัพธ์ดังกล่าวดึงดูดความสนใจของนักทฤษฎีความซับซ้อนที่ทำงานในหัวข้ออื่นๆ นอกจากนี้ยังเป็นตัวอย่างของความเชื่อมโยงเพิ่มเติมระหว่างความซับซ้อนของเมตาดาต้าและความซับซ้อนของกรณีโดยเฉลี่ยที่จะเกิดขึ้นในช่วงหลายปีข้างหน้า
สิ่งสำคัญที่สุดคือข้อพิสูจน์ว่านักวิจัยสามารถไปได้ไกลแค่ไหนโดยการถามคำถามง่ายๆ เกี่ยวกับอุปสรรคที่ในตอนแรกดูเหมือนจะขัดขวางความก้าวหน้าของพวกเขาเท่านั้น
“ความเป็นคู่แบบนี้เป็นประเด็นสำคัญตลอดช่วง 30 หรือ 40 ปีที่ผ่านมาของความซับซ้อนเป็นอย่างน้อย” Impagliazzo กล่าว “อุปสรรคมักเป็นโอกาส”
เครดิตบางส่วน
ความก้าวหน้าได้เร่งตัวขึ้นในช่วงหลายปีที่ผ่านมานับตั้งแต่ Carmosino และเพื่อนร่วมงานของเขาตีพิมพ์รายงานของพวกเขา
“สิ่งใหม่กำลังเกิดขึ้น” Kolokolova กล่าว “มีนักวิจัยรุ่นเยาว์ที่ฉลาดจริงๆ จำนวนมาก”
Ilango เป็นหนึ่งในนักวิจัยรุ่นเยาว์เหล่านี้ ในช่วงสามปีแรกของการเรียนระดับบัณฑิตศึกษา เขาได้โจมตีปัญหาเปิดที่น่ากังวลในการพิสูจน์ MCSP NP-complete โดยใช้กลยุทธ์แบบสองง่าม: การพิสูจน์ความสมบูรณ์ของ NP สำหรับ ที่เรียบง่าย รุ่น ของ MCSP ดังที่นักวิจัยความซับซ้อนของวงจรทำเมื่อโจมตี P กับ NP ในทศวรรษ 1980 ในขณะเดียวกันก็พิสูจน์ความสมบูรณ์ของ NP สำหรับ เวอร์ชันที่ซับซ้อนยิ่งขึ้นซึ่งโดยสัญชาตญาณดูเหมือนยากขึ้นและอาจง่ายกว่าที่จะพิสูจน์ได้ยาก
Ilango ให้เครดิตความสนใจของเขาในความซับซ้อนของเมตาดาต้า เอริค อัลเลนเดอร์นักทฤษฎีความซับซ้อนที่มหาวิทยาลัย Rutgers และเป็นหนึ่งในนักวิจัยไม่กี่คนที่ยังคงทำงานเกี่ยวกับความซับซ้อนของเมตาดาต้าในช่วงทศวรรษปี 2000 และต้นปี 2010 “ความกระตือรือร้นของเขาแพร่เชื้อได้” Ilango กล่าว
นักวิจัยรุ่นเยาว์อีกคนที่ได้รับแรงบันดาลใจจากอัลเลนเดอร์ก็คือ ชูอิจิ ฮิราฮาระซึ่งปัจจุบันเป็นศาสตราจารย์ที่สถาบันสารสนเทศแห่งชาติในกรุงโตเกียว ในขณะที่ยังเป็นนักศึกษาระดับบัณฑิตศึกษาในปี 2018 Hirahara ได้เปิดเผยขอบเขตที่แท้จริงของความสัมพันธ์ระหว่างความซับซ้อนของเมตาดาต้าและความซับซ้อนของกรณีโดยเฉลี่ยที่ Carmosino และผู้เขียนร่วมของเขาได้ค้นพบ นักวิจัยทั้งสี่คนได้ค้นพบความเชื่อมโยงระหว่างความซับซ้อนของกรณีโดยเฉลี่ยของปัญหาหนึ่ง – MCSP – และความซับซ้อนกรณีที่เลวร้ายที่สุดของอีกปัญหาหนึ่ง – การเรียนรู้แบบบูลีน ฮิราฮาระได้พัฒนาเทคนิคของตนต่อไป ได้มา กรณีที่แย่ที่สุดถึงการลดกรณีที่เฉลี่ยสำหรับ MCSP ผลลัพธ์ของเขาบอกเป็นนัยว่าอัลกอริธึม MCSP กรณีโดยเฉลี่ยตามสมมุติฐานอย่างเช่นที่ Carmosino และเพื่อนร่วมงานของเขาเคยพิจารณาไว้จะมีพลังมากพอที่จะแก้ไข MCSP เวอร์ชันที่แตกต่างกันเล็กน้อยโดยไม่ทำผิดพลาดใดๆ
