OpenAI 與 Anthropic 模型宣稱推翻指數時間假設,引發學界討論
文章摘要
OpenAI 與 Anthropic 近期宣稱其模型已推翻電腦科學領域中,關於運算難度的核心假設「指數時間假設」(ETH)。該假設原主張特定邏輯謎題隨著變數增加,所需運算時間將呈指數級成長;若兩家實驗室提出的「次指數」演算法推論屬實,意味著解決這些問題的速度將遠快於預期,進而對 P 對 NP(P versus NP)等計算複雜度問題的既有認知產生潛在衝擊。
學界對此反應不一,Anthropic 的數學家 Levent Alpöge 指出相關成果基礎源自過往研究,該機構亦隨後發表各自的 ETH 反證。針對發布流程,OpenAI 採分流處理,分別透過 GitHub 供數學家檢視,並與電腦科學及物理學界組成工作小組討論。麻省理工學院教授 Ryan Williams 受邀與 OpenAI 合作解讀模型產出的證明,他形容其中存在幾處「外星般」的特殊邏輯,認為需社群共同審視。目前這些證明尚未得到最終驗證,電腦科學界正透過公開信徵求反饋,並嘗試釐清人工智慧在科學發現中應遵循的貢獻規範。若此發現被證實,將動搖加密系統與計算效率的理論基石。
學界對此反應不一,Anthropic 的數學家 Levent Alpöge 指出相關成果基礎源自過往研究,該機構亦隨後發表各自的 ETH 反證。針對發布流程,OpenAI 採分流處理,分別透過 GitHub 供數學家檢視,並與電腦科學及物理學界組成工作小組討論。麻省理工學院教授 Ryan Williams 受邀與 OpenAI 合作解讀模型產出的證明,他形容其中存在幾處「外星般」的特殊邏輯,認為需社群共同審視。目前這些證明尚未得到最終驗證,電腦科學界正透過公開信徵求反饋,並嘗試釐清人工智慧在科學發現中應遵循的貢獻規範。若此發現被證實,將動搖加密系統與計算效率的理論基石。
AI 大叔解析
【核心判斷】
這則消息目前最值得關注的,是 AI 產生的數學證明如何接受社群驗證,以及研究機構如何處理這類成果。現有摘要已交代 ETH 主張與審查進度;評論在此補充判斷:證明尚未完成驗證,因此不能把「推翻 ETH」當成既成結論,也不能據此推論現行加密系統已失效。
【毒舌吐槽】
看看這些「frontier labs」的操作,從先前被 MIT 教授 Ryan Williams 痛批為「針對數學家進行 DDoS 攻擊」的暴力丟包,到現在稍微學會分流處理,這轉變與其說是尊重學術,不如說是為了避免重蹈覆轍。Anthropic 甚至在 OpenAI 發布後幾小時就火速跟進發布反證,這種「拼手速」的科研發布方式,確實把學界原本嚴謹的同行評審(peer review)變成了科技巨頭的 PR 競技場。Williams 提到那幾段「外星邏輯」,說穿了就是 AI 跑出了一套人類看不懂但可能有效的捷徑,當科學結論已經超前人類理解力,我們該擔心的不只是密碼學崩潰,還有學界淪為 AI 運算輸出的「校對工」。
【為什麼重要?】
ETH 的核心觀點在於,隨變數增加,運算時間會呈指數成長,這也是現代密碼學認為「加密難、解密極難」的理論護城河。若 OpenAI 與 Anthropic 的演算法真能實現「次指數」求解,意味著我們習以為常的計算複雜度(P versus NP)邊界將被重劃,許多依賴特定密鑰長度的加密系統可能面臨安全性重新評估的風險。儘管 OpenAI 目前稱初步檢查未發現系統性破口,但這類假設的推翻,等同於宣告過去十年大量引用 ETH 作為前提的學術論文,全都得抓回來重新驗證一遍。
對科學界而言,真正的 Bottleneck 不在於 AI 是否有能力算出答案,而在於如何消化這種「不透明的答案」。當 AI 產出的證明夾雜著無法解釋的邏輯區塊,學術規範必須強制升級,從「審查結論」變成「審查 AI 的推論過程」。這不僅是對計算效率的衝擊,更是對科研訓練體系的根本性挑戰:如果 AI 能輕易摘下這些低垂的果實,人類研究者該如何設定更高的研究門檻,而不僅僅是在 AI 留下的泥沼中收拾殘局。
【影響對象與建議】
