OpenAI и Anthropic утверждают, что ИИ нарушил то же самое правило компьютерных наук
Обе лаборатории заявляют, что их модели ИИ опровергли гипотезу экспоненциального роста во времени в один и тот же день, 16 октября. Сейчас проверку проводят независимые эксперты, и, по словам Anthropic, прирост эффективности проявляется только при количестве переменных более 10 миллионов.

Две конкурирующие лаборатории искусственного интеллекта утверждают, что их модели разрушили один и тот же столп компьютерной науки, и обе заявляют, что это произошло в один и тот же день, 16 октября. Если доказательства подтвердятся, предположение, на котором основаны сотни научных работ, окажется неверным. Подвох в том, что, по собственным расчетам Anthropic, более быстрый метод не сможет превзойти метод проб и ошибок до тех пор, пока в задаче не окажется более 10 миллионов переменных.
OpenAI Результаты были объявлены в понедельник, 26 октября., наряду с двумя другими утверждениями в области математики и физики. Несколько часов спустя, Anthropic опубликовал свою собственную версию В GitHub опубликована статья, автором которой указан “Claude, Anthropic”. Ни один из результатов пока не подтвержден независимыми источниками. В настоящее время их проверяют сторонние эксперты.
Рассматриваемое правило
Это предположение называется гипотезой экспоненциального времени, или ETH. Оно связано с логической головоломкой, известной как 3-SAT. Вам предоставляется длинный список условий, каждое из которых включает несколько переключателей типа «да» или «нет», и вам нужно найти такое положение переключателей, которое удовлетворяет всем условиям одновременно.
Проверить ответ легко. Найти его — вот что сложно. Каждый дополнительный переключатель удваивает количество возможных настроек, поэтому со 100 переключателями вариантов больше, чем кто-либо когда-либо сможет перебрать. За прошедшие годы специалисты по информатике нашли более совершенные методы, но необходимое время по-прежнему растет экспоненциально, то есть увеличивается с каждым добавленным переключателем.
В ETH утверждают, что это всегда будет правдой: нет короткого пути, позволяющего избежать этого экспоненциального роста. “В это широко верили с конца 1990-х годов, и на этом основании была построена значительная часть теоретической информатики”, — говорит Райан Уильямс из MIT. сообщил Аль-Джазире. Компания OpenAI заявляет, что эта гипотеза использовалась в сотнях научных работ в самых разных областях, от теории графов до вычислительной биологии и баз данных.
Цифры, подтверждающие это утверждение
До этого месяца самые быстрые известные методы выполнялись примерно за 1,328 в степени n шагов при n переключениях, или за 1,308 в степени n для методов, использующих случайность, согласно данным. Anthropic’49-страничный доклад. Обе лаборатории теперь утверждают, что у них есть метод, который обеспечивает более медленный рост, чем любой подобный экспоненциальный рост. Вот что означает утверждение “ETH — ложь”.
Компания Anthropic заявляет, что результат был получен с помощью внутренней исследовательской модели Claude, которая создала 14 миллионов выходных токенов — небольших фрагментов текста, генерируемых моделью, — “без участия человека”. Затем исследователи работали с моделью над улучшением текста. OpenAI утверждает, что её собственный ИИ обнаружил опровержение в тот же день, и что на следующий день оно было проверено в Lean — языке программирования, позволяющем компьютеру проверять каждый шаг доказательства. бумажные и бережливые файлы находится в своем общедоступном репозитории на GitHub.
В статье Anthropic говорится, что оба результата были получены “независимо и одновременно”, и цитируется работа OpenAI. В заявлении OpenAI компания Anthropic не упоминается, поскольку Как отмечает сайт отслеживания исследований Papex,. Обе даты обнаружения предоставлены самими компаниями. Первые публичные документы появились 26 и 27 октября.
Почему ваш ноутбук этого не заметит
Это результат, касающийся самых сложных возможных задач огромных размеров. Компания Anthropic прямо об этом заявляет. В своей статье она утверждает, что этот подход вряд ли превзойдет метод перебора, “если только n > 10».7“или более 10 миллионов переключений, и что “наш результат ничего не говорит о решении формул на практике”. В OpenAI заявляют, что для превращения теории в практические преимущества “потребуются значительные дальнейшие исследования”.”
