संगणक विज्ञानाला असा महिना क्वचितच भेटतो. त्याची एक मूलभूत श्रद्धा उद्ध्वस्त झाली आहे, आणि अवशेष तपासणाऱ्यांमध्ये ती निर्माण करणारे संशोधक स्वतःच आहेत.
16 ऑक्टोबरला, OpenAI च्या एका research model ने साध्या गद्यात Exponential Time Hypothesis ला प्रत्युत्तर दिले. एका दिवसात हा युक्तिवाद Lean मध्ये उतरवला गेला, हा असा proof checker आहे जो प्रत्येक तार्किक पायरी यांत्रिकरीत्या तपासतो. 67 पानी manuscript मध्ये लेखक म्हणून OpenAI चेच नाव आहे.
कोणत्याही समन्वयाशिवाय काम करणारी Anthropic काही तासांआधीच त्याच टप्प्यावर पोहोचली होती. तिच्या 49 पानी पेपर "A 2^o(n) Time Algorithm for 3-SAT" ला Claude चे श्रेय देण्यात आले आहे, आणि मूलभूत algorithm त्याच दिवशी एका Claude research model ने शोधला होता.
हे गृहीतक सुमारे 1999 चे आहे, जेव्हा Russell Impagliazzo आणि Ramamohan Paturi यांनी युक्तिवाद केला की Boolean satisfiability साठी exponential time पेक्षा जलद कोणताही algorithm नाही. ही एकच कल्पना graph theory, databases, computational biology आणि geometry मधील शेकडो conditional hardness results ला शांतपणे आधार देते.
दोन्ही गट आता एक deterministic पद्धत सांगतात जी subexponential time मध्ये satisfying assignments मोजते, आणि दोन्ही exponent च्या मुख्य पदावर एकाच निकालावर पोहोचतात. समीक्षकांनी हे काम निश्चित केल्यास, क्षेत्रातील सर्वात विश्वासू भिंतींपैकी एकेत दार असल्याचे दिसून येईल.
या दाव्याला वजन देणारी गोष्ट मॉडेल्सची परंपरा नाही, तर त्यांच्याभोवतीच्या तपासणींची रचना आहे. प्रत्येक अनुमान Lean मधून जाते. आणि OpenAI ने स्थापन केलेल्या review panel मध्ये Impagliazzo आणि Paturi स्वतः आहेत, जे आता स्वतःच्या conjecture च्या पतनाचे लेखापरीक्षण करत आहेत. TU Wien चे Stefan Szeider यांनी सार्वजनिक साहित्य तपासले आहे आणि ते बारकाईने वाचल्यावरही टिकेल अशी अपेक्षा व्यक्त करतात.
सावधगिरी तरीही आवश्यक आहे. हा निकाल P versus NP बद्दल काही सांगत नाही, आणि नवीन algorithm अजूनही superpolynomial time मध्ये चालतो, म्हणून उद्या सकाळी कोणताही practical solver वेगवान होणार नाही. बदलले ते theoretical नकाशा आणि तो पुन्हा काढणाऱ्या - माणसे की systems - यांची ओळख.
अधिकाऱ्यांसाठी धडा complexity classes पासून दूर आहे. जो software अलीकडेच दस्तऐवजांचा सारांश देत होता, तो आता मूळ, machine-verified गणित निर्माण करत आहे. गंभीर संशोधनात AI काय योगदान देऊ शकते याची सीमा बहुतेक planning cycles च्या अंदाजापेक्षा वेगाने पुढे सरकत आहे.
अशा systems शी सोबत काम करणे शिकणारी संस्था, फक्त त्यांना टायपिंग सोपवणारी नाही, तीच येणाऱ्या दशकाचा वेग ठरवेल.
गणितीय पद्धतीने विचार करा. हुशारीने अभियांत्रिकी करा. धोरणात्मकपणे नेतृत्व करा. जबाबदारीने बांधा. जागतिक पातळीवर वाढा. कृत्रिम बुद्धिमत्तेद्वारे खरी व्यावसायिक किंमत निर्माण करा.
