OpenAI i Anthropic ogłosiły obalenie 27-letniej hipotezy o czasie wykładniczym, fundamentu informatyki teoretycznej. Dziesiątki prac naukowych mogą stracić sens. Wyjaśniamy, co to znaczy dla nauki, dla kryptografii i dla każdego użytkownika internetu.
Przez 27 lat informatycy teoretyczni budowali swoje badania na jednym założeniu: że niektóre problemy obliczeniowe stają się wykładniczo trudniejsze wraz ze wzrostem ich rozmiaru. W tym tygodniu OpenAI i Anthropic ogłosiły, że to założenie jest błędne. Naukowcy zaczęli liczyć straty, a my wyjaśniamy, dlaczego to ważne również poza murami uczelni.
Najważniejsze:
- OpenAI i Anthropic twierdzą, że obaliły hipotezę o czasie wykładniczym (ETH), funkcjonującą w nauce od 27 lat
- Dowody AI trafiły na GitHub w wersji opisowej i maszynowo weryfikowalnej, ale nie zostały jeszcze niezależnie potwierdzone przez naukowców
- Jeden z badaczy szacuje, że jeśli wynik się potwierdzi, około pięćdziesięciu jego opublikowanych prac stanie się bezcelowych lub wymagać będzie rewizji
- Wynik nie uderza bezpośrednio w kryptografię, ale zdaniem ekspertów powinien zaniepokoić projektantów systemów zabezpieczających dane w sieci
- Środowisko akademickie mierzy się z psychicznym ciężarem lawiny wyników AI, jeden z europejskich instytutów rozważał zatrudnienie psychologa zawodowego
Co to oznacza dla twojego bezpieczeństwa w sieci: zanim przejdziemy do nauki
Zacznijmy od punktu, który dotyczy każdego użytkownika internetu. Kryptografia, mechanizm stojący za kłódką w pasku adresu przeglądarki, za szyfrowaniem poczty i za bezpiecznym logowaniem do banku, opiera się na założeniu, że pewne problemy matematyczne są praktycznie niemożliwe do rozwiązania w rozsądnym czasie. To założenie jest bliskie ETH, czyli hipotezie, którą AI właśnie podważyła.
Sam wynik dotyczący ETH nie łamie wprost żadnego obecnego systemu szyfrowania. Jednak Daniel Lokshtanov z University of California w Santa Barbara mówi wprost, że wynik ten powinien przestraszyć projektantów systemów kryptograficznych. Thore Husfeldt z IT University of Copenhagen dodaje, że właśnie dlatego kontynuacja otwartego procesu naukowego, przez ludzi i przy pomocy AI, ma tak duże znaczenie praktyczne: spora część nowoczesnej infrastruktury cyfrowej jest zbudowana na założeniach dotyczących obliczeń, a nauka powinna wychwytywać błędy w tych założeniach, zanim zrobią to złośliwi aktorzy.
Czym jest ETH i dlaczego runięcie jednej hipotezy paraliżuje całą dziedzinę
Hipoteza o czasie wykładniczym, w skrócie ETH, mówi w uproszczeniu, że im większy i bardziej złożony problem obliczeniowy, tym czas potrzebny na jego rozwiązanie rośnie wykładniczo, nie podwaja się, lecz skacze w górę w tempie, które szybko czyni zadanie praktycznie niewykonalnym nawet dla najszybszych komputerów. Na tym fundamencie przez 27 lat budowano setki prac z teorii złożoności obliczeniowej i projektowania algorytmów.
Warto uzmysłowić sobie skalę: w historii nauki zdarzały się przełomy obalające kluczowe założenia, jak odkrycie nieeuklidesowych geometrii, które wywróciło do góry nogami matematykę stosowaną, albo mechanika kwantowa, która podważyła deterministyczny obraz fizyki Newtona. ETH nie była jednak tylko jedną hipotezą, była wspólnym mianownikiem dla ogromnej liczby dowodów i twierdzeń, które wzajemnie na sobie polegały. Obalenie jej to nie tyle wyciągnięcie jednej cegły, co usunięcie fundamentu, na którym stały całe piętra konstrukcji.
Jeśli ETH okazuje się fałszywa, otwiera się możliwość, że istnieją znacznie szybsze algorytmy rozwiązywania problemów uważanych dotąd za skazane na wykładniczą trudność. To z kolei oznacza, że badacze mogą wracać do problemów, które porzucili jako praktycznie nierozwiązywalne i szukać nowych podejść, które do tej pory nie miały sensu.
