OpenAI昨日发布了三项长期困扰研究者的重磅数学问题的解法。其中一项出人意料地否定了指数时间假说（ETH）——这是计算机科学中一个长期稳固的假设，在我们理解“什么难以计算”方面扮演重要角色。
与前几次来自前沿实验室的证明发布一样，科学界的反应既兴奋又不安。Anthropic数学家Levent Alpöge暗示，OpenAI的解法基于已有工作；数小时后，Anthropic也发布了自己对ETH的证伪。
不过，OpenAI的流程正在演变。这一次，该实验室针对所涉三个学科采取了不同的发布方式：数学家的工作被发布在GitHub上；计算机科学家组成工作组，要求公开证明，并请OpenAI资助一次会议进行讨论；物理学家则组成工作组，由其决定研究结果将如何发布。
麻省理工学院教授Ryan Williams是组织计算机科学界回应这一新发现的科学家。Williams的研究聚焦计算复杂性问题，过去曾批评OpenAI的做法，称其今年10月早些时候的证明“倾倒”是“对数学家的DDOS攻击”。
不过，他告诉TechCrunch，他同意与这些前沿实验室合作，以帮助梳理对该领域至关重要的想法。实验室请他协助解读解法，并与加州大学圣迭戈分校计算机科学家Russell Impagliazzo和Ramamohan Paturi一起参与；后两人于1999年首次发表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对其工作贡献的规范。
Williams告诉TechCrunch：“（OpenAI证明的）有些部分，也许可以说属于常规，但确实有两三处看起来非常异乎寻常，正是这些部分让我想到，哇，这是整个社区需要共同研究的东西。”
ETH属于更广泛的P vs NP问题类别，这一问题数十年来一直激发计算机科学及许多其他领域的研究。简化地说，研究者试图理解：任何能快速验证解的问题（NP），是否也能快速求解（P）。
一个简单例子是数独：一旦谜题的解摆在那里，就能很快验证，但找到解却很耗时。这种动态在一系列重要问题中都成立，而这一洞见支撑着密码系统：当你拥有编码信息的密钥时，就能揭示信息；但真正破解一个有效密码所需时间太长，以致没有实际用处。
然而，科学家尚未证明这是否总是成立。Williams说：“P = NP意味着，不仅能验证数独解存在时是对的，还能直接生成它们。P = NP断言，这对每一个你能快速验证的问题都成立——如果你能快速验证，你就能快速求解。所以这看起来简直好得难以置信。”
这就是为什么多数科学家假定P ≠ NP。ETH为此提供了证据。它基本上是说，对某一类棘手的逻辑谜题，随着变量数量增长，即使最快的计算机算法找到解也需要指数级更多时间。
OpenAI和Anthropic的声明是，它们的模型提出了能在“亚指数”时间内解决这些谜题的算法，即快于此前认为可能的速度。如果属实，它们可能已证明ETH为假——用科学术语说，就是证伪了它——并可能为通常能够实现P = NP的算法开辟道路。
Williams说：“每位计算机科学家或许都应稍微更重视P = NP的可能性，但重视程度可能因人而异。我确实认为，这会在一定程度上质疑我们过去关于（困难NP问题）可处理性的许多直觉。我也认为，这大概也不是最终答案。我不认为OpenAI的算法可能是你能得到的最优算法。”
Williams说，ETH的稳固性使其在过去十年被纳入许多科学论文；如果AI实验室关于已将其证伪的说法成立，这些论文将需要重新审视。
他说：“这也是我为何要求、或者说推动OpenAI支持一次相关会议的部分原因——这将影响许多研究者的工作，我们需要弄清，好吧，接下来会发生什么；除了理解算法，我们还需要理解，我们此前的基础应该是什么？”
在科学担忧之前，还有网络安全问题。Williams说，改进后的算法可能意味着，依赖某些密钥长度的密码系统可被视为已被攻破。因此，他问OpenAI科学负责人Dan Roberts的首批问题之一就是：“他们是否检查过这会影响任何密码系统……现在有什么不安全吗？”显然，他们检查过，并相当确信这并不……意味着任何破解。
这种AI科学发现的新范式仍在发展之中，但Williams表示，尽管存在真实担忧，他仍持乐观态度，尤其是关于培养下一代科学家。作为一名从事高层次数学的计算机科学家，他或许比纯数学家更容易适应。
不过，他说，AI正“迫使人们对自己所做的工作更有雄心，并更深入地思考：好吧，如果我过去做的所有事情现在都成了AI的低垂果实，我该如何提高我想提出的科学问题的标准？”
