一个十层的神经网络能够以极高的保真度摊销并近似一个几乎难以处理的搜索问题——这是一项大多数人至今仍未充分理解其深意的突破，也暗示着我们关于计算难度（computational hardness）的理论认知在实践中可能并不完整。

Eric Jang 认为，AlphaGo 的核心突破——将一个难以处理的围棋搜索问题压缩进一个十层的前向传播——比人们通常认识到的更为深刻，而同样的现象也是 AlphaFold 背后的原理，这可能会让我们对 NP-hardness 的理解变得更加复杂。 ✦ AI 生成 · 平台预翻

Eric Jang · Dwarkesh Podcast · 2026-05-15 · English original →

十步的神经网络并行分布式表征思考，就能够以极高的保真度去摊销和近似一个几乎难以处理的搜索问题。我觉得这是一项突破，直到今天大多数人都还没有完全理解它——这个成就到底有多深刻。

10 steps of neural network parallelized distributed-representation thinking is able to amortize and approximate to very high fidelity a nearly intractable search problem. This was a breakthrough that I think most people don’t even fully comprehend today, how profound that accomplishment is.

回到原声 ↗逐字转录 · 起于 60:33 · 中文为平台译文