Bomba w środku konferencji: co czują naukowcy, których praca znika z dnia na dzień
Peter Jonsson, profesor Uniwersytetu w Linköping, za dwa tygodnie ma mieć zaprezentowaną pracę na jednym z najbardziej prestiżowych wydarzeń w teoretycznej informatyce, sympozjum IEEE poświęconym podstawom informatyki. Jak mówi, duża część tej pracy jest już martwa, bo AI pokazała, że hipoteza leżąca u jej podstaw jest błędna. Przewiduje, że jego sytuacja będzie na konferencji nagminnie powtarzana, a prelegenci będą zaczynać wystąpienia od słów, że ETH okazała się fałszywa i połowa ich pracy już nie działa.
Daniel Loksztanov z University of California w Santa Barbara jest jeszcze bardziej dosadny: jeśli wynik się potwierdzi, będzie, jak mówi, „galaktycznie w błędzie”, a około pięćdziesięciu jego opublikowanych prac stanie się bezcelowych lub wymagać będzie rewizji. Określa to jako bombę podrzuconą w sam środek dziedziny i przyznaje, że jest to jednocześnie naprawdę fajne i straszne.
Husfeldt ze swojej strony spędził większość bieżącego roku, myśląc o jednym konkretnym problemie w swojej poddziedzinie. Jak sam przyznaje, wszystko to wydaje się teraz nieistotne. Mimo to jego reakcja jest odmienna od przygnębienia, które ogarnęło część środowiska matematycznego po wcześniejszych przełomach generowanych przez AI. Opisuje bycie matematykiem jako błądzenie po całkowicie ciemnym pokoju, a obecną sytuację porównuje do nagłego oświetlenia całej poddziedziny reflektorami wiedzy, naukowcy biegają teraz jak rozentuzjazmowane króliki, zaglądając w każdy kąt, który nagle można zbadać. Husfeldt mówi, że wynik jest fantastyczny i stanowi rezultat na skalę pokolenia.
Victor Lagerkvist, profesor nadzwyczajny w Linköping, zapowiada, że wróci do problemów, które wcześniej porzucił, zakładając, że ETH jest prawdziwa. Jonsson z kolei mówi, że mieć wreszcie werdykt w sprawie ETH to coś, o czym wcześniej mógł tylko pomarzyć, i dodaje wprost: Mówi, że nie obchodzi go, czy dowód napisał człowiek, AI, czy przesłał go kosmita, jeśli jest prawdziwy, trzeba go po prostu używać.
Weryfikacja dopiero rusza, a chaos wokół AI nie pomaga
Kluczowy problem polega na tym, że nikt jeszcze niezależnie nie potwierdził dowodów opublikowanych przez OpenAI i Anthropic na GitHubie, zarówno w opisowej wersji dla człowieka, jak i w formacie Lean, który może sprawdzić maszyna. OpenAI poprosiło badaczy z UC San Diego, którzy pierwotnie zaproponowali hipotezę, oraz naukowca z MIT, który obalił wcześniejszą wersję ETH, o zorganizowanie szerszego wysiłku weryfikacyjnego. Na razie efektem jest formularz Google dla ochotników i deklaracja sfinansowania konferencji poświęconej tematowi.
Kontekst jest tu ważny: wcześniej w tym miesiącu OpenAI opublikowało na GitHubie ponad siedemset manuskryptów dotyczących czterystu problemów naukowych. Akademicy narzekali, że taka ilość treści jest niemożliwa do przyswojenia, a kilka dokumentów zawierało błędy. Część matematyków odebrała to jako pospieszną publikację, obliczoną bardziej na rozgłos przed planowanym debiutem giełdowym firmy niż na realny postęp nauki. Tym razem jednak, jak przyznają sami naukowcy cytowani przez WIRED, praca OpenAI dotycząca ETH wydaje się napisana staranniej niż poprzednie publikacje firmy.
Psychiczny koszt ery AI w nauce: kiedy co dwa tygodnie coś umiera
To nie jest odosobniony incydent. Husfeldt przyznaje, że ostatnie miesiące były dla środowiska wyjątkowo ciężkie, co tydzień lub co dwa tygodnie pojawiają się wyniki AI, które unicestwiają trwające projekty badawcze. Jego instytut rozważał zatrudnienie psychologa zajmującego się zdrowiem zawodowym, bo część pracowników jest naprawdę przygnębiona i smutna.