ผลลัพธ์ของ Hirahara นั้นน่าตื่นเต้นเพราะนักวิจัยหลายคนสงสัยว่า MCSP นั้นสมบูรณ์ ซึ่งแตกต่างจากปัญหาอื่นๆ ทั้งหมดที่ทราบการลดขนาดกรณีที่แย่ที่สุดถึงค่าเฉลี่ย หากพวกเขาสามารถขยายผลลัพธ์ของ Hirahara ให้ครอบคลุมอัลกอริธึมกรณีเฉลี่ยทั้งหมดแล้วพิสูจน์ว่า MCSP นั้นสมบูรณ์ NP นั่นก็จะพิสูจน์ได้ว่าเราไม่ได้อาศัยอยู่ใน Heuristica
“นั่นจะเป็นผลลัพธ์ที่น่าสะเทือนใจจริงๆ” สันทนามกล่าว
การพิสูจน์ว่า MCSP สมบูรณ์ NP อาจดูเหมือนเป็นคำสั่งที่สูง อย่างไรก็ตาม คำถามนี้เปิดมานานกว่า 50 ปีแล้ว แต่หลังจากก ความก้าวหน้า เมื่อปีที่แล้วโดย Hirahara นักวิจัยได้ใกล้ชิดกันมากกว่าที่ใครๆ จะคาดไว้เมื่อไม่กี่ปีก่อน
ฮิราฮาระพิสูจน์ความสมบูรณ์ของ NP สำหรับตัวแปรหนึ่งของปัญหาที่เรียกว่า MCSP บางส่วน โดยคุณละเว้นข้อมูลบางรายการในตารางความจริงแต่ละตาราง การพิสูจน์ของเขาสร้างขึ้นจากวิธีการที่ Ilango พัฒนาขึ้นเพื่อแสดงให้เห็นว่า MCSP บางส่วนเทียบเท่ากับปัญหาที่ดูเหมือนจะไม่เกี่ยวข้องซึ่งเกี่ยวข้องกับเทคนิคการเข้ารหัสที่เรียกว่าการแบ่งปันความลับ นี่เป็นวิธีแบ่งข้อความที่เข้ารหัสให้กับคนจำนวนมาก เพื่อให้สามารถถอดรหัสได้ก็ต่อเมื่อมีเพียงบางส่วนทำงานร่วมกันเท่านั้น
สำหรับการใช้งานจริงในวิทยาการเข้ารหัสลับ คุณจะต้องการทราบเศษส่วนนั้นล่วงหน้า แต่ด้วยความช่วยเหลือจากเทคนิคการเข้ารหัสเพิ่มเติม คุณสามารถสร้างสถานการณ์ที่น่าหงุดหงิดซึ่งเป็นเรื่องยากที่จะทราบว่ามีคนจำนวนเท่าใดที่ต้องร่วมมือ Hirahara พบวิธีที่จะพิสูจน์ว่าปัญหาการเข้ารหัสที่วางแผนไว้นี้มีความสมบูรณ์ของ NP จากนั้นแสดงให้เห็นว่าการพิสูจน์นั้นบ่งบอกถึงความสมบูรณ์ของ NP ของ MCSP บางส่วนเช่นกัน
บทนำ
ผลลัพธ์นี้กระตุ้นให้นักวิจัยในเรื่องความซับซ้อนของเมตาดาต้ามากกว่างานก่อนหน้าของ Hirahara และนักวิจัยคนอื่น ๆ ก็สังเกตเห็นเช่นกัน - นักทฤษฎีความซับซ้อนและบล็อกเกอร์ Lance Fortnow ขนานนามมันว่า ผลลัพธ์ของปี. นั่นเป็นเพราะว่าการจัดการปัญหาการคำนวณเวอร์ชัน "ฟังก์ชันบางส่วน" ดังกล่าวเป็นขั้นตอนกลางที่สำคัญในการพิสูจน์ความสมบูรณ์ของ NP อื่นๆ
“มันเป็นงานที่น่าอัศจรรย์” วิลเลียมส์กล่าว “ทุกคนคิดว่าปัญหาบางส่วนเหล่านี้มีความยากพอๆ กันกับปัญหาทั้งหมด”
บทนำ
อุปสรรคยังคงพิสูจน์ความสมบูรณ์ของ NP สำหรับ MCSP เวอร์ชันเต็ม แต่ไม่มีอุปสรรคใดที่แนะนำว่าจำเป็นต้องมีชุดเครื่องมือใหม่ทั้งหมด อาจเป็นเพียงเรื่องของการค้นหาวิธีที่ถูกต้องในการรวมเทคนิคที่รู้จักเข้าด้วยกัน ในที่สุดการพิสูจน์ก็จะยุติสถานะของหนึ่งในไม่กี่ปัญหาที่ต่อต้านการจำแนกประเภทตราบใดที่ทฤษฎีความซับซ้อนยังคงอยู่ เลวินเขียนผ่านอีเมลว่า “มันคงจะทำให้ฉันถ่อมตัวโดยแสดงว่าฉันโง่ที่ไม่สามารถมองเห็นมันได้ :-)”
