人工智能的理想有多远（六）：不可计算的问题

目前的计算机基础工作原理依然是基于图灵的的通用计算理论和冯·诺依曼的体系结构。

这就意味着它只能解决可计算的问题。那么从理论上说，那些不可计算的问题它是处理不了的。

有一类问题属于数学上可以计算，但实际上由于计算量过大而无法计算出结果。这类问题是在算法时间复杂度上是指数形式或者阶乘形式。

也就是计算出结果需要的时间随着数据量的增加呈指数增长甚至阶层增长。比如直接计算N的阶乘或者2的N次方。

那么一旦数据量N大到一定程度，即使消耗从宇宙诞生到目前为止的所有时间也没法完成计算。

这种复杂的问题其实在生活里相当常见，比如如果要去N个地点送快递，如何寻找一条不重复通过各个快递点的最短路径，或者如何使用最少的集装箱把不同规格的大量的包装箱装进去。

一旦没有没合适的近似算法或者必须求最优解，就只能使用穷举搜索的办法，那就会遇到这样的麻烦。这样的问题无法用计算机解决。