Problem ma też wymiar czysto praktyczny. W trakcie rozmowy z WIRED Husfeldt otrzymał na skrzynkę od nieznanego konta Gmail siedemnastostronicowy tekst, który podejrzewa o pochodzenie z generatora AI, dotyczący konsekwencji obalenia ETH. Nie zamierza go czytać i trudno mu się dziwić: czytanie matematyki to, jak mówi, bardzo duża inwestycja czasu poznawczego. Przy obecnym tempie produkcji treści przez AI selektywność stała się koniecznością, a nie wyborem.
Co dalej: nauka nie stoi w miejscu, nawet gdy czeka na weryfikację
Naukowcy nie czekają biernie na ostateczne potwierdzenie wyników. Jonsson planuje przejrzeć zarówno własne, jak i cudze prace oparte na ETH i wierzy, że jego praca konferencyjna może jeszcze zostać uratowana inną metodą. Lagerkvist wraca do porzuconych problemów. Husfeldt pisze obliczenia na tablicy, próbując ustalić, które części jego dorobku stały się przestarzałe.
Pytanie, które zadaje sobie teraz całe środowisko, brzmi: jeśli ETH jest fałszywa i czas rozwiązywania problemów nie musi rosnąć wykładniczo, to jak szybkie mogą być algorytmy, które jeszcze nie zostały odkryte? To pytanie, które przez 27 lat było w dużej mierze nieaktualne. Teraz znów jest otwarte i właśnie to, obok strat, jest największą konsekwencją tego tygodnia dla informatyki teoretycznej.
Najczęściej zadawane pytania
Czym jest hipoteza o czasie wykładniczym (ETH)?
To hipoteza funkcjonująca w nauce od 27 lat, według której rozwiązywanie niektórych problemów obliczeniowych wymaga wykładniczo więcej czasu wraz ze wzrostem ich złożoności. Na tym założeniu opierały się setki prac z teorii złożoności obliczeniowej i projektowania algorytmów. Jej obalenie oznacza, że przynajmniej część tych prac wymaga weryfikacji lub traci uzasadnienie.
Czy dowody OpenAI i Anthropic zostały już potwierdzone?
Nie. Naukowcy nie zdążyli jeszcze niezależnie zweryfikować dowodów opublikowanych na GitHubie. OpenAI poprosiło twórców hipotezy oraz badacza z MIT o zorganizowanie weryfikacji społeczności naukowej, uruchomiono formularz dla ochotników i zapowiedziano sfinansowanie konferencji na ten temat. Weryfikacja złożonych dowodów matematycznych zajmuje zazwyczaj miesiące.
Jak wynik dotyczący ETH może wpłynąć na bezpieczeństwo w internecie?
Kryptografia, czyli zabezpieczenia danych w sieci, opiera się na założeniu, że niektóre problemy matematyczne zajmują niepraktycznie dużo czasu do rozwiązania. Ten konkretny wynik nie łamie wprost żadnego obecnego systemu szyfrowania, ale zdaniem Lokshtanova powinien zaniepokoić projektantów systemów kryptograficznych. Husfeldt podkreśla, że otwarty proces naukowy ma chronić cyfrową infrastrukturę przed błędnymi założeniami, zanim ktoś je wykorzysta.
Jak naukowcy reagują na wyniki AI, które obalają ich dotychczasowe badania?
Reakcje są mieszane i zależą od osoby. Lokshtanov mówi o dziesiątkach prac, które mogą stać się bezcelowe, i przyznaje, że sytuacja jest jednocześnie ekscytująca i straszna. Husfeldt, mimo że jego roczna praca nad jednym problemem stała się nieaktualna, reaguje entuzjazmem i porównuje moment do oświetlenia ciemnego pokoju reflektorem. Jonsson podkreśla, że to właśnie na takim falsyfikowaniu polega postęp naukowy. Część środowiska jest jednak wyraźnie przygnębiona, skala i tempo zmian wywołanych przez AI są bezprecedensowe.
Co będzie się działo dalej?
Naukowcy już teraz wracają do problemów porzuconych pod wpływem ETH i szukają nowych implikacji wyniku. Równolegle trwa organizacja formalnej weryfikacji dowodów. Jeśli wynik się potwierdzi, otworzy to zupełnie nowe pytania badawcze o granice szybkości algorytmów i sprawi, że dziesiątki problemów uznanych za nierozwiązywalne w praktyce znów staną się celem aktywnych poszukiwań.
Materiał przygotowany z wykorzystaniem narzędzi sztucznej inteligencji.
Fot. Valentin Angel Fernandez / Pexels
Komentarze (0)