Bihirang dumating sa agham ng kompyuter ang buwan na ganito. Isa sa mga pundasyong paniniwala nito ay ibinagsak, at kabilang sa mga nag-uusisa ng mga labi ang mismong mga mananaliksik na nagtayo nito.
Noong Oktubre 16, ang isang research model sa OpenAI ay lumikha ng kontra-argumento sa Exponential Time Hypothesis sa karaniwang panitikan. Sa loob ng isang araw, ang argumento ay naisalin sa Lean, isang proof checker na mekanikal na nagbeberipika ng bawat lohikal na hakbang. Ang 67-pahinang manuscript ay naglilista sa OpenAI mismo bilang may-akda.
Ang Anthropic, na nagtrabaho nang walang anumang koordinasyon, ay nakarating na sa parehong destinasyon ilang oras bago iyon. Ang 49-pahina nitong papel, "A 2^o(n) Time Algorithm for 3-SAT", ay kredito kay Claude, at ang pangunahing algorithm ay natagpuan ng isang Claude research model sa mismong araw na iyon.
Ang hypothesis ay nagmula pa noong mga 1999, nang sina Russell Impagliazzo at Ramamohan Paturi ay nagtalo na ang Boolean satisfiability ay walang algorithm na mas mabilis sa exponential time. Ang iisang ideyang ito ay tahimik na nagbubuhat ng daan-daang conditional hardness results sa graph theory, databases, computational biology at geometry.
Parehong inilalarawan ng dalawang grupo ang isang deterministic na paraan na bumibilang ng satisfying assignments sa subexponential time, at pareho silang dumating sa parehong nangungunang termino sa exponent. Kapag kinumpirma ng mga reviewer ang gawa, isa sa mga pinaka-pinagkakatiwalaang pader ng larangan ay magkakaroon pala ng pintuan.
Ang nagbibigay ng bigat sa pahayag na ito ay hindi ang pinagmulan ng mga modelo, kundi ang balangkas ng mga pagsusuri sa paligid nila. Bawat inference ay dumadaan sa Lean. At ang review panel na binuo ng OpenAI ay kinabibilangan nina Impagliazzo at Paturi mismo, na ngayon ay nasusuri ang pagguho ng kanilang sariling haka. Si Stefan Szeider ng TU Wien ay sinuri ang pampublikong materyal at inaasahang tatagal ito sa masusing pagbasa.
Ang pag-iingat ay nananatiling kailangan. Ang resulta ay walang sinasabi tungkol sa P versus NP, at ang bagong algorithm ay tumatakbo pa rin sa superpolynomial time, kaya walang practical solver na bibilis bukas ng umaga. Ang nagbago ay ang teoretikal na mapa, at ang pagkakakilanlan ng mga tao, o sistema, na muling gumuguhit nito.
Para sa mga executive, ang aral ay malayo sa complexity classes. Ang software na kamakailan ay nagbubuod ng mga dokumento ay bumubuo na ngayon ng orihinal, machine-verified na matematika. Ang hangganan ng kaya ng AI na iambag sa seryosong pananaliksik ay umuusad nang mas mabilis kaysa sa inaakala ng karamihan ng planning cycles.
Ang mga organisasyong matututong magtrabaho kasabay ng ganitong mga sistema, sa halip na ibigay lamang ang pag-type sa mga ito, ang magtatakda ng bilis ng darating na dekada.
Mag-isip nang matematikal. Mag-engineer nang matalino. Mamuno nang may estratehiya. Bumuo nang may responsibilidad. Lumago nang pandaigdigan. Lumikha ng tunay na halagang pangnegosyo sa pamamagitan ng artificial intelligence.
