OpenAI اثبات می‌کند که ETH نادرست است و توییتر کریپتو سوالاتی دارد

OpenAI می‌گوید ETH نادرست است و توییتر کریپتو دقیقاً به همان روشی که انتظار می‌رفت واکنش نشان داد. کاربری به نام تاکومی در X نوشت: "لعنت به معامله‌گران الگوریتمی که $ETH را کشتند"، در حالی که اندرو جیان گفت: "ویتالیگ از زمانی که این موضوع منتشر شد، واقعاً ساکت بوده است."

اما آرام باشید، دژن‌ها، ETH مورد بحث فرضیه زمان نمایی است، یک حدس در علوم کامپیوتر از سال 1999 که هیچ ارتباطی با اتریوم، قیمت آن یا هم‌بنیان‌گذار آن ویتالیگ بوترین ندارد. بنابراین، برادران کریپتو، می‌توانید نفس راحتی بکشید.

OpenAI یک مقاله 67 صفحه‌ای منتشر کرد که ادعا می‌کند هوش مصنوعی آن راهی برای دور زدن این فرضیه پیدا کرده است و افرادی که آن را پیشنهاد کردند اکنون در حال بررسی کار هستند.

دانشمندان کامپیوتر راسل ایمپالیازو و راماموهان پاتوری ETH را با فرانسیس زین پیشنهاد کردند و می‌گوید یک معما منطقی کلاسیک به نام 3-SAT (پیدا کردن تنظیمات درست یا نادرست که یک دسته از قوانین را برآورده می‌کند، سه گزینه در هر بار) نمی‌تواند خیلی سریع‌تر از امتحان کردن هر ترکیب حل شود. صدها مقاله فرض می‌کنند که این موضوع نشان می‌دهد که مشکلات در نظریه گراف، زیست‌شناسی محاسباتی، پایگاه‌های داده و هندسه نمی‌توانند به سرعت حل شوند، طبق گفته OpenAI.

Myriad: ETH بعدی کجا می‌رود؟ کلیک کنید تا پیش‌بینی خود را انجام دهید.

به عبارت دیگر، ETH نقشه‌ای از آنچه که کامپیوترها احتمالاً هرگز نمی‌توانند به سرعت انجام دهند است و OpenAI می‌گوید مدل آن فقط آن را دوباره ترسیم کرده است. "رد فرضیه ETH سوالاتی را در مورد اینکه این وظایف چقدر سریع‌تر می‌توانند شوند، دوباره باز می‌کند،" شرکت در وبلاگ خود نوشت، "و ممکن است به راهنمایی در جستجوی الگوریتم‌های بهتر کمک کند."

این مقاله که تاریخ آن 17 اکتبر و اصلاح شده در 25 اکتبر است، یک الگوریتم قطعی (الگوریتمی بدون تصادف) را توصیف می‌کند که هر تخصیص رضایت‌بخش از چنین معماهایی را در زمان زیر نمایی شمارش می‌کند، به این معنی که کار به آرامی نسبت به هر نمایی در تعداد متغیرها رشد می‌کند. شمارش راه‌حل‌ها سخت‌تر از تصمیم‌گیری در مورد وجود یکی است، بنابراین کار سخت‌تر، کار آسان‌تر را به صورت رایگان به همراه می‌آورد.

OpenAI می‌گوید هوش مصنوعی آن رد این فرضیه را در 16 اکتبر پیدا کرده و این موضوع در Lean، نرم‌افزاری که هر مرحله منطقی را به‌طور مکانیکی تأیید می‌کند، در 17 اکتبر رسمی شده است. هر دو در GitHub قرار دارند، همان مسیری که 722 دست‌نوشته ریاضی آن در اوایل این ماه را طی کرده‌اند که تنها 162 مورد از آن‌ها نتیجه اصلی بررسی شده توسط کامپیوتر را داشتند.

ایمپالیازو، پاتوری و رایان ویلیامز از MIT بررسی مستقل را رهبری می‌کنند و در مورد نقش خود احتیاط می‌کنند. "مشارکت ما نباید به عنوان تأیید ادعا تلقی شود،" این سه نفر در یک نامه عمومی نوشتند و افزودند که "نتیجه‌ای به این اهمیت نیاز به بررسی دقیق و مستقل و درک این دارد که دیگران می‌توانند آن را بازسازی، سوال کنند و بر اساس آن بسازند."

OpenAI می‌گوید شرکت‌کنندگان هیچ توافق‌نامه عدم افشایی امضا نکرده‌اند و کار بدون پرداخت انجام شده است و شرکت موافقت کرده است که تمام داده‌های خام را منتشر کند و یک کنفرانس در مورد نتیجه تأمین مالی کند.

دریافت‌های عملی هنوز دور هستند: "پیدا کردن چنین الگوریتم‌هایی و تبدیل پیشرفت‌های نظری به بهبودهای عملی به تحقیقات بیشتری نیاز دارد،" OpenAI نوشت. خود مقاله می‌گوید که نتیجه نشان نمی‌دهد که هر مشکل NP می‌تواند در زمان زیر نمایی حل شود، بنابراین سوال P در مقابل NP، سوال اینکه آیا هر مشکلی که پاسخ آن به راحتی قابل بررسی است نیز به راحتی قابل حل است، همچنان باز است.

به زبان ساده، P کلاس مشکلاتی است که کامپیوترها می‌توانند به طور کارآمد حل کنند، در حالی که NP کلاس مشکلاتی است که راه‌حل‌های پیشنهادی آن‌ها می‌توانند به طور کارآمد بررسی شوند. بنابراین P در مقابل NP --- سوال اینکه آیا هر مشکلی که پاسخ آن به راحتی قابل بررسی است نیز به راحتی قابل حل است --- همچنان باز است.

آنتروپیک، که نمی‌خواهد در جنگ‌های ریاضی شکست بخورد، سپس مقاله‌ای منتشر کرد که به کلود نسبت داده شده و عنوان "الگوریتم زمان 2^o(n) برای 3-SAT" و تاریخ 26 اکتبر دارد. این مخزن که همچنین به مشکل ETH می‌پردازد، می‌گوید یک مدل تحقیق داخلی کلود الگوریتم را کشف کرده است و "نتیجه به طور خالصی نامتقارن است و چیزی در مورد حل فرمول‌ها در عمل نمی‌گوید."

OpenAI می‌گوید یک مدل هوش مصنوعی مخفی صدها مشکل ریاضی باز را در یک درخواست حل کرده است --- ریاضی‌دانان خواهان مدارک هستند.

کلود در سپتامبر قضیه آخر فرما را در Lean رسمی کرد و ترنس تائو این نوع همپوشانی را پیش‌بینی کرده بود. "ما اکنون دیده‌ایم که حتی شایعه‌ای از کسی که روی یک مشکل کار می‌کند می‌تواند مقدار زیادی تلاش مبتنی بر هوش مصنوعی را برای صاف کردن آن قبل از اینکه پروژه تحقیقاتی اصلی زمان داشته باشد تا به پتانسیل کامل خود برسد، تحریک کند،" این ریاضی‌دان در سپتامبر نوشت.

کمک 5 میلیون دلاری اخیر OpenAI به بنیاد سیمونز کارگاه‌ها، کنفرانس‌ها و برنامه‌های ویژه‌ای را تأمین مالی خواهد کرد تا به محققان کمک کند نتایج تولید شده توسط هوش مصنوعی را بررسی و بر اساس آن بسازند.