OpenAI周二发布了三道长期困扰研究人员的重磅数学问题解答。其中一项尤其出人意料：它否定了“指数时间假说”（Exponential Time Hypothesis，简称ETH）。这一假说是计算机科学中一个长期存在的假设，在人们理解哪些问题难以计算方面占据重要地位。

和此前前沿实验室公布证明结果时类似，科学界对此的反应既兴奋又不安。Anthropic数学家Levent Alpöge暗示，OpenAI的解法建立在既有研究基础之上；数小时后，Anthropic也发布了自己对ETH的反驳结果。

不过，OpenAI这次的处理方式有所变化。针对涉及的三个学科，该实验室采用了不同的发布安排：数学界的材料被直接放到了GitHub上；计算机科学界则组建了一个工作组，要求公开分享证明，并要求OpenAI资助一场会议来讨论这些结果；物理学界也成立了工作组，将决定其结果应如何发布。

麻省理工学院教授Ryan Williams是负责组织计算机科学界回应这项新发现的人。Williams的研究聚焦于计算复杂性问题。他过去曾批评OpenAI的做法，并把该公司今年10月早些时候一次“证明倾倒”称为“对数学家的DDoS攻击”。

不过，他告诉TechCrunch，自己同意与这些前沿实验室合作，以帮助引导那些对该领域至关重要的想法。OpenAI请他与加州大学圣迭戈分校计算机科学家Russell Impagliazzo和Ramamohan Paturi一起帮助解读这项成果；后两人最早在1999年提出了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AI参与相关研究时应遵循的规范。

Williams对TechCrunch表示：“（OpenAI证明中的）有些部分，或许可以说是常规性的，但确实有两三处看起来像是‘外星来客’写出来的，正是这些部分让我觉得，哇，这需要整个社区一起来研究。”

你了解P vs NP吗？

ETH属于一类更广泛的问题，即P vs NP。几十年来，这个问题一直推动着计算机科学以及许多其他领域的发展。简单说，研究人员想弄清楚：任何一个其解答可以被轻松验证的问题（NP），是否也都可以被轻松求解（P）。

一个简单例子是数独游戏：当谜题答案已经填好后，人们可以很快验证它是否正确，但真正找到这个答案却很耗时。这种情况存在于许多重要问题之中，而这一认识也是密码系统的基础：当你拥有一条加密信息的密钥时，可以把它解开；但如果要真正破解一个有效的密码，通常需要太长时间，因而不具实用性。

不过，科学家至今仍未证明这种情况是否总是成立。Williams说：“P = NP的意思是，不仅当数独解存在时你能验证它，你还可以直接生成它。P = NP主张的是：对于每一个你能快速验证的问题，如果你能快速验证它，你也能快速求解它。这听起来好得令人难以置信。”

这也是为什么大多数科学家都假设P ≠ NP，而ETH正是支持这一判断的证据之一。它基本上表示：对于某一类棘手的逻辑谜题，哪怕是最快的计算机算法，随着变量数量增长，找到解所需的时间也会呈指数级上升。

OpenAI和Anthropic的说法是，它们的模型提出了能以“次指数时间”解决这些谜题的算法，也就是比此前认为可能达到的速度更快。如果这一点成立，它们可能已经证明ETH是错误的——用科学术语说，就是“反驳”了它——并且也许打开了一条通向更普遍实现P = NP算法的道路。

Williams说：“每个计算机科学家或许都应该稍微提高一点对P = NP可能性的权重，但每个人提高多少可能不同。我确实认为，这在某种程度上动摇了我们过去对……这些困难NP问题究竟有多可处理的许多直觉。我也认为，这大概率还不是最终答案。我不认为OpenAI的算法会是你最终能得到的最佳算法。”

计算机科学家接下来的工作

Williams表示，ETH之所以长期稳固，是因为过去十年里许多科学论文都把它纳入了基础假设；如果AI实验室关于自己已证明其错误的说法最终站得住脚，那么这些论文都需要重新审视。

他说：“这也是我为什么要求、或者说推动OpenAI支持召开一场相关会议的部分原因——它会影响很多研究人员的工作。除了理解这些算法之外，我们还需要弄清楚接下来会发生什么；我们还需要理解，我们此前赖以建立的那些基础现在应该是什么。”

在科学层面的担忧之前，还存在网络安全问题。Williams表示，改进后的算法可能意味着，某些依赖特定密钥长度的密码系统可以被视为已经失效。因此，他向OpenAI科学负责人Dan Roberts提出的首批问题之一就是，“他们是否检查过这会不会影响任何密码系统……现在是否有任何东西变得不安全了？显然，他们检查过了，而且他们相当有信心认为这并不……意味着出现了任何破解。”

这种由AI推动的全新科学发现范式仍处于发展过程中，但Williams说，尽管存在真实担忧，尤其是关于如何培养下一代科学家的问题，他依然保持乐观。作为一名从事高阶数学的计算机科学家，这种转变对他来说，或许比对纯数学家更容易适应。

不过，他仍表示，AI“正在迫使人们在自己从事的工作类型上变得更有雄心，并更深入地思考：如果我过去研究的那些东西，现在都成了AI眼中的低垂果实，那么我该如何提高门槛，去提出我真正想问的那类科学问题？”