OpenAI 星期二發布了三道長期困擾研究人員的重磅數學問題解答。其中一項尤其出人意料：它否定了「指數時間假說」（Exponential Time Hypothesis，簡稱ETH）。這一假說是計算機科學中一個長期存在的假設，在人們理解哪些問題難以計算方面佔據重要地位。
與此前前沿實驗室公布證明結果時類似，科學界對此的反應既興奮又不安。數學家們暗示，該解法是建立在既有研究基礎之上的；數小時後，也發布了自己對該結論的反駁結果。
不過，OpenAI這次的處理方式有所變化。針對涉及的三個學科，該實驗室採用了不同的發布安排：數學界的材料被直接放到了GitHub上；計算機科學界則組建了一個工作組，要求公開分享證明，并要求OpenAI資助一場會議來討論這些結果；物理學界也成立了工作組，將決定其結果應如何發布。
麻省理工學院的教授 Ryan Williams 負責組織計算機科學界的回應這一新發現。 Williams 的研究專注於計算複雜性問題。他過去曾批評 OpenAI 的做法，並將該公司今年10月初的一次「證明傾倒」稱為「對數學家的 DDoS 攻擊」。
不過，他告訴 TechCrunch，他同意與這些前沿實驗室合作，以幫助引導那些對該領域至關重要的想法。 OpenAI 請他與加州大學聖地牙哥分校的計算機科學家 Russell Impagliazzo 和 Ramamohan Paturi 一起幫助解讀這項成果；後兩人早在1999年就提出了 ETH。
他們的第一步是發布一封公開信，呼籲對這些問題感興趣的科學家提供反饋，並討論 AI 在參與相關研究時應遵循的規範。
Williams 对 TechCrunch 表示：「（OpenAI 證明中的）有些部分，或許可以說是常規性的，但確實有兩三處看起來像是『外星來客』寫出的，正是這些部分讓我覺得，哇，這需要整個社區一起來研究。」
你了解P vs NP 吗？
ETH 属於一類更廣泛的問題，即 P vs NP。數十年來，這個問題一直推動著計算機科學以及許多其他領域的發展。簡單來說，研究人員想要弄清楚：任何一個其解答可以被輕鬆驗證的問題（NP），是否也都可以被輕鬆求解（P）。
一個簡單的例子就是數獨遊戲：當謎題的答案已經填完後，人們可以很快驗證它是否正確，但真正找到這個答案卻非常耗時。這種情況存在於許多重要的問題之中，而這一認識也是密碼系統的基礎：當你擁有一條加密信息的密鑰時，可以把它解開；但如果要真正破解一個有效的密碼，通常需要太長的時間，因而缺乏實用性。
不過，科學家至今仍未能證明這種情況是否總是成立。Williams 說：「P = NP 的意思是，不僅當數獨解存在時你能驗證它，你還能直接生成它。P = NP 主張的是：對於每一個你能快速驗證的問題，如果你能快速驗證它，你也能快速求解它。這聽起來好得令人難以置信。」
這也是為何大多數科學家都假設 P ≠ NP，而 ETH 正是支持這一判斷的證據之一。它基本上表示：對於某類棘手的邏輯謎題，即便是最快的計算機算法，隨著變量數量的增加，找到解所需的时间也會呈指數級上升。
OpenAI 和 Anthropic 表示，他們的模型提出了一種能以「次指數時間」解決這些謎題的算法，也就是比之前認為可能達到的速度更快。如果這一點成立，他們可能已經證明 ETH 是錯誤的——用科學術語來說，就是「反駁」了它——並且也許開啟了一條通往更普遍實現 P = NP 算法的道路。
Williams 說：「每個計算機科學家或许都應該稍微提高一點對 P = NP 可能性的重視，但每個人提高的幅度可能會不同。我確實認為，這在某種程度上動搖了我們過去對……這些困難的 NP 問題究竟有多可處理的許多直覺。我也認為，這很可能還不是最終答案。我不認為 OpenAI 的算法會是你最終能得到的最佳算法。」
計算機科學家接下來的工作
Williams 表示，ETH 能夠長期穩固，是因為在過去十年裏許多科學論文都將其納入了基本假設之中；如果 AI 實驗室關於自己已證明其錯誤的說法最終站得住腳，那麼這些論文就都需要重新審視了。
他說：「這也是我為何要求，或者說推動 OpenAI 支持召開一場相關會議的部分原因——它會影響到很多研究人員的工作。除了了解這些算法之外，我們還需要弄清楚接下來會發生什麼；我們還需要理解，我們之前所依賴的那些基礎現在應該是什麼。」
在科學層面的擔憂之前，還存在網絡安全問題。Williams 表示，改進後的算法可能意味著，某些依賴特定密鑰長度的密碼系統可以被视为已經失效。因此，他向 OpenAI 科學負責人 Dan Roberts 提出的首批問題之一就是，“他們是否檢查過這是否會影響任何密碼系統……現在是否有任何東西變得不安全了？顯然，他們檢查過了，而且他們相當有信心認為這並不……意味著出現了任何破解。”
這種由 AI 推動的全新科學發現範式仍處於發展過程中，但 Williams 表示，儘管存在真實的擔憂，尤其是關於如何培養下一代科學家的問題，他依然保持樂觀。作為一名從事高階數學的計算機科學家，對他來說，這種轉變或許比對純數學家來說更容易適應。
不過，他仍表示，「正在迫使人們在自己從事的工作類型上變得更有雄心，並更深入地思考：如果我過去研究的那些東西，現在都成了他們眼中的『低垂的果實』，那麼我該如何提高自己的門檻，去提出我真正想提出的那類科學問題？」
