OpenAI昨天发布了解决三个长期困扰研究人员的重大数学问题的方案。其中一个是对指数时间假设（ETH）的惊人否定，这在计算机科学中是一个持久的假设，对我们理解计算的难度起着重要作用。与前沿实验室之前的证明发布一样，科学界对此的反应是既兴奋又沮丧。Anthropic的数学家Levent Alpöge表示，OpenAI的解决方案是基于已有的工作，几小时后，Anthropic随后发布了对ETH的驳斥。然而，OpenAI的过程正在发展。这一次，该实验室为涉及的三个学科以不同的方式构建了发布：数学家们的工作在GitHub上发布；计算机科学家们成立了一个工作组，请求公开分享证明，并要求OpenAI资助一个讨论这些问题的会议；物理学家们成立了一个工作组，将决定如何发布他们的结果。麻省理工学院的教授Ryan Williams正组织他所在领域对这一新发现的回应。Williams的工作集中在计算复杂性问题上，过去他曾批评OpenAI的做法，他称这个月初的证明发布是对数学家的“DDOS攻击”。尽管如此，他同意与前沿实验室合作，以帮助推动对该领域至关重要的思想，他告诉TechCrunch。该实验室请他协助解释解决方案，联合UC圣地亚哥的计算机科学家Russell Impagliazzo和Ramamohan Paturi，他们在1999年首次提出了ETH。他们的第一步是发布一封公开信，呼吁对这些问题感兴趣的科学家提供反馈，并讨论人工智能对他们工作的贡献规范。“OpenAI的证明中有些部分可以说是常规的，但也确实有两三个看起来很奇怪的部分，正是这些部分让我觉得，哇，这确实是整个社区需要共同努力的事情，”Williams对TechCrunch说道。你能接受P与NP吗？ETH是被称为P与NP的一类更广泛问题的一部分，这个问题几十年来一直吸引着计算机科学和许多其他领域的关注。简单来说，研究人员试图理解任何一个解决方案可以被轻易验证的问题（NP）是否也可以被轻易解决（P）。一个简单的例子是数独游戏：一旦一个难题的解决方案到位，可以迅速进行验证，但找到解决方案却需要耗费时间。这种动态在一系列重要问题中都是成立的，这一见解是加密系统的基础：当你拥有编码消息的密钥时，可以揭示其内容，但实际上破解一个有效的代码则需要花费很长时间才有用。然而，科学家们尚未证明这一点是否始终成立。“P = NP是说，不仅当Sudoku解决方案存在时，你能验证它们，你还可以直接生成它们，”Williams说。“P = NP是断言这对你能快速验证的每一个问题都成立——如果你能快速验证它，你就能快速解决它。因此这似乎真的太美好了。”这就是为什么大多数科学家认为P ≠ NP。ETH为此提供了证据。它基本上表明，即使是最快的计算机算法，在特定类的复杂逻辑难题中，随着变量数量的增加，也需要经历指数级别的更多时间来找到解决方案。OpenAI和Anthropic的声明是，他们的模型提出了在“亚指数”时间内解决这些难题的算法，这意味着比以前认为的速度更快。如果是真实的，他们可能已经证明了EFT是错误的——在科学术语中驳斥了它，并且可能为通常表现为P = NP的算法开辟了一条路径。“每个计算机科学家可能都应该对P = NP的可能性给予更多关注，但个体的看法可能会有所不同，”Williams说。“我确实认为，这在很大程度上质疑了我们所认为的关于……困难NP问题的可处理性的直觉。我还认为这可能也不是最后的答案。我不认为OpenAI的算法可能是你能得到的最佳算法。” 计算机科学家的前进道路 ETH的持久性意味着在过去十年中，许多研究论文将其纳入其中，如果人工智能实验室的声明经得起考验，这些论文将需要重新审视，Williams说。“这部分原因就是我在要求或推动OpenAI支持一个会议——这将影响很多研究人员的工作，我们需要搞清楚，好的，接下来会发生什么，除了理解算法之外，我们还需要理解，之前的基础是什么？”在科学关注之前，还有网络安全的问题。