Tehisintellekti mudelid Frontier Labsist esitavad väljakutse tuumajalade keerukuse eeldustele

Pilt: TechCrunch · Allikas

OpenAI ja Anthropic tehisintellekti mudelid väidavad, et nende algoritmid lükkavad ümber pikaajalise eksponentsiaalse aja hüpoteesi, mis on arvutuslike raskusaste põhieeldus. See võib muuta arusaama P ja NP probleemist ning mõjutada krüptograafiat ja arvutiteadust.

27. oktoobril 2026 teatasid OpenAI ja Anthropic läbimurdelistest väidetest, et nende tehisintellekti arendatud algoritmid lükkavad ümber eksponentsiaalse aja hüpoteesi (ETH), mis on arvutusliku keerukuse teooria keskne eeldus. ETH väidab, et teatud probleemid, eriti 3-SAT — Boolean rahuldamisprobleemi tüüp — ei saa kasvada probleemide suurusega kiiremini kui eksponentsiaalses ajas lahendatud. See hüpotees on teoreetilise arvutiteaduse aluseks ja määrab ootusi probleemide raskusastmele ning krüptograafilisele turvalisusele.

OpenAI avaldas oma mudelite väljatöötatud tõestused GitHubis, mis tekitas teaduskogukonnas kiireid ja mitmekesiseid reaktsioone. Arusaamise ja valideerimise hõlbustamiseks kaasas OpenAI tipptasemel arvutiteadlasi, sealhulgas MIT professori Ryan Williamsi ning UC San Diego teadlased Russell Impagliazzo ja Ramamohan Paturi, kes algselt ETH 1999. aastal formuleerisid. Need eksperdid korraldavad töögruppe ja kutsuvad üles avatud tagasisidele, et leiutisi põhjalikult hinnata.

Avaldatud uurimuse kohaselt leidis Anthropic AI mudel nimega Claude deterministlikud algoritmid, mis lahendavad 3-SAT probleemi ja selle loendamisvariandi (#3-SAT) subeksponentsiaalses ajas, täpsemalt ligikaudu 2^{O(n f n / √{log n})} ajaga. See asymptoorselt parem tulemus viitab ETH väärale, muutes varasemaid arusaamu algoritmilise efektiivsuse piirangutest.

Eksponentsiaalse aja hüpotees on tihedalt seotud P ja NP probleemiga, mis küsib, kas lahendusi kiiresti kontrollida võimalikud NP probleemid on samuti kiiresti lahendatavad (P). Kuigi ETH annab tugeva kinnitusena, et paljud NP probleemid on sisuliselt rasked, vihjavad uus AI-põhised algoritmid, et mõned neist võivad olla lahendatavad kiiremini kui seni arvatud, mis võib teadlaste seas muuta arvamust P=NP võimalikkusest.

Siiski rõhutab Ryan Williams ettevaatust, märkides, et AI genereeritud algoritmid ei pruugi esindada optimaalset lahendust ning teadusvaldkond peab ühiselt uurima tagajärgi. Paljud varasemad ETH-l põhinevad uurimistulemused võivad vajada ümberhindamist, kui need väited osutuvad eakaaslaste kontrollis kehtivateks.

Selline paradigmamuutus omab olulisi tagajärgi küberturvalisusele. Krüptograafilised protokollid toetuvad sageli NP probleemide ja ETH raskusastele; nendele probleemidele kiiremate lahenduste leidmine võib ohustada mõningaid krüptosüsteeme. Williams kinnitas, et OpenAI kontrollis oma algoritme krüptograafilise turvalisuse suhtes ega leidnud hetkel viivitamatuid haavatavusi.

Tehisintellekti laborite ja akadeemia koostöö näitab uut teadusliku avastamise mudelit. Hoolimata murest AI panuse integreerimisel on eksperdid optimistlikud, et sellised edusammud innustavad teadlasi püüdma veel ambitsioonikamaid küsimusi ja kohandama teoreetilise arvutiteaduse aluseid.

Tehisintellekti arendatud algoritmid ja formaalsed tõestused on avalikult kättesaadavad Anthropic'i GitHubis, sealhulgas Lean 4 formaliseerimised, mis võimaldavad kogukonnal tulemusi kontrollida. OpenAI ja Anthropic kavatsevad rahastada konverentse ja töögruppe, et diskussiooni süvendada.

Nende arengute tähtsus seisneb mitte ainult klassikaliste arvutiteaduslike probleemide lahendamise võimalikes läbimurdelistes tulemustes, vaid ka selles, et need näitavad tehisintellekti kui aktiivset partnerit teaduslike piiride avardamisel.