ชิ้นส่วนที่หายไป
MCSP ไม่ใช่ปัญหาเมตาที่ซับซ้อนเพียงปัญหาเดียวที่กระตุ้นให้เกิดความก้าวหน้าครั้งสำคัญ ในปี 2020 นักเข้ารหัสของ Cornell Tech ราฟาเอลพาส และนักศึกษาปริญญาโทของเขา หยานยี่ หลิว ค้นพบความเชื่อมโยง ระหว่างปัญหาเมตาที่ซับซ้อนที่แตกต่างกันและโปรโตคอลการเข้ารหัสพื้นฐานที่กำหนดขอบเขตระหว่าง Heuristica และ Pessiland ซึ่งเป็นโลกที่เลวร้ายที่สุดของ Impagliazzo (โดยที่ปัญหา NP ที่สมบูรณ์นั้นยากในกรณีทั่วไป แต่การเข้ารหัสยังคงเป็นไปไม่ได้) นั่นทำให้ปัญหาที่พวกเขาศึกษาคือผู้สมัครคนสำคัญในการโจมตีเพสซิแลนด์และพวกเขาด้วย งานล่าสุดเพิ่มเติม บ่งชี้ว่าสามารถต่อต้าน Heuristica ได้เช่นกัน
“ชิ้นส่วนต่างๆ ของปริศนาหายไป” พาสกล่าว “สำหรับฉันมันเป็นเรื่องมหัศจรรย์ที่สาขาเหล่านี้เชื่อมโยงกันอย่างใกล้ชิด”
ฮิราฮาระเตือนว่าความท้าทายยังคงรอนักวิจัยที่มีจุดประสงค์ในการคัดแยกโลกที่อิมพากลิอาซโซเสกเมื่อ 30 ปีที่แล้ว “ผมอยากจะบอกว่า ณ จุดหนึ่ง Heuristica และ Pessiland จะถูกตัดออก แต่ผมไม่แน่ใจว่าเราอยู่ใกล้แค่ไหน” เขากล่าว
นักวิจัยหลายคนคาดหวังว่าปัญหาที่ใหญ่ที่สุดคือการเชื่อมช่องว่างที่ดูเหมือนไม่มีพิษภัยระหว่างแบบจำลองความซับซ้อนของกรณีโดยเฉลี่ยที่แตกต่างกันสองแบบ นักวิทยาการเข้ารหัสลับมักจะศึกษาอัลกอริธึมตัวพิมพ์ใหญ่โดยเฉลี่ยที่ทำผิดพลาดทั้งสองทิศทาง โดยบางครั้งก็ตั้งชื่อสตริงสุ่มผิดว่าเป็นการสุ่มเทียมและในทางกลับกัน กรณีที่เลวร้ายที่สุดของการลดขนาดตัวพิมพ์โดยเฉลี่ยของ Hirahara นั้นใช้ได้กับอัลกอริธึมตัวพิมพ์ใหญ่ที่ทำให้เกิดข้อผิดพลาดประเภทแรกเท่านั้น ความแตกต่างที่ละเอียดอ่อนเช่นนี้สามารถสร้างโลกแห่งความแตกต่างในทฤษฎีความซับซ้อนได้ แต่ถึงแม้จะมีอุปสรรค์นี้และอื่นๆ อีกมากมาย อัลเลนเดอร์ก็อดไม่ได้ที่จะมองโลกในแง่ดีโดยมีผู้ปกป้องไว้
“ผมพยายามที่จะไม่ปล่อยให้ตัวเองเป็นผู้ศรัทธามากเกินไป เพราะมีประวัติที่ค่อนข้างมั่นคงว่าไม่มีอะไรได้ผล” เขากล่าว “แต่เราเห็นการพัฒนาที่น่าตื่นเต้นมากมาย – วิธีเอาชนะสิ่งต่าง ๆ ที่ดูเหมือนเป็นอุปสรรค”
หากมีบทเรียนหนึ่งที่นักวิจัยได้เรียนรู้จากการต่อสู้ดิ้นรนเพื่อตอบคำถาม P กับ NP หรือแม้กระทั่งทำความเข้าใจ แสดงว่าทฤษฎีความซับซ้อนนั้นซับซ้อนในตัวมันเอง แต่ความท้าทายนั้นคือสิ่งที่ทำให้ภารกิจนี้คุ้มค่ามาก
“มันเป็นเรื่องที่ดีจริงๆ ว่ามันยากมาก” คาร์โมซิโนกล่าว “ฉันจะไม่เบื่อเลย”
หมายเหตุบรรณาธิการ: Scott Aaronson เป็นสมาชิกของ นิตยสาร Quanta's คณะกรรมการที่ปรึกษา.