- **密碼學與資安研究人員**:應密切追蹤後續工作小組對該演算法的驗證進度,特別是針對目前現行密鑰長度的潛在抗性測試,儘早評估加密協定是否需調整。
- **計算理論學界**:需建立公開的 AI 科研貢獻規範。面對「外星邏輯」的產出,應要求實驗室提供透明的訓練背景與過程數據,確保 AI 輔助發現的成果能轉化為人類可理解的知識資產。
- **科技政策制定者**:需關注 frontier labs 的發布流程。科研成果的公開應具備足夠的緩衝期與跨領域專家介入機制,防止巨頭以「技術展示」凌駕學術社群的審核權威。
【逆風觀點】
儘管外界對此發現感到震驚,但現階段這只是演算法層面的初步實驗結果。Ryan Williams 本人也坦言這可能並非該類問題的最優解。在數學證明被嚴謹驗證且復現之前,將其視為「推翻」ETH 或「解決」P 與 NP 問題的定論,在科學上是不成熟的。目前更像是模型展現了某種統計上的路徑優化,而非證明了計算複雜度的鐵律已瓦解。
這則消息目前最值得關注的,是 AI 產生的數學證明如何接受社群驗證,以及研究機構如何處理這類成果。現有摘要已交代 ETH 主張與審查進度;評論在此補充判斷:證明尚未完成驗證,因此不能把「推翻 ETH」當成既成結論,也不能據此推論現行加密系統已失效。
【毒舌吐槽】
看看這些「frontier labs」的操作,從先前被 MIT 教授 Ryan Williams 痛批為「針對數學家進行 DDoS 攻擊」的暴力丟包,到現在稍微學會分流處理,這轉變與其說是尊重學術,不如說是為了避免重蹈覆轍。Anthropic 甚至在 OpenAI 發布後幾小時就火速跟進發布反證,這種「拼手速」的科研發布方式,確實把學界原本嚴謹的同行評審(peer review)變成了科技巨頭的 PR 競技場。Williams 提到那幾段「外星邏輯」,說穿了就是 AI 跑出了一套人類看不懂但可能有效的捷徑,當科學結論已經超前人類理解力,我們該擔心的不只是密碼學崩潰,還有學界淪為 AI 運算輸出的「校對工」。
【為什麼重要?】
ETH 的核心觀點在於,隨變數增加,運算時間會呈指數成長,這也是現代密碼學認為「加密難、解密極難」的理論護城河。若 OpenAI 與 Anthropic 的演算法真能實現「次指數」求解,意味著我們習以為常的計算複雜度(P versus NP)邊界將被重劃,許多依賴特定密鑰長度的加密系統可能面臨安全性重新評估的風險。儘管 OpenAI 目前稱初步檢查未發現系統性破口,但這類假設的推翻,等同於宣告過去十年大量引用 ETH 作為前提的學術論文,全都得抓回來重新驗證一遍。
對科學界而言,真正的 Bottleneck 不在於 AI 是否有能力算出答案,而在於如何消化這種「不透明的答案」。當 AI 產出的證明夾雜著無法解釋的邏輯區塊,學術規範必須強制升級,從「審查結論」變成「審查 AI 的推論過程」。這不僅是對計算效率的衝擊,更是對科研訓練體系的根本性挑戰:如果 AI 能輕易摘下這些低垂的果實,人類研究者該如何設定更高的研究門檻,而不僅僅是在 AI 留下的泥沼中收拾殘局。
【影響對象與建議】
- **密碼學與資安研究人員**:應密切追蹤後續工作小組對該演算法的驗證進度,特別是針對目前現行密鑰長度的潛在抗性測試,儘早評估加密協定是否需調整。
- **計算理論學界**:需建立公開的 AI 科研貢獻規範。面對「外星邏輯」的產出,應要求實驗室提供透明的訓練背景與過程數據,確保 AI 輔助發現的成果能轉化為人類可理解的知識資產。
- **科技政策制定者**:需關注 frontier labs 的發布流程。科研成果的公開應具備足夠的緩衝期與跨領域專家介入機制,防止巨頭以「技術展示」凌駕學術社群的審核權威。
【逆風觀點】
儘管外界對此發現感到震驚,但現階段這只是演算法層面的初步實驗結果。Ryan Williams 本人也坦言這可能並非該類問題的最優解。在數學證明被嚴謹驗證且復現之前,將其視為「推翻」ETH 或「解決」P 與 NP 問題的定論,在科學上是不成熟的。目前更像是模型展現了某種統計上的路徑優化,而非證明了計算複雜度的鐵律已瓦解。