OpenAI maakte op 26 oktober bekend dat zijn interne modellen oplossingen hebben gevonden voor al lang openstaande problemen op drie verschillende gebieden. Het meeste ophef veroorzaakte de weerlegging van de in de informatica bekende Exponential Time Hypothesis (ETH).
Wat is er gebeurd?
Volgens OpenAI zijn de drie resultaten: in de wiskunde het bewijs in alle dimensies van het vermoeden van "lokale gladstrijking", dat ook het Kakeya-vermoeden oplost; in de informatica de weerlegging van de ETH; en in de natuurkunde het wiskundige bewijs dat bepaalde vierdimensionale kwantumveldentheorieën, waaronder kwantumchromodynamica, bestaan. Het natuurkundige resultaat hangt samen met Yang-Mills, een van de Millenniumprijsproblemen van het Clay Instituut.
De ETH, in 1999 geopperd, stelt dat het oplossen van bepaalde logische puzzels exponentieel langer duurt naarmate het aantal variabelen toeneemt. Volgens TechCrunch beweren OpenAI en Anthropic, dat enkele uren later zijn eigen weerlegging publiceerde, dat hun modellen algoritmen hebben gevonden die deze puzzels sneller oplossen dan verwacht. Ryan Williams van MIT, die werd gevraagd het resultaat te duiden, zei dat het bewijs naast routinematige delen ook enkele "vreemd ogende" delen bevat en dat de hele gemeenschap er samen aan zal moeten werken. OpenAI zei redelijk zeker te zijn dat de vondst geen bekende versleutelingssystemen breekt.
Voor elk gebied werd een andere weg gevolgd: de wiskundige uitkomst werd op GitHub gezet, voor de informatica werd een externe werkgroep opgericht en OpenAI gaat een conferentie financieren, terwijl de publicatie van het natuurkundige resultaat aan natuurkundigen werd overgelaten.
Waarom is dit belangrijk?
Als de resultaten worden bevestigd, moeten veel wetenschappelijke artikelen van het afgelopen decennium die op de ETH steunen opnieuw worden bekeken. De grotere vraag gaat over de wetenschap zelf: als AI bewijzen begint te leveren, kan de rol van mensen worden die bewijzen te begrijpen, te controleren en nieuwe vragen te stellen die de lat hoger leggen.