OpenAI đã đưa ra giải pháp cho ba bài toán bom tấn khiến các nhà nghiên cứu bực tức từ lâu. Một là sự bác bỏ bất ngờ Giả thuyết thời gian hàm mũ (ETH), một giả định lâu dài trong khoa học máy tính đóng vai trò lớn trong cách chúng ta hiểu những gì khó tính toán.

Giống như những bằng chứng trước đây từ phòng thí nghiệm biên giới, cộng đồng khoa học đã phản ứng với cảm giác vừa hồi hộp vừa thất vọng. Nhà toán học nhân loại Levent Alpöge cho rằng OpenAI đang đưa ra các giải pháp dựa trên công trình đã có từ trước và vài giờ sau, Anthropic sau đó đã đưa ra lời bác bỏ ETH của riêng mình.

Tuy nhiên, quá trình của OpenAI đang phát triển. Lần này, phòng thí nghiệm đã cấu trúc các bản phát hành của mình một cách khác nhau cho từng lĩnh vực trong số ba lĩnh vực liên quan: Các nhà toán học đưa tác phẩm lên GitHub; các nhà khoa học máy tính đã thành lập một nhóm làm việc, yêu cầu chia sẻ công khai các bằng chứng và OpenAI tài trợ cho một hội nghị thảo luận về chúng; các nhà vật lý đã thành lập một nhóm làm việc để xác định kết quả của họ sẽ được công bố như thế nào.

Giáo sư Ryan Williams của MIT là nhà khoa học máy tính đang tổ chức phản ứng trong lĩnh vực của mình trước phát hiện mới. Williams, người có công việc tập trung vào những câu hỏi về độ phức tạp tính toán này, trước đây đã chỉ trích cách tiếp cận của OpenAI, gọi kết xuất bằng chứng của nó vào đầu tháng 10 này là một “cuộc tấn công DDOS nhằm vào các nhà toán học”.

Tuy nhiên, anh ấy đã đồng ý cộng tác với các phòng thí nghiệm ở biên giới để giúp đưa ra những ý tưởng quan trọng đối với lĩnh vực này, anh ấy nói với TechCrunch. Phòng thí nghiệm đã yêu cầu anh ấy giúp giải thích giải pháp, cùng với các nhà khoa học máy tính của UC San Diego là Russell Impagliazzo và Ramamohan Paturi, những người lần đầu tiên xuất bản ETH vào năm 1999.

Bước đầu tiên của họ là đưa ra một bức thư ngỏ kêu gọi phản hồi từ các nhà khoa học quan tâm đến những vấn đề này và thảo luận về các tiêu chuẩn xung quanh sự đóng góp của AI cho công việc của họ.

“Một số phần [bằng chứng của OpenAI] là, bạn có thể nói là thường lệ, nhưng vâng, có hai hoặc ba phần trông giống người ngoài hành tinh, và chính những phần mà tôi thấy đã khiến tôi nghĩ, ồ, đây là điều mà cả cộng đồng cần phải cùng nhau làm việc,” Williams nói với TechCrunch.

Bạn có thất vọng với P so với NP không?

ETH là một phần của một nhóm vấn đề rộng hơn được gọi là P so với NP, vốn đã làm sôi động khoa học máy tính và nhiều lĩnh vực khác trong nhiều thập kỷ. Về mặt rút gọn, các nhà nghiên cứu đang cố gắng tìm hiểu xem liệu bất kỳ vấn đề nào có giải pháp có thể dễ dàng xác minh (NP) cũng có thể được giải quyết dễ dàng (P).

Một ví dụ đơn giản là trò chơi Sodoku: Khi đã có lời giải cho một câu đố, nó có thể được xác minh nhanh chóng, nhưng việc tìm ra lời giải rất tốn thời gian. Động lực đó đúng với nhiều vấn đề quan trọng và sự hiểu biết sâu sắc củng cố các hệ thống mật mã: Khi bạn có chìa khóa của một tin nhắn được mã hóa, bạn có thể tiết lộ nó, nhưng thực sự việc bẻ khóa một mã hiệu quả sẽ mất quá nhiều thời gian để có ích.

