Dwa laboratoria AI obaliły to samo prawo informatyki w ciągu kilku godzin. Przypadek?

Założenie, na którym stało ponad 800 prac, padło dwa razy jednego dnia. A dowodu nie przeczytał jeszcze żaden człowiek.

No dobra, to jest historia na wieczór. W 1999 roku trzech informatyków postawiło hipotezę o czasie wykładniczym, w skrócie ETH. Chodzi o problem 3-SAT, czyli pytanie, czy da się tak poustawiać zmienne logiczne, żeby cała formuła była prawdziwa. Hipoteza mówiła: szybciej niż wykładniczo się nie da. Nikt tego nie udowodnił, ale wszyscy przyjęli, że tak jest. Ponad 800 prac naukowych oparło się na tym założeniu jak na fundamencie.

26 października OpenAI ogłasza, że jego wewnętrzny model znalazł algorytm podwykładniczy. Czyli hipoteza leży. Dowód trafia na GitHuba razem z formalizacją w Lean, a sprawdzają go między innymi autorzy samej hipotezy.

I teraz uwaga. Kilka godzin później Anthropic wrzuca własny dowód. Inna droga, ten sam wynik. Claude zrobił to sam, bez człowieka, zużył około 14 milionów tokenów i przy okazji obalił jeszcze mocniejszą wersję, SETH. Jako autor pracy figuruje po prostu „Claude (Anthropic)”.

Chwila, chwila. Problem leżał nietknięty 27 lat, a dwie firmy rozwiązują go w tym samym tygodniu i ogłaszają tego samego dnia? Ktoś tu w coś wierzy?

Spisku tu raczej nie ma, są za to dwa bardzo przyziemne wyjaśnienia. Pierwsze: najmocniejsze modele przekroczyły podobny próg możliwości mniej więcej w tym samym czasie. Kto pierwszy skierował swój model na ten problem, ten coś znalazł. Anthropic datuje swoje odkrycie na 16 października, dziesięć dni przed ogłoszeniem. Drugie: w nauce drugie miejsce prawie się nie liczy. Gdy jeden lab ogłasza przełom, drugi publikuje od razu, żeby nie zostać „tym drugim”. Wyścig, w którym obaj zawodnicy byli już tuż przed metą.

A co to zmienia dla zwykłego człowieka?

Na razie niewiele. Algorytm w praktyce jest piekielnie wolny, więc szyfrowanie w twoim banku jest bezpieczne, a słynne P kontra NP dalej czeka na rozwiązanie. Prawdziwy wstrząs jest gdzie indziej. Anthropic sam przyznaje, że 1050 modułów w Lean napisały i sprawdziły maszyny i że nikt z ludzi tego dowodu nie przeczytał.

Zmienił się kawałek fundamentu ludzkiej wiedzy, a jedynymi, którzy to zweryfikowali, są inne komputery. Do niedawna pytaliśmy, czy AI potrafi uprawiać naukę. Teraz pytanie brzmi: czy my nadążymy z jej sprawdzaniem.