道理很简单，算法仍然是
人类
主导，而计算机还没有发展到能有突破指数级运算的能力。
如果不相信的话，有个看似很简单的问题：
有m(>100)个人组成的人群，其中每个人都与人群中随机n(<m)个人有矛盾(互相看不顺眼)而不能同时出现，请给出一个能尽可能多确定同时出席的人的名单的算法。

这题人来做也是指数级

这是一个经典的计算机科学问题，被称为最大独立集问题（Maximum Independent Set Problem）。在这个问题中，给定一个无向图，我们要找到一个最大的独立集，也就是一个包含尽可能多的顶点集合，使得这些顶点之间没有边相连。
将这个问题应用到你的情况中，每个人可以看做图中的一个顶点，而两个人之间的矛盾关系可以看做一条边。那么，你需要找到一个最大的独立集，也就是一个最大的人名单，使得这些人之间互相没有矛盾。
求解最大独立集问题是一个NP难问题，因此没有多项式时间的算法可以完全解决这个问题。但是，有一些近似算法可以在实际情况中表现良好。其中一个常见的算法是贪心算法。
具体来说，贪心算法的思路是从图中选择一个度数最小的顶点（也就是与尽可能少的其他顶点相连的顶点），然后把这个顶点及其相邻的顶点从图中删除。重复这个过程，直到图中没有顶点剩余为止。最后，选择被删除的顶点作为最大独立集。
在你的情况中，你可以将每个人的度数定义为与其矛盾的人的数量，然后使用上述贪心算法来求解最大独立集，得到一个能尽可能多确定同时出席的人的名单。
需要注意的是，这个算法可能不是最优的，因为在某些情况下可能存在其他人名单可以容纳更多的人。但是，在实际情况中，这个算法可以作为一个启发式算法来求解最大独立集问题。

假设有$m$个人，每个人与$n$个其他人有矛盾。首先，我们可以构建一个$m$行$n$列的矛盾矩阵，用0和1表示每个人是否与另一个人有矛盾。例如，如果第$i$个人与第$j$个人有矛盾，则矛盾矩阵中的第$i$行第$j$列为1，否则为0。
然后，我们可以使用贪心算法来求解最大独立集问题，从而得到一个能尽可能多确定同时出席的人的名单。
具体来说，我们可以按以下步骤进行：
初始化一个空的人名单$S$。
计算每个人在矛盾矩阵中的度数，即与其矛盾的人的数量。
选择一个度数最小的人，并将其添加到人名单$S$中。
从矛盾矩阵中删除与该人有矛盾的行和列。
重复步骤3和步骤4，直到矛盾矩阵为空。
返回人名单$S$作为能尽可能多确定同时出席的人的名单。
该算法的时间复杂度为$O(m^2n)$，其中$m^2$是矛盾矩阵的大小，$n$是每个人的平均矛盾数。在实际情况中，可以使用一些优化技巧来提高算法的效率，例如使用最小堆来快速查找度数最小的人。