ฉันกำลังอ่านสิ่งนี้อยู่ วิธีการจำลอง â บทช่วยสอนเกี่ยวกับเทคนิคการพิสูจน์การจำลอง.
บนหน้า 10 มีหลักฐานโดยใช้การจำลองสำหรับ 1/2-OT กับฝ่ายตรงข้ามกึ่งซื่อสัตย์ โดยสังเขปผู้เล่น $P_1$ เก็บข้อความ $b_0$, $b_1$ และเครื่องเล่น $P_2$ ถือบิตตัวเลือก $Ï$. เนื่องจาก $P_1$ ไม่มีเอาต์พุต มันสร้างตัวจำลอง (หน้า 11 ล่าง - หน้า 12 กลาง) ที่จำลอง $P_1$มุมมองของ สำหรับ $P_2$ มันสร้างตัวจำลองอีกครั้ง (ดูหน้า 12 ล่าง - หน้า 14 กลาง) แต่ในขณะที่จำลองมุมมองนั้นไม่สามารถส่งออกได้อย่างแน่นอน $B(α,x_{1-Ï}) \oบวก b_{1-Ï}$ ดังนั้นมันจึงออกมาแค่ B(α,x_{1-Ï}) จากนั้นจะพิสูจน์ได้ว่าการแจกแจงของคำศัพท์สองคำสุดท้ายนั้นแยกไม่ออกจากการคำนวณ ถือว่ามีความแตกต่าง $D$ (ดูหน้า 13 กลาง - หน้า 14 กลาง) และที่ได้รับ $D$ อัลกอริทึมที่มีประสิทธิภาพ $เอ$ สามารถสร้างที่สามารถทำลายการค้นหาภาพก่อนหน้าของ $B$ (ซึ่งเป็นภาคแสดงที่ไม่ยอมใครง่ายๆ) ด้วยความน่าจะเป็นเล็กน้อย
คำถาม : ตามคำจำกัดความต่อไปนี้ ในหน้า 13 มันอธิบายว่าตัวแยกความแตกต่าง $D$ ดังต่อไปนี้:
สันนิษฐานโดยขัดแย้งว่ามีอยู่นอกเครื่องแบบ ตัวแยกความแตกต่างของเวลาพหุนามที่น่าจะเป็น $D$, พหุนาม $p(··)$ และอนุกรมของสิ่งอันดับไม่สิ้นสุด $(Ï, b_Ï, n)$ ดังนั้น $$Pr[D(Ï, r_0, r_1; α,(B(α, x_Ï) \oบวก b_Ï, B(α, x_{1âÏ})))) = 1] â Pr[D(Ï, r_0, r_1; α,(B(α, x_Ï) \oบวก b_Ï, B(α, x_{1âÏ}) \oบวก 1)) = 1] ⥠\dfrac{1}{p(n)}$$ .
บนหน้า 13 กลาง มันอธิบายอัลกอริทึม $\mathcal{A}$ :
อัลกอริทึม $\mathcal{A}$ จะได้รับ $Ï$, $b_Ï$ บนเทปคำแนะนำ และได้รับ $(1^n, α, r)$ สำหรับการป้อนข้อมูล $\mathcal{A}$จุดมุ่งหมายคือการคาดเดา $B(α, f^{â1}_{α}(S(α; r))$. ในการทำเช่นนี้โดยปริยายและไม่รู้คุณค่าที่แท้จริงของมัน $\mathcal{A}$ ชุด $x_{1âÏ} = f^{â1}_{α} (S(α; r))$ โดยการตั้งค่า $r_{1âÏ} = r$ (จากอินพุต)ถัดไป อัลกอริทึม $\mathcal{A}$ เลือกแบบสุ่ม $r_Ï$และคอมพิวเตอร์ $x_Ï = S(α; r_Ï)$ และ $β_Ï = B(α, x_Ï) \oบวก b_Ï$. ในที่สุด, $\mathcal{A}$ เลือกแบบสุ่ม $β_{1âÏ}$, เรียกใช้ $D$ เมื่อป้อนข้อมูล $(Ï, r_0, r_1; α,(β_Ï, β_{1âÏ}))$ และเอาต์พุต $β_{1âÏ}$ ถ้า $D$ เอาต์พุต 1 และ $1âβ_1âÏ$ มิฉะนั้น. สังเกตว่าถ้า $\mathcal{A}$ คาดเดา $β_{1âÏ}$ ถูกต้องแล้วจึงเรียกใช้ $D$ บน $(Ï, r_0, r_1; α,(B(α, x_Ï) \oplus b_Ï, B(α, x_{1âÏ})))$และอื่น ๆ มันจะเรียกใช้ $D$ บน $(Ï, r_0, r_1; α,(B(α, x_Ï) \oplus b_Ï, B(α, x_{1âÏ}) \oplus 1))$. ดังนั้น ถ้า D ออก 1 แล้ว $\mathcal{A}$ ก็ถือว่าเดาได้ $β_{1âÏ}$ อย่างถูกต้อง (ตั้งแต่ $D$ ผลลัพธ์ 1 ที่มีความเป็นไปได้สูงกว่าเมื่อกำหนด $B(α, x_{1âÏ})$ กว่าเมื่อให้ $B(α, x_{1âÏ}) \oบวก 1)$.
ทำไมในขณะที่ $\mathcal{A}$ เลือก ก สุ่ม $β_{1-Ï}$, เมื่อทายผิดก็เป็นเช่นนั้น $D$ ถูกเรียกใช้ด้วย $(Ï, r_0, r_1; α,(B(α, x_Ï) \oplus b_Ï, B(α, x_{1âÏ}) \oplus 1))$? ทำไม $B(α, x_{1âÏ}) \oบวก 1)$ เทียบเท่ากับการสุ่ม $β_{1-Ï}$?
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
