هوش مصنوعی تازه یک فرضیه ۳۰ ساله علوم کامپیوتر را باطل کرد

هوش مصنوعی تازه یک فرضیه ۳۰ ساله علوم کامپیوتر را باطل کرد - AI News cover

دو سیستم پیشرفته هوش مصنوعی که مستقل از هم کار می‌کردند، کاری کردند که هیچ ریاضیدان انسانی در سه دهه نتوانسته بود: ابطال فرضیه زمان نمایی (ETH).

OpenAI اعلام کرد که مدل پژوهشی‌اش در ۱۶ اکتبر یک ابطال به زبان طبیعی برای ETH پیدا کرد و روز بعد آن را در Lean، بازبین ماشینی اثبات‌ها، رسمی کرد. در دست‌نویس ۶۷ صفحه‌ای، نام نویسنده "OpenAI" ذکر شده است.

چند ساعت پیش‌تر، Anthropic مقاله ۴۹ صفحه‌ای خود با عنوان "A 2^o(n) Time Algorithm for 3-SAT" را منتشر کرده بود که به "Claude, Anthropic" نسبت داده شده است. یک مدل پژوهشی داخلی Claude همان روز، ۱۶ اکتبر، الگوریتم اصلی را کشف کرد.

ETH که حدود سال ۱۹۹۹ توسط Russell Impagliazzo و Ramamohan Paturi مطرح شد، می‌گوید هیچ الگوریتمی نمی‌تواند مسئله ارضاپذیری بولی را سریع‌تر از زمان نمایی حل کند. این فرضیه پایه صدها نتیجه سختی مشروط در نظریه گراف، پایگاه‌های داده، زیست‌شناسی محاسباتی و هندسه محاسباتی است.

هر دو تیم اکنون مدعی الگوریتمی قطعی هستند که تخصیص‌های ارضاکننده را در زمان زیرنمایی می‌شمارد، با همان جمله اصلی در توان. اگر این ادعا پابرجا بماند، یکی از دیوارهای باربر نظریه پیچیدگی فرو می‌ریزد.

ماشین آلات راستی‌آزمایی به‌شکل غیرمعمولی قوی است. اثبات در Lean رسمی شده و هر گام به‌صورت ماشینی بررسی می‌شود. Stefan Szeider از دانشگاه TU Wien، که مواد منتشرشده را بررسی کرده، انتظار دارد در برابر بررسی دقیق دوام بیاورد. هیجان‌انگیزترین نکته: گروه بازبینی مستقلی که OpenAI مأمور کرده شامل خود Impagliazzo و Paturi است - سازندگان فرضیه دارند ابطال آن را حسابرسی می‌کنند. نامه سرگشاده آن‌ها می‌گوید این کار می‌تواند بخش مهمی از علوم کامپیوتر را تغییر دهد.

محدودیت‌ها به‌اندازه نتیجه مهم‌اند. مسئله P در برابر NP دست‌نخورده باقی است. الگوریتم جدید همچنان فوق‌چندجمله‌ای است، پس حل‌گر SAT سریع‌تری از آن بیرون نمی‌آید. آنچه تغییر کرده نقشه امکان نظری است، و این که چه کسی - یا چه چیزی - دارد آن را دوباره ترسیم می‌کند.

برای رهبران کسب‌وکار، سیگنال در ریاضیات نیست. سیگنال این است که هوش مصنوعی از نگارش متن و کد گذشته و به تولید پژوهش اصیل با تأیید ماشینی رسیده است. فرضیه «ماشین‌ها نمی‌توانند علم جدید بسازند» تازه ضربه سنگینی خورده و مرز توانایی اکنون سریع‌تر از بیشتر چرخه‌های برنامه‌ریزی حرکت می‌کند.

شرکت‌هایی که هوش مصنوعی را به‌جای ماشین‌نویس، شریک پژوهشی بدانند، سرعت دهه آینده را تعیین خواهند کرد.

ریاضی بیندیشید. هوشمندانه مهندسی کنید. راهبردی رهبری کنید. مسئولانه بسازید. جهانی گسترش یابید. از طریق هوش مصنوعی ارزش واقعی کسب‌وکار خلق کنید.

#ArtificialIntelligence #AIStrategy #MachineLearning #Research #ITImpress