Huck, jak zauważyli Lance i Robin, mamy wyrocznie, w stosunku do których PH nie jest w PP. Ale to nie odpowiada na twoje pytanie, jaka była sytuacja w „prawdziwym” (nierelatywizowanym) świecie!
Krótka odpowiedź jest taka, że (podobnie jak w przypadku wielu innych teorii złożoności) nie wiemy.
Ale dłuższą odpowiedzią jest to, że istnieją bardzo dobre powody, aby przypuszczać, że rzeczywiście PH ⊆ PP.
Po pierwsze, Twierdzenie Tody implikuje PH ⊆ BP.PP, gdzie BP.PP jest klasą złożoności, która „jest na PP tak jak BPP na P” (innymi słowy, PP, gdzie można użyć randomizacji, aby zdecydować, które obliczenia WIĘKSZOŚCI chcesz wykonać). Po drugie, zgodnie z prawdopodobnymi hipotezami derandomizacji (podobnymi do tych, o których wiadomo, że oznaczają P = BPP, autorstwa Nisana-Wigdersona, Impagliazzo-Wigdersona itp.), Mielibyśmy PP = BP.PP.
Dodatek, aby odpowiedzieć na inne pytania:
(1) Powiedziałbym, że nie mamy ani jednej przekonującej intuicji w kwestii, czy PP = P PP . Wiemy z wyników Beigela-Reingolda-Spielmana i Fortnow-Reingolda, że PP jest zamknięty z powodu nieadaptacyjnych (tabel prawdy) redukcji. Innymi słowy, maszyna P, która może wykonywać równoległe zapytania do wyroczni PP, nie jest bardziej wydajna niż sama PP. Ale fakt, że wyniki te całkowicie się psują w przypadku adaptacyjnych (nierównoległych) zapytań do wyroczni PP sugeruje, że być może te ostatnie są naprawdę potężniejsze.
(2) Podobnie, NP PP i coNP PP mogą być jeszcze silniejsze niż PP PP . PP PP może być jeszcze mocniejszy i tak dalej. Sekwencja P, PP, P PP , PP PP , P PP ^ PP itd. Nazywa się hierarchią zliczania i podobnie jak ludzie przypuszczają, że PH jest nieskończony, tak też można przypuszczać (choć może z mniejszą pewnością!), Że CH jest nieskończony. Jest to ściśle związane z przekonaniem, że w obwodach progowych o stałej głębokości (tj. Sieci neuronowe) dodanie większej liczby bramek progowych daje większą moc obliczeniową.