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ChartPrime. ยกระดับเกมการซื้อขายของคุณด้วย ChartPrime เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://www.quantamagazine.org/complexity-theorys-50-year-journey-to-the-limits-of-knowledge-20230817/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- ][หน้า
- $ ขึ้น
- 1
- 16
- 1930
- 1949
- 1985
- 1994
- 1995
- 20
- 2000
- 2012
- 2013
- 2018
- 2020
- 2022
- 30
- 36
- 40
- 50
- 50 ปี
- a
- สามารถ
- เกี่ยวกับเรา
- แน่นอน
- AC
- นักวิชาการ
- เร่ง
- สามารถเข้าถึงได้
- ตาม
- พลอากาศเอก
- กิจกรรม
- การกระทำ
- จริง
- ที่เพิ่ม
- เพิ่ม
- นอกจากนี้
- ที่อยู่
- บุญธรรม
- ความก้าวหน้า
- ความได้เปรียบ
- หลังจาก
- อีกครั้ง
- กับ
- อายุ
- มาแล้ว
- อลัน
- ทัวริงอลัน
- ขั้นตอนวิธี
- อัลกอริทึม
- ทั้งหมด
- แล้ว
- ด้วย
- ทางเลือก
- น่าอัศจรรย์
- อเมริกัน
- ในหมู่
- จำนวน
- an
- วิเคราะห์
- และ
- อื่น
- คำตอบ
- คำตอบ
- ที่คาดการณ์ไว้
- ใด
- อีกต่อไป
- ทุกคน
- สิ่งใด
- นอกเหนือ
- เห็นได้ชัด
- ปรากฏ
- ปรากฏ
- การใช้งาน
- เข้าใกล้
- วิธีการ
- เหมาะสม
- เป็น
- อาร์กิวเมนต์
- ข้อโต้แย้ง
- รอบ
- จัด
- ศิลปะ
- AS
- ข้อสมมติ
- สมมติฐาน
- At
- โจมตี
- พยายาม
- ความพยายามในการ
- ความสนใจ
- ดึงดูด
- ออสติน
- เจ้าหน้าที่
- โดยอัตโนมัติ
- โดยอัตโนมัติ
- รอคอย
- b
- กลับ
- ไม่ดี
- อุปสรรค
- อุปสรรค
- ตาม
- ขั้นพื้นฐาน
- BE
- กลายเป็น
- เพราะ
- กลายเป็น
- รับ
- ก่อน
- เริ่ม
- การเริ่มต้น
- กำลัง
- เชื่อ
- ผู้ศรัทธา
- ด้านล่าง
- เบิร์กลีย์
- ที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- เกิน
- ใหญ่
- รูปภาพขนาดใหญ่
- ที่ใหญ่ที่สุด
- ความสุข
- ที่ถูกบล็อก
- Blocks
- ระเบิด
- เบื่อ
- ทั้งสอง
- ด้านล่าง
- สาขา
- ทำลาย
- รายละเอียด
- ความก้าวหน้า
- การแก้
- สดใส
- ปาก
- กว้าง
- ที่กว้างขึ้น
- bugging
- สร้าง
- การก่อสร้าง
- สร้าง
- แต่
- ปุ่ม
- by
- แคลิฟอร์เนีย
- โทรศัพท์
- ที่เรียกว่า
- มา
- CAN
- สามารถรับ
- แคนาดา
- ผู้สมัคร
- ความสามารถในการ
- ถูกจับกุม
- ซึ่ง
- กรณี
- กรณี
- หมวดหมู่
- หมวดหมู่
- CCC
- ส่วนกลาง
- ศตวรรษ
- บาง
- อย่างแน่นอน
- ความแน่นอน
- ท้าทาย
- ความท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- ตัวอักษร
- ตรวจสอบ
- ตรวจสอบแล้ว
- การตรวจสอบ
- เลือก
- การเรียกร้อง
- ชั้น
- ชั้นเรียน
- คลาสสิก
- การจัดหมวดหมู่
- ชัดเจน
- อย่างเห็นได้ชัด
- ปิดหน้านี้
- อย่างใกล้ชิด
- ใกล้ชิด
- มหาวิทยาลัยเชียงใหม่
- รหัส
- เหรียญ
- ประกาศเกียรติคุณ
- ร่วมมือ
- การทำงานร่วมกัน
- ล่มสลาย
- เพื่อนร่วมงาน
- วิทยาลัย
- คอลัมน์
- คอลัมน์
- รวมกัน
- อย่างไร
- มา
- สบาย
- มา
- เมื่อเทียบกับ
- สมบูรณ์
- ซับซ้อน
- ความซับซ้อน
- ซับซ้อน
- ครอบคลุม
- การคำนวณ
- พลังการคำนวณ
- คำนวณ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- คอมพิวเตอร์
