OpenAI与Anthropic通过人工智能研究挑战指数时间假设
开发越来越强大的人工智能系统的竞赛进入了一个新的科学阶段，OpenAI和Anthropic展示的研究挑战了关于计算限制的长期假设。他们的发现表明，某些复杂的数学问题可能比计算机科学家传统上认为的更高效地解决。
这一发展于2026年10月27日被报道，引发了研究界关于人工智能系统生成原创科学成果的能力及验证这些成果所需程序的重新讨论。
讨论的中心是指数时间假设（ETH），这是理论计算机科学中广泛使用的假设。OpenAI最近宣布了一种算法，声称驳斥了这一假设，而Anthropic随后发表了自己的研究，挑战同一原则。
尽管这些声明可能具有深远的影响，但在科学界确定其全部意义之前，独立审查仍然至关重要。
理解指数时间假设
ETH帮助研究人员估计某些计算问题在规模增加时变得多么困难。在这一假设下，某些涉及复杂逻辑关系的问题无法高效解决，因为所需时间随着变量数量的增加呈指数增长。
这个问题与著名的P与NP问题密切相关，该问题询问是否每个可以快速验证其提议解决方案的问题也可以快速解决。
一个熟悉的例子是数独。检查完成的谜题是否满足其规则相对简单，而找到有效的解决方案可能需要更多的工作。这一区别说明了为什么在计算机科学中验证和问题解决被视为不同的处理。
OpenAI的研究据称引入了一种确定性算法，能够在亚指数时间内计算某些布尔公式的满足赋值。关于三变量可满足性问题（3-SAT）的结果尤为重要，因为如果证明经得起审查，将与ETH相矛盾。
然而，驳斥ETH并不自动解决更广泛的P与NP问题。更快的算法并不一定表明每个可以高效检查答案的问题也可以在多项式时间内解决。
Anthropic加入辩论
OpenAI的公告之后，Anthropic也作出了单独的贡献，增强了人们对先进人工智能系统成为数学和计算机科学前沿研究有用工具的可能性的兴趣。
这些发展也重新引发了关于如何评估、归功于以及与科学界共享AI生成发现的问题。
麻省理工学院的计算机科学家瑞安·威廉姆斯正在协调对OpenAI发现的审查，与加州大学圣地亚哥分校的研究人员拉塞尔·因帕利亚佐和拉马莫汉·帕图里合作。因帕利亚佐和帕图里是1999年引入ETH的研究人员之一。
该小组呼吁更广泛的科学参与，包括对证明的公开讨论以及应当规范人工智能对学术研究贡献的标准。
威廉姆斯已确定了所提解决方案中值得特别密切审查的元素。他的参与旨在帮助研究界理解技术声明，而不是对结果的全面认可。
这一过程反映了将人工智能辅助发现的速度与独立数学验证相结合的努力日益增强。
对网络安全的潜在影响
如果所提算法被证明是正确的，研究人员可能需要重新考虑支撑大量理论计算机科学的假设。
ETH已在众多研究中被用来建立算法效率的限制。因此，有效的驳斥可能要求科学家重新审视早期结论，并探索以前被认为计算上困难的问题的新方法。
网络安全是另一个引起关注的领域。许多安全系统依赖于某些数学计算的实际难度。算法的显著改进有时可能削弱这些假设，潜在地影响加密方法的安全性。
然而，目前的发现并未表明现有的加密系统已被攻破。威廉姆斯表示，OpenAI已检查其结果是否产生了立即的密码学漏洞，并对该工作不暗示此类破坏表示信心。
任何实际后果将取决于算法的精确能力、它们所解决的问题以及涉及的安全假设。
科学研究的新模型
除了数学结果本身，公告还突显了人工智能公司与学术研究人员之间关系的更广泛转变。
OpenAI采取了更具协作性的方式来审查其最近的一些科学声明，外部专家帮助组织计算机科学和物理学工作的评估。其目标是确保具有潜在广泛影响的发现得到仔细的技术审查。
这种方法也引发了关于透明度、研究材料的获取以及参与验证AI生成发现的科学家认可的问题。
对于研究人员来说，越来越强大的人工智能工具可能加速曾经需要数年专业努力的工作。同时，生成复杂证明的能力并不能消除建立这些证明是正确的、有意义的并真正推动现有知识进展的必要性。
这一挑战最终可能超越验证个别发现。如果人工智能系统继续解决传统方法无法攻克的问题，科学家可能被迫重新思考哪些问题值得更多关注，以及未来的研究人员应如何培训。
目前，围绕指数时间假设的声明代表了一项潜在的重要发展，而非已确定的科学结论。它们的持久影响将取决于独立验证，以及所提算法是否导致进一步突破。
-
13:30
-
12:30
-
12:15
-
12:00
-
11:45
-
10:45
-
10:30
-
10:15
-
10:00
-
09:45
-
09:15
-
09:00
-
08:46
-
08:00
-
23:30
-
23:00
-
20:30
-
19:30
-
17:30
-
17:00
