OpenAI 同 Anthropic 否認指數時間假設（ETH）

兩個前線實驗室，先後否認同一個假設

10 月 26 日，OpenAI 發佈咗對三個數學難題嘅解答，其中一個係對「指數時間假設」（Exponential Time Hypothesis，ETH）嘅否認。呢個假設喺電腦科學界立足多年，影響我哋點樣理解「乜嘢計算係困難嘅」。Anthropic 喺數小時後，就發佈咗自己對 ETH 嘅反證。

呢唔係 OpenAI 第一次「dump」證明——佢十月初已經做過一次，學術界反應係「一半興奮一半震啞」（a mixture of thrill and dismay）。Anthropic 數學家 Levent Alpöge 指 OpenAI 嘅解答係基於已有研究。

但呢次 OpenAI 嘅做法有變化：三個學科畀咗唔同處理方式。數學家嘅工作直接上 GitHub；電腦科學家組成工作小組，要求證明公開分享，並要求 OpenAI 出錢辦學術會議討論；物理學家組成工作小組，決定自己嘅結果點樣發布。

MIT 電腦科學教授 Ryan Williams 係呢次協調佢自己學科反應嘅人。佢嘅研究方向正正就係計算複雜度，早前仲批評 OpenAI 十月初嘅證明 dump 係「對數學家的 DDoS 攻擊」。但佢今次應邀同前線實驗室合作，幫手解讀解決方案。

同佢一齊嘅有 UC San Diego 嘅 Russell Impagliazzo 同 Ramamohan Paturi——佢哋兩個就係 1999 年首發 ETH 嘅原作者。

Williams 原話：「[OpenAI 嘅證明]有部分係，呃，你可以話係常規嘅。但有兩三個部分，真係好『外星』。正正就係呢幾段，令到我覺得，哇，呢個係全社區要一齊處理嘅嘢。」

佢哋嘅第一步，係發公開信，邀請對呢類問題感興趣嘅科學家提意見，並討論 AI 貢獻嘅規範。

簡單講，ETH 屬於 P vs NP 呢一大類問題。P vs NP 問嘅係：一個「可以快速驗證答案」嘅問題（NP），係咪都可以「快速解出答案」（P）？

以數獨做例子：答案擺喺度，你幾快就知啱唔啱；但揾答案就係另一回事。呢個原理支撐住加密系統——攞到鑰匙就解到碼，強行破解就慢到冇用。

多數科學家假設 P ≠ NP，而 ETH 就係呢個假設嘅證據：喺一類特定嘅邏輯難題入面，就算最快嘅演算法，隨著變量數增加，所需時間都係指數式增長。OpenAI 同 Anthropic 話呢個假設被「否定」。

呢個新聞最勁嘅位，唔係「AI 出到數學難題嘅答案」，而係兩個前線實驗室先後對同一個假設出證明，仲有原作者出嚟當審計。OpenAI 話「我模型出到答案」，學術界話「你等，我哋先睇嚇」。呢個落差，就係「模型輸出」同「科學證明」之間嘅距離。

待答問題：呢個結果最後會唔會被同行評審接受？Anthropic 嘅反證同 OpenAI 嘅有乜唔同？對加密系統有冇實際影響？

模姐｜深度調教