- แนวความคิด
- สภาพ
- การประชุม
- ความมั่นใจ
- มั่นใจ
- การคาดเดา
- งานที่เชื่อมต่อ
- การเชื่อมต่อ
- การเชื่อมต่อ
- ผลที่ตามมา
- พิจารณา
- มาก
- ถือว่า
- พิจารณา
- พิจารณา
- สร้าง
- ร่วมสมัย
- เนื้อหา
- อย่างต่อเนื่อง
- ตรงกันข้าม
- ควบคุม
- สะดวกสบาย
- การสนทนา
- การลงโทษ
- เย็น
- ให้ความร่วมมือ
- คอร์เนลล์
- มุม
- แก้ไข
- ตรงกัน
- ราคา
- ได้
- หลักสูตร
- หน้าปก
- ร้าว
- แตกระแหง
- crashing
- บ้า
- สร้าง
- ที่สร้างขึ้น
- เครดิต
- เกณฑ์
- วิทยาการเข้ารหัสลับ
- การเข้ารหัสลับ
- การอ่านรหัส
- cs
- CSAIL
- ความอยากรู้
- อยากรู้อยากเห็น
- ข้อมูล
- เดวิด
- วัน
- ตาย
- ทศวรรษ
- ทศวรรษที่ผ่านมา
- ตัดสินใจ
- แปลรหัส
- ถอดรหัส
- กำหนด
- กำหนด
- อย่างแน่นอน
- ส่ง
- เรียกร้อง
- ที่ได้มา
- ลักษณะ
- ออกแบบ
- แม้จะมี
- กำหนด
- การกำหนด
- พัฒนา
- พัฒนา
- ที่กำลังพัฒนา
- การพัฒนา
- DID
- ดิเอโก
- แตกต่าง
- ความแตกต่าง
- ความแตกต่าง
- ต่าง
- ปัญหาที่แตกต่างกัน
- ยาก
- ความยาก
- ตัวเลข
- คำสั่ง
- โดยตรง
- ค้นพบ
- การค้นพบ
- ความแตกต่าง
- เห็นความแตกต่าง
- โดดเด่น
- เวียนหัว
- do
- ทำ
- การทำ
- Dont
- ลง
- เป็นคุ้งเป็นแคว
- วาด
- ฝัน
- ลดลง
- ขนานนามว่า
- ในระหว่าง
- แต่ละ
- ก่อน
- ก่อน
- ง่ายดาย
- อย่างง่ายดาย
- ง่าย
- ขอบ
- มีประสิทธิภาพ
- ที่มีประสิทธิภาพ
- ความพยายาม
- ความพยายาม
- ทั้ง
- วิศวกรรมไฟฟ้า
- การกำจัด
- อื่น
- อีเมล
- ออกมา
- โผล่ออกมา
- โผล่ออกมา
- กากกะรุน
- ช่วยให้
- ที่มีการเข้ารหัส
- การเข้ารหัสลับ
- ปลาย
- สิ้นสุด
- ชั้นเยี่ยม
- มหาศาล
- พอ
- ความกระตือรือร้น
- อย่างสิ้นเชิง
- พอ ๆ กัน
- เท่ากัน
- ความผิดพลาด
- โดยเฉพาะอย่างยิ่ง
- แก่นแท้
- จำเป็น
- สร้าง
- แม้
- ในที่สุด
- เคย
- ทุกๆ
- ทุกวัน
- ทุกคน
- ทุกอย่าง
- หลักฐาน
- วิวัฒน์
- เผง
- การตรวจสอบ
- ยกเว้น
- น่าตื่นเต้น
- มีอยู่
- ที่มีอยู่
- ที่มีอยู่
- คาดหวัง
- ที่คาดหวัง
- อธิบาย
- คำอธิบาย
- สำรวจ
- ที่ชี้แจง
- การเจริญเติบโต
- อย่างแทน
- ที่เปิดเผย
- การแสดงออก
- การแสดงออก
- ขยายออก
- ขอบเขต
- ภายนอก
- พิเศษ
- อย่างยิ่ง
- ความจริง
- ล้มเหลว
- ล้มเหลว
- ตก
- ฟอลส์
- เท็จ
- มีชื่อเสียง
- ชื่อเสียง
- FANTASY
- ไกล
- ที่น่าสนใจ
- FAST
- เร็วขึ้น
- โชคชะตา
- ความสำเร็จ
- ลักษณะ
- รู้สึก
- สองสาม
- น้อยลง
- สนาม
- สาขา
- สู้
- รูป
- สุดท้าย
- ในที่สุด
- หา
- หา
- ปลาย
- ชื่อจริง
- พอดี
- การแก้ไข
- อวด
- ปฏิบัติตาม
- ตาม
- สำหรับ
- ตลอดไป
- เป็นทางการ
- การกำหนด
- ข้างหน้า
- พบ
- รากฐาน
- ฐานราก
- สี่
- เศษ
- กรอบ
- ฟรี
- มิตรภาพ
- ราคาเริ่มต้นที่
- ที่น่าผิดหวัง
- เชื้อเพลิง
- เต็ม
- ฟังก์ชัน
- ฟังก์ชั่น
- พื้นฐาน
- ต่อไป
- อนาคต
- เกม
- ช่องว่าง
- เกตส์
- General
- จุดประสงค์ทั่วไป
- สร้าง
- ได้รับ
- ได้รับ
- ให้
- กำหนด
- เหลือบมอง
- เหลือบ
- เหตุการณ์ที่
- Go
- เป้าหมาย
- ไป
- ไป
- ดี
- คว้า
- สำเร็จการศึกษา
