کمپیوٹر سائنس نوں اجہا مہینہ بہت گھٹ ملدا اے۔ اس دی اک بنیادی یقین ڈھا دتا گیا اے، تے ملبہ ویکھن آلیاں وچ اوہی محققین شامل نیں جنہاں نے اسنوں بنایا سی۔
16 اکتوبر نوں، OpenAI دے اک research model نے عام بولی وچ Exponential Time Hypothesis دا جوابی استدلال پیش کیتا۔ اک دن دے اندر ایہ استدلال Lean وچ لکھ دتا گیا، اک ایسا proof checker جو ہر منطقی قدم دی میکانی جانچ کردا اے۔ 67 صفحیاں دے اس manuscript وچ لکھاری وجوں خود OpenAI دا ناں لکھیا اے۔
بغیر کسے رابطے دے کم کرن آلی Anthropic کجھ گھنٹے پہلاں ہی اسے منزل تے پہنچ چکی سی۔ اس دے 49 صفحیاں دے مقالے "A 2^o(n) Time Algorithm for 3-SAT" دا کریڈٹ Claude نوں دتا گیا اے، تے بنیادی algorithm اسے دن اک Claude research model نے لبھی سی۔
ایہ hypothesis تقریباً 1999 دی اے، جدوں Russell Impagliazzo تے Ramamohan Paturi نے استدلال کیتا کہ Boolean satisfiability لئی exponential time توں تیز کوئی algorithm نہیں۔ ایہ اکو خیال graph theory، databases، computational biology تے geometry وچ سیکڑے conditional hardness results نوں چپ چاپ سہارا دیندا اے۔
دونے ٹماں ہن اک deterministic طریقہ دس ریاں نیں جو subexponential time وچ satisfying assignments گندا اے، تے دونے exponent دے مرکزی حصے تے اکو نتیجے تے پہنچدیاں نیں۔ جے جانچکرتا اس کم دی تصدیق کر دین تاں اس کھیتر دی سبھ توں قابل اعتماد کندھاں وچوں اک وچ دروازہ نکلے گا۔
اس دعوے نوں وزن دین آلی گل ماڈلاں دی نسب نہیں بلکہ اوہناں دے دوآلے جانچ دا ڈھانچا اے۔ ہر استنباط Lean وچوں لنگھدا اے۔ تے OpenAI دے بنائے review panel وچ خود Impagliazzo تے Paturi شامل نیں، جو ہن اپنی ہی conjecture دے پتن دی audit کر رہے نیں۔ TU Wien دے Stefan Szeider نے عوامی مواد دا جائزہ لیا اے تے امید کردے نیں کہ ایہ باریک بینی نال پڑھن تے وی قائم رہوے گا۔
احتیاط فیر وی ضروری اے۔ ایہ نتیجہ P versus NP بارے کجھ نہیں آخدا، تے نواں algorithm ہلے وی superpolynomial time وچ چلدا اے، اس لئی کل صبح کوئی practical solver تیز نہیں ہووے گا۔ جو بدلیا اوہ theoretical نقشہ اے، تے اسنوں فیر بنان آلیاں - لوکاں یا systems - دی پہچان۔
ایگزیکٹوز لئی سبق complexity classes توں دور اے۔ جو software ہلے تک دستاویزاں دا خلاصہ کردا سی، اوہ ہن اصلی، machine-verified ریاضی بنا رہیا اے۔ سنجیدہ تحقیق وچ AI دے یوگدان دی سرحد زیادہ تر planning cycles دی توقع توں تیز اگے ودھ رہی اے۔
جو ادارے اجہے systems دے نال مل کے کم کرنا سکھ لین گے، نہ کہ صرف اوہناں نوں ٹائپنگ دے دین گے، اوہی آؤن آلی دہائی دی رفتار طے کرن گے۔
ریاضی دے نال سوچو۔ عقل نال انجینئرنگ کرو۔ حکمت عملی نال اگوائی کرو۔ ذمے داری نال بناؤ۔ دنیا بھر وچ ودھاؤ۔ مصنوعی ذہانت نال اصل کاروباری قدر پیدا کرو۔
