“我是以计算机编程起家的博士。”叶华来到了控制台调出了浮空全息屏幕：“诚然，大脑所做的事情并不一定适用于计算机，因为这两个是完全不同的个体，但我们并不是想要去将二者完美融合，我们可以允许两者之间的差异性，但我们也许可以从两者之间的部分共性为其搭建一座桥梁枢纽。”
对此，爱德华夫妇不置可否，神经科学实在是一门太过于庞大的学科。
层次很多，宏观尺度、介观尺度、微观尺度，而且每个层次之间的联系又往往很复杂，也很难相互联系起来，很多时候学会了宏观神经理论，却不能用它来模拟认知功能，你需要微观神经元网络的知识，而学完神经元网络的知识，又不能，又要一些突触、树突复杂运算的知识，怎么研究都研究不完。
尽管他们二人是该领域的权威研究学者，但对于这门学科，但凡涉猎的人都对其敬畏和谦卑。
可以说，人类对于自己的大脑和神经网络的认知还不如对宇宙的认知丰富，在所有的人体器官的认知上，大脑是最为神秘的地带，即便是这个领域的权威级专家也只敢说自己也是认知了其中的一点皮毛而已，甚至更少。
“光是基于混沌神经网络便是一个典型的npc问题。”迈·布里特女士如是说道，意思就是说这是无解的，至少目前是无解的，这里的“混沌”可不是神话小说里的那种定义，不过对于混沌现象，迄今为止也还没有一个公认的普遍适用的数学定义。
“如果，我告诉二位，我已经成功的将一个npc问题降至p类问题呢？”
叶华忽然抛出这么一句话，夫妇二人一听整个人都面色大变，带着不可思议的精彩表情。
“你说什么？”爱德华·莫泽抱头神态夸张：“上帝，p=np问题已经被解决了？”
这二位夫妇虽然不是数学家，也不是计算机领域的学者或是信息专家，但这些领域都与神经科学有着深切关联。
对于「p=np？」问题，即np-完全问题，他们自然不会陌生，虽然不是信息学的专家，但对于这个问题的认知也要远远高于普通人。
np-完全问题，可以这么认为，这种问题只有把解域里面的所有可能都穷举了之后才能得出答案，这样的问题是np里面最难。
如果要证明一个问题是npc问题，可以拿已经是npc问题的一个问题经过多项式时间的变化变成所需要证明的问题，那么所有证明的问题就是一个npc问题了。
换句话说，即找到了一个算法，那么所有的问题都可以有多项式的解，可以说这就是所谓的「万能算法」了。
这无疑是信息学的巅峰。
这不仅是对信息学的贡献那么简单，许多至今无解的问题都会