Tuy nhiên, các nhà khoa học vẫn chưa chứng minh được liệu điều đó có luôn đúng hay không. “P = NP đang nói lên rằng, bạn không chỉ có thể xác minh các giải pháp Sudoku khi chúng tồn tại mà còn có thể tạo ra chúng,” Williams nói. "P = NP đang khẳng định rằng điều này đúng với mọi vấn đề mà bạn có thể xác minh nhanh chóng - nếu bạn có thể xác minh nhanh chóng thì bạn có thể giải quyết nó nhanh chóng. Vì vậy, điều này có vẻ quá tốt để có thể trở thành sự thật."

Đó là lý do tại sao hầu hết các nhà khoa học đều cho rằng P ≠ NP. ETH đã cung cấp bằng chứng cho điều đó. Về cơ bản, nó nói rằng ngay cả thuật toán máy tính nhanh nhất cũng cần nhiều thời gian hơn theo cấp số nhân để tìm ra giải pháp khi số lượng biến tăng lên trong một lớp câu đố logic phức tạp cụ thể.

Tuyên bố từ OpenAI và Anthropic là các mô hình của họ đã đưa ra các thuật toán giải quyết những câu đố đó trong thời gian “dưới cấp số nhân”, nghĩa là nhanh hơn tốc độ mà trước đây người ta nghĩ là có thể. Nếu đúng, họ có thể đã chứng minh EFT là sai - đã bác bỏ nó, theo thuật ngữ khoa học - và có thể mở ra một con đường cho các thuật toán thường thực hiện P = NP.

Williams nói: “Mỗi nhà khoa học máy tính có lẽ nên đặt nặng hơn một chút vào tính hợp lý của P = NP, nhưng quan điểm của mỗi người có thể khác nhau”. "Tôi thực sự nghĩ rằng nó đặt ra câu hỏi về rất nhiều trực giác mà chúng tôi nghĩ rằng chúng tôi có về ... mức độ dễ xử lý của [các vấn đề NP khó]. Tôi cũng nghĩ rằng đây có lẽ không phải là câu trả lời cuối cùng. Tôi không nghĩ rằng thuật toán của OpenAI có thể là thuật toán tốt nhất mà bạn có thể có được."

Công việc phía trước của các nhà khoa học máy tính

Williams cho biết, độ bền của ETH đã khiến nó được đưa vào nhiều bài báo khoa học trong thập kỷ qua và sẽ cần được xem xét lại nếu các phòng thí nghiệm AI tuyên bố rằng họ đã chứng minh rằng nó sai.

"Đây là một phần lý do tại sao tôi yêu cầu hoặc thúc đẩy OpenAI hỗ trợ một hội nghị về vấn đề này - nó sẽ ảnh hưởng đến công việc của nhiều nhà nghiên cứu và chúng tôi cần tìm hiểu xem điều gì sẽ xảy ra tiếp theo ngoài việc hiểu các thuật toán. Chúng tôi cần hiểu, nền tảng nên thay đổi như thế nào so với những gì chúng tôi đã có trước đây?" anh ấy nói.

Trước những lo ngại về mặt khoa học, có những câu hỏi về an ninh mạng. Williams nói rằng một thuật toán được cải tiến có thể ám chỉ rằng các hệ thống mật mã dựa trên các kích thước khóa nhất định có thể bị coi là bị hỏng. Vì vậy, một trong những câu hỏi đầu tiên mà anh ấy hỏi người đứng đầu khoa học OpenAI, Dan Roberts, là "liệu họ đã kiểm tra xem điều này có ảnh hưởng đến bất kỳ hệ thống tiền điện tử nào không... hiện tại có điều gì không an toàn không? Và rõ ràng, họ đã kiểm tra và họ có lý do hợp lý để tin tưởng rằng điều này không... ngụ ý bất kỳ sự phá vỡ nào."

Mô hình khám phá khoa học AI mới này vẫn đang trong quá trình hoàn thiện, nhưng Williams cho biết ông vẫn lạc quan bất chấp những lo ngại thực sự, đặc biệt là về việc đào tạo thế hệ nhà khoa học tiếp theo. Là một nhà khoa học máy tính làm toán cấp cao có lẽ khiến anh ta dễ dàng điều chỉnh hơn so với các nhà toán học thuần túy.

Tuy nhiên, anh ấy nói rằng AI đang “buộc mọi người phải tham vọng hơn một chút về loại công việc họ làm và suy nghĩ sâu sắc hơn, được thôi, nếu tất cả những việc tôi từng làm giờ đây không còn phù hợp với AI, thì làm cách nào tôi có thể nâng cao tiêu chuẩn cho các loại câu hỏi khoa học mà tôi muốn hỏi?”