- กราฟ
- กราฟ
- เข้าใจ
- ยิ่งใหญ่
- เพิ่มขึ้น
- บัญชีกลุ่ม
- ขึ้น
- เจริญเติบโต
- เติบโต
- การเจริญเติบโต
- รับประกัน
- มี
- ครึ่งทาง
- มือ
- ที่เกิดขึ้น
- สิ่งที่เกิดขึ้น
- ยาก
- ยาก
- มี
- มี
- he
- หัวใจสำคัญ
- จัดขึ้น
- ช่วย
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- ซ่อนเร้น
- จุดสูง
- สูงกว่า
- ไฮไลต์
- พระองค์
- คำแนะนำ
- ของเขา
- ตี
- หน้าแรก
- การบ้าน
- ความหวัง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- ร้อย
- i
- ไอบีเอ็ม
- ความคิด
- ความคิด
- ระบุ
- แยกแยะ
- ระบุ
- อีอีอี
- if
- ภาพมายา
- จินตนาการ
- ภาพ
- ทันที
- ไม่เปลี่ยนรูป
- ผลกระทบ
- โดยนัย
- เป็นไปไม่ได้
- in
- ในอื่น ๆ
- ประกอบด้วย
- รวมทั้ง
- เพิ่ม
- เพิ่มขึ้น
- ที่เพิ่มขึ้น
- แสดง
- บ่งชี้ว่า
- มีอิทธิพล
- ข้อมูล
- ข้อมูลอายุ
- ที่ริเริ่ม
- อินพุต
- ปัจจัยการผลิต
- ความเข้าใจ
- ข้อมูลเชิงลึก
- แรงบันดาลใจ
- ตัวอย่าง
- ด่วน
- แทน
- สถาบัน
- คำแนะนำการใช้
- ตั้งใจว่า
- ความตั้งใจ
- อยากเรียนรู้
- สนใจ
- น่าสนใจ
- Intermediate
- ที่แทรกแซง
- เข้าไป
- ที่น่าสนใจ
- แท้จริง
- ตรัสรู้
- ปรีชา
- อย่างสม่ำเสมอ
- สอบสวน
- คำเชิญ
- ที่เกี่ยวข้องกับ
- ไม่เคารพ
- เกาะ
- IT
- ITS
- ตัวเอง
- การสัมภาษณ์
- เข้าร่วม
- การเดินทาง
- กระโดด
- เพียงแค่
- แค่หนึ่ง
- เก็บ
- เก็บไว้
- คีย์
- ชนิด
- ทราบ
- รู้ดี
- ความรู้
- ที่รู้จักกัน
- เคิร์ต
- ป้ายกำกับ
- ที่น่าเบื่อ
- ภูมิประเทศ
- ภาษา
- ใหญ่
- ที่มีขนาดใหญ่
- ชื่อสกุล
- ปีที่แล้ว
- ปลาย
- ต่อมา
- กฎหมาย
- ปู
- ชั้นนำ
- เรียนรู้
- ได้เรียนรู้
- การเรียนรู้
- น้อยที่สุด
- นำ
- ซ้าย
- เลนส์
- น้อยลง
- บทเรียน
- บทเรียน
- ชั้น
- โกหก
- ชีวิต
- กดไลก์
- น่าจะ
- ถูก จำกัด
- ขีด จำกัด
- เส้น
- ที่เชื่อมโยง
- รายการ
- น้อย
- สด
- ตรรกะ
- ตรรกะ
- นาน
- ยาวนาน
- ดู
- ดูเหมือน
- มอง
- ที่ต้องการหา
- LOOKS
- Lot
- ต่ำ
- เครื่อง
- ทำ
- นิตยสาร
- หลัก
- สำคัญ
- วิชาเอก
- ทำ
- ทำให้
- การทำ
- หลาย
- หลายคน
- แผนที่
- มาร์โก
- แมสซาชูเซต
- สถาบันเทคโนโลยีแมสซาชูเซตส์
- ปริญญาโท
- ผลงานชิ้นเอก
- คณิตศาสตร์
- คณิตศาสตร์
- คณิตศาสตร์
- เรื่อง
- เรื่อง
- อาจ..
- อาจจะ
- me
- หมายความ
- วิธี
- ในขณะเดียวกัน
- เชิงกล
- สมาชิก
- สมาชิก
- อนุสรณ์
- Mers
- ข่าวสาร
- ข้อความ
- ครึ่ง
- วิธี
- วิธีการ
- มิชิแกน
- มิดเวย์
- อาจ
- ขั้นต่ำ
- หายไป
- ความผิดพลาด
- เอ็มไอที
- ผสม
- แบบ
- โมเดล
- ทันสมัย
- ข้อมูลเพิ่มเติม
- มีประสิทธิภาพมากขึ้น
- กรุงมอสโก
- มากที่สุด
- แรงจูงใจ
- ภูเขา
- บนภูเขา
- ย้าย
- มาก
- ลิขสิทธิ์
- ต้อง
- ชื่อ
- ที่มีชื่อ
- ชื่อ
- เล่าเรื่อง
- ตั้งไข่
- แนสแด็ก
- แห่งชาติ
- โดยธรรมชาติ
- ธรรมชาติ
- เกือบทั้งหมด
- จำเป็นต้อง
- จำเป็นต้อง
- จำเป็น
- เครือข่าย
- ไม่เคย
- ใหม่
- ข่าว
- ถัดไป
- ดี
- ไม่
- ปม
- โหนด
- ไม่มี
- เด่น
- ไม่มีอะไร
- สังเกต..