Хотите, чтобы ИИ экономил вам часы в неделю? Наше бесплатное руководство покажет вам, как это сделать.Получите бесплатное руководство →Это важно, потому что 3-SAT — это не просто головоломка для школьных занятий. Программы, называемые решателями SAT, используются для проверки проектов микросхем и тестирования программного обеспечения, и они уже обрабатывают формулы с миллионами переменных, потому что реальные случаи обычно намного проще, чем наихудший сценарий. На вопрос на X о том, что разработчики могут заметить в первую очередь, Уильямс ответил, что пока никто не знает., согласно The Decoder. Он сказал, что серьезный прогресс в течение 12 месяцев вполне возможен, “или же мы можем ничего подобного не увидеть. Я действительно не знаю”.”
Это также не решает знаменитый вопрос о соотношении P и NP, который касается того, является ли каждая задача, которую быстро проверить, также быстрой в решении. «Быстрее, чем экспоненциальная» — это всё ещё далеко не «быстро» в этом смысле. Обе статьи утверждают обратное.
Кто проверяет домашнюю работу ИИ?
Проверку проводят три исследователя, которых OpenAI попросила выступить в роли “наставников”: Рассел Импальяццо и Рамамохан Патури из Калифорнийского университета в Сан-Диего, двое из тех, кто первым предложил ETH, и Уильямс. OpenAI заявляет, что они работают бесплатно и не подписывали никаких соглашений о неразглашении. По их просьбе OpenAI опубликовала все исходные материалы и согласилась профинансировать конференцию, посвященную результатам.
Все трое также написали открытое письмо, в котором ясно дали понять, что не ручаются за это утверждение. “Наше участие не следует рассматривать как подтверждение этого утверждения”, — пишут они., как цитирует Papex. “Если это утверждение верно, оно изменит важную часть теоретической информатики”. В качестве источника для обзора они указывают статью Anthropic рядом со статьей OpenAI.
Проверка по методологии Lean — это веское доказательство, но не конец истории. Lean подтверждает, что из введенного утверждения следует доказательство. Людям еще предстоит убедиться, что введенное утверждение действительно отражает то, что имели в виду математики. Это медленная, человеческая часть процесса.
Два других утверждения
В заявлении OpenAI также утверждается, что представлено доказательство гипотезы 1991 года о том, как волны фокусируются, известной как локальное сглаживание, во всех измерениях. До сих пор она была доказана только в двух измерениях, в 2019 году. OpenAI заявляет, что результат также решает две другие известные проблемы: гипотезы Какеи и ограничения Стейна. Это доказательство и его файлы Lean находятся в открытом доступе.
Третье утверждение относится к физике. OpenAI заявляет, что её модели доказали существование определённых теорий взаимодействия частиц, включая квантовую хромодинамику, описывающую силу, удерживающую атомные ядра вместе, на прочной математической основе. Это включает в себя часть одной из семи проблем Нобелевской премии тысячелетия, каждая из которых предусматривает премию в $1m. OpenAI утверждает, что решила только часть, касающуюся существования, а не часть, касающуюся «массового зазора», поэтому проблема премии остаётся открытой. Группа под руководством лауреата Нобелевской премии Дэвида Гросса занимается изучением этой работы, и Материалы не были опубликованы в полном объеме..
Последний вариант вызвал критику. Консультативная группа по математике и искусственному интеллекту, Группа математиков, собравшаяся в Институте перспективных исследований, 26 октября призвала OpenAI опубликовать результаты физических исследований “без промедления”. Она утверждает, что OpenAI заявила о ожидании проверки Lean, и “по их собственным словам, эта проверка уже завершена”.”
Простое прочтение
То, что две компании заявили об одном и том же прорыве в один и тот же день, — это нечто новое. Это говорит о том, что ведущие модели ИИ теперь могут находить результаты, которые эксперты десятилетиями не могли получить, и что это может сделать не одна лаборатория. Это также показывает, насколько наука к этому не готова. Нет единого хронометража, определяющего, кто что первым обнаружил, и нет согласованного правила, когда доказательство, созданное ИИ, считается проверенным.
На данный момент честный результат таков: три громких заявления, ни одного независимого подтверждения. Эксперты говорят, что поделятся результатами по мере их получения. До публикации отчета ETH лучше всего охарактеризовать как заявленную ложность, а не доказанную ложность.