- ตอนนี้
- จำนวน
- ตัวเลข
- สรุป
- ตั้งข้อสังเกต
- อุปสรรค
- ที่ได้รับ
- ชัดเจน
- ราคาต่อรอง
- of
- ปิด
- เสนอ
- มักจะ
- เก่า
- on
- ครั้งเดียว
- ONE
- คน
- เพียง
- เปิด
- มีความเห็น
- โอกาส
- โอกาส
- ตรงข้าม
- แง่ดี
- เพิ่มประสิทธิภาพ
- or
- ใบสั่ง
- อื่นๆ
- ผลิตภัณฑ์อื่นๆ
- มิฉะนั้น
- ของเรา
- ออก
- ผล
- เอาท์พุต
- เกิน
- เอาชนะ
- ภาพรวม
- ของตนเอง
- ฟอร์ด
- หน้า
- หน้า
- คู่
- PAN
- กระดาษ
- เอกสาร
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- ส่วน
- พรรค
- ส่ง
- ผ่าน
- ผ่าน
- กิเลส
- อดีต
- เส้นทาง
- รูปแบบ
- ชำระ
- รูปแบบไฟล์ PDF
- ลูกแพร์
- คน
- ดำเนินการ
- ดำเนินการ
- บางที
- มุมมอง
- ปรากฏการณ์
- ภาพ
- ชิ้น
- ชิ้น
- เป็นหัวหอก
- การสำรวจ
- สถานที่
- แผนการ
- แผน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- จุด
- จุด
- ทางการเมือง
- ยอดนิยม
- ความเป็นไปได้
- เป็นไปได้
- อาจ
- อำนาจ
- ที่มีประสิทธิภาพ
- ประยุกต์
- จวน
- การปฏิบัติ
- จำเป็นต้อง
- อย่างแม่นยำ
- สวย
- ดูตัวอย่าง
- ก่อน
- ก่อนหน้านี้
- สำคัญ
- หลัก
- อาจ
- ปัญหา
- ปัญหาที่เกิดขึ้น
- ขั้นตอนการ
- ขั้นตอน
- ผลิต
- การผลิต
- ศาสตราจารย์
- ลึกซึ้ง
- โครงการ
- ความคืบหน้า
- ก้าวหน้า
- โครงการ
- แวว
- พิสูจน์
- พิสูจน์
- แรงขับ
- คุณสมบัติ
- เสนอ
- ประพจน์
- โปรโตคอล
- พิสูจน์ได้
- พิสูจน์ได้
- พิสูจน์
- พิสูจน์แล้วว่า
- การตีพิมพ์
- หมดจด
- ไล่ตาม
- ใส่
- ทำให้
- วาง
- ปริศนา
- จิ๊กซอร์
- ควอนทามากาซีน
- เชิงปริมาณ
- การแสวงหา
- คำถาม
- คำถาม
- อย่างรวดเร็ว
- แก่นสาร
- อย่างรุนแรง
- สุ่ม
- สุ่ม
- รวดเร็ว
- มาถึง
- จริง
- ตระหนักถึง
- ตระหนัก
- ตระหนักถึง
- จริงๆ
- เหตุผล
- เหมาะสม
- เหตุผล
- การได้รับ
- เมื่อเร็ว ๆ นี้
- รับรู้
- พิจารณาทบทวน
- ระเบียน
- การลดลง
- ลด
- สะท้อน
- ได้รับการยกย่อง
- ที่เกี่ยวข้อง
- ความสัมพันธ์
- ความสัมพันธ์
- ยังคง
- ยังคงอยู่
- ซากศพ
- เตือนความทรงจำ
- ลบออก
- การแสดงผล
- ซ้ำแล้วซ้ำเล่า
- แสดง
- ต้องการ
- จำเป็นต้องใช้
- ความต้องการ
- ต้อง
- การวิจัย
- นักวิจัย
- นักวิจัย
- ความละเอียด
- การตัดสินใจ
- ตามลำดับ
- REST
- หวงห้าม
- ข้อ จำกัด
- ผล
- ผลสอบ
- เปิดเผย
- รางวัล
- ที่คุ้มค่า
- รวย
- ขวา
- เข้มงวด
- ถนน
- อุปสรรค
- ลวก
- เส้นทาง
- เส้นทาง
- ซากปรักหักพัง
- กฎ
- ครอง
- วิ่ง
- วิ่ง
- ทำงาน
- รัสเซีย
- มหาวิทยาลัยรัตเกอร์ส
- กล่าวว่า
- เดียวกัน
- ซาน
- ซานดิเอโก
- กล่าว
- สถานการณ์
- สถานการณ์
- โรงเรียน
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- สกอตต์
- สก็อต แอรอนสัน
- ช่ำชอง
- ที่สอง
- ลับ
- ปลอดภัย
- ความปลอดภัย
- เห็น
- เมล็ด
- เห็น
- ดูเหมือน
- ดูเหมือน
- ดูเหมือนว่า
- การสัมมนา
- ความรู้สึก
- การพลัดพราก
- อย่างจริงจัง
- ชุด
- ชำระ
- หลาย
- Share
- ที่ใช้ร่วมกัน
- ใช้งานร่วมกัน
- การส่งสินค้า
- สั้น
- น่า
- โชว์
- แสดงให้เห็นว่า
- การแสดง
- แสดง
- สยาม
- ด้าน
- ลงนาม
- คล้ายคลึงกัน
- ไซมอน
- ง่าย
- ง่ายดาย
- ตั้งแต่
- เดียว
- นั่ง
- สถานการณ์
- ขนาด
- แตกต่างกันเล็กน้อย
- ช้า
- เล็ก
- So
- จนถึงตอนนี้
- ทางออก
- โซลูชัน
- แก้
- แก้ไข
- แก้ปัญหา
- การแก้
- บาง
- บางสิ่งบางอย่าง
- ในไม่ช้า
- ซับซ้อน
- เสียง
- ช่องว่าง
- จุดประกาย
- การพูด
- พิเศษ
- โดยเฉพาะ
- ที่ระบุไว้
- การใช้จ่าย
- การใช้จ่าย
- จุด
- การทำให้เป็นจุด
- เดิมพัน
- มาตรฐาน
- มาตรฐาน
- สิ้นเชิง
- เริ่มต้น
- ข้อความที่เริ่ม
- ที่เริ่มต้น
- รัฐของศิลปะ
- คำแถลง
- งบ
- สหรัฐอเมริกา
- Status
- การขับขี่
- ขั้นตอน
- ยังคง
- เรื่องราว
- กลยุทธ์
- โขก
- เชือก
- แข็งแรง
- แข็งแกร่ง
- โครงสร้าง
- การต่อสู้
- การดิ้นรน
- นักเรียน
- นักเรียน
- มีการศึกษา
- การศึกษา
- ศึกษา
- การศึกษา
- หรือ
- ความสำเร็จ
- ที่ประสบความสำเร็จ
- ประสบความสำเร็จ
- อย่างเช่น
- แนะนำ
- จัดหาอุปกรณ์
- แน่ใจ
- ประหลาดใจ
- น่าแปลกใจ
- สงสัยว่า
- ตาราง
- ต่อสู้
- การแก้ปัญหา
- เอา
- ใช้เวลา
- การพูดคุย
- เป้าหมาย
- งาน
- งาน
- เทคโนโลยี
- วิชาการ
- เทคนิค
- เทคโนโลยี
- บอก
- ระยะ
- เงื่อนไขการใช้บริการ
- อาณาเขต
- จะ
- เท็กซัส
- กว่า
- ที่
- พื้นที่
- กราฟ
- ข้อมูล
- โลก
- ของพวกเขา
- พวกเขา
- ชุดรูปแบบ
- ตัวเอง
- แล้วก็
- ตามทฤษฎี
- ทฤษฎี
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- สิ่ง
- คิด
- คิด
- ที่สาม
- นี้
- เหล่านั้น
- แต่?
- คิดว่า
- พัน
- สาม
- ตลอด
- ตลอด
- ดังนั้น
- เครื่องพิมพ์ราคาหุ้นอัตโนมัติ
- ผูก
- เวลา
- ครั้ง
- ไปยัง
- ในวันนี้
- ร่วมกัน
- โตเกียว
- เกินไป
- เอา
- เครื่องมือ
- หัวข้อ
- หัวข้อ
- โตรอน
- รวม
- ไปทาง
- ลู่
- การจราจร
- แกะรอย
- เปลี่ยน
- การแปลภาษา
- มหึมา
- พยายาม
- ปัญหา
- จริง
- อย่างแท้จริง
- ความจริง
- ลอง
- ทัวริง
- กลับ
- หัน
- การหมุน
- ผลัดกัน
- สองครั้ง
- สอง
- ชนิด
- ตามแบบฉบับ
- ประเทศยูเครน
- บ่อนทำลาย
- เข้าใจ
- ความเข้าใจ
- เข้าใจ
- ไม่คาดฝัน
- ปึกแผ่น
- สหภาพ
- พร้อมใจกัน
- ประเทศสหรัฐอเมริกา
- สากล
- จักรวาล
- มหาวิทยาลัย
- มหาวิทยาลัยแห่งแคลิฟอร์เนีย
- University of Oxford
- แตกต่าง
- ไม่แน่
- ไม่ จำกัด
- จนกระทั่ง
- เมื่อ
- us
- ใช้
- มือสอง
- การใช้
- มักจะ
- ความคุ้มค่า
- ความคุ้มค่า
- ตัวแปร
- ตัวแปร
- กว้างใหญ่
- ตรวจสอบ
- รุ่น
- กับ
- มาก
- ทหารผ่านศึก
- ผ่านทาง
- ทำงานได้
- รอง
- วีดีโอ
- วิดีโอเกม
- รายละเอียด
- เยี่ยมชมร้านค้า
- ที่รอ
- ต้องการ
- อยาก
- คำเตือน
- คือ
- ทาง..
- วิธี
- we
- webp
- สัปดาห์
- ดี
- คือ
- อะไร
- ความหมายของ
- เมื่อ
- ว่า
- ที่
- ในขณะที่
- WHO
- ใครก็ได้
- ทั้งหมด
- ใคร
- ทำไม
- อย่างกว้างขวาง
- จะ
- วิลเลียมส์
- กับ
- ภายใน
- ไม่มี
- งาน
- ทำงานด้วยกัน
- ทำงาน
- การทำงาน
- โรงงาน
- การประชุมเชิงปฏิบัติการ
- โลก
- ของโลก
- กังวล
- กังวล
- แย่ลง
- แย่ที่สุด
- คุ้มค่า
- จะ
- ปี
- ปี
- ใช่
- ยัง
- ผล
- เธอ
- หนุ่มสาว
- ของคุณ
- หนุ่ม
- ลมทะเล