昨日，OpenAI公布了三项长期困扰研究者的重大数学难题的解答，其中一项成果出人意料地推翻了指数时间假设（ETH）——这是计算机科学中一项历史悠久的基本假设，在人们理解计算难度问题时发挥着重要作用。

与这家前沿实验室此前发布证明成果时的情况类似，科学界的反应再次呈现出兴奋与不满交织的局面。Anthropic数学家Levent Alpoge提出，OpenAI的解答实际上是基于已有研究成果，数小时后，Anthropic也随即发布了自己对ETH的反驳结果。

不过，OpenAI的发布流程正在演变。这一次，实验室针对涉及的三个学科采取了不同的发布方式：数学家们的成果被直接放到GitHub上；计算机科学家们则组建了工作组，要求公开分享证明内容，并希望OpenAI出资举办一场研讨会来讨论这些成果；物理学家们同样成立了工作组，将自行决定如何发布他们的研究结果。

麻省理工学院教授Ryan Williams是负责组织计算机科学界应对这一新发现的学者。Williams的研究方向正是计算复杂性问题，他此前曾批评过OpenAI的做法，将该实验室今年10月早些时候发布的证明成果称为"对数学家发起的DDOS攻击"。

然而，为了帮助引导这些对该领域至关重要的理念，他最终同意与这些前沿实验室展开合作，他向TechCrunch表示。该实验室邀请他协助解读这项解答，与他一同参与的还有加州大学圣地亚哥分校的计算机科学家Russell Impagliazzo和Ramamohan Paturi——后两位正是在1999年首次提出ETH假设的学者。

他们采取的第一步，是发布一封公开信，呼吁对这些问题感兴趣的科学家提供反馈，并就AI在其研究工作中的贡献所涉及的行业规范展开讨论。

"（OpenAI证明中的）有些部分或许可以说是常规的，但确实有两三个部分看起来十分'异类'，正是这些部分让我意识到，这是整个学术共同体需要共同攻克的课题，"Williams告诉TechCrunch。

你了解P与NP问题吗

ETH属于更广泛的P与NP问题范畴，这一问题领域数十年来一直牵动着计算机科学及诸多其他学科的研究者。简而言之，研究者们试图弄清：任何一个解答可以被轻易验证的问题（即NP问题），是否也能够被轻易求解（即属于P问题）。

一个简单的例子就是数独游戏：一旦某道题目有了解答，验证它是否正确十分迅速，但找出这个解答却颇为耗时。这种特性广泛存在于许多重要问题之中，而这一认知正是密码学系统的基础：当你拥有破译一条加密信息的密钥时，可以迅速揭示其内容，但要真正破解一套有效的密码体系，所需时间之长足以使破解行为失去实际意义。

然而，科学家们至今尚未证明这一点是否永远成立。"P等于NP意味着，你不仅能够在数独解存在时验证它，还能够直接生成这个解，"Williams说道。"P等于NP所断言的是，这一点适用于每一个可以被快速验证的问题——只要能快速验证，就能快速求解。这听起来未免过于美好，难以成真。"

这正是大多数科学家都倾向于认为P不等于NP的原因，ETH假设恰好为此提供了支撑证据。该假设的核心观点是，针对某一类棘手的逻辑谜题，即便是最快的计算机算法，随着变量数量的增加，所需的求解时间也会呈指数级增长。

而OpenAI和Anthropic提出的说法是，他们的模型已经找到了能够以"亚指数"时间求解这些谜题的算法，这意味着求解速度比此前认为可能达到的速度更快。如果这一结论成立，他们或许已经证明ETH假设是错误的——用科学术语来说，即"推翻"了该假设——并可能由此为普遍实现P等于NP的算法开辟了一条路径。

"每一位计算机科学家或许都应该对P等于NP成立的可能性多一些权重考量，当然每个人赋予的权重可能有所不同，"Williams表示。"我确实认为，这在一定程度上对我们此前关于……（困难的NP问题）可处理程度的许多直觉提出了质疑。不过我也认为，这很可能并非最终答案。我并不认为OpenAI的算法会是能够找到的最优算法。"

计算机科学家们面临的后续工作

Williams表示，由于ETH假设历来被视为十分可靠，过去十年间的许多科学论文都以此为基础，如果AI实验室所宣称的"推翻该假设"的结论最终得以确立，这些论文都将需要重新审视。

"这也是为什么我此前一直在要求、甚至是推动OpenAI资助一场相关研讨会——这件事将影响到众多研究者的工作成果，我们需要搞清楚，除了理解这些算法本身之外，接下来该怎么办。我们需要弄明白，与此前相比，（这一领域的）基础理论应当如何调整，"他说道。

在科学层面的担忧之外，还存在网络安全方面的问题。Williams表示，一种经过改进的算法可能意味着，某些依赖特定密钥长度的密码学系统将被认为已经被攻破。因此，他向OpenAI科学负责人Dan Roberts提出的首批问题之一就是，他们是否已经检查过这一成果是否会影响到任何密码系统……是否存在现在变得不安全的系统。据他所说，对方确实已经做过检查，并且相当确信这一成果不会……导致任何系统被攻破。

这种由AI驱动的全新科学发现范式仍处于探索阶段，但Williams表示，尽管存在一些切实的担忧——尤其是在培养下一代科学家方面——他依然保持乐观。作为一名从事高层次数学研究的计算机科学家，这种转变或许比纯数学家更容易适应。

尽管如此，他也表示，AI正在"迫使人们在所从事的研究工作上更具雄心，并更深入地思考：如果自己过去研究的所有课题，如今对AI而言都已沦为唾手可得的'低垂果实'，那么该如何提高自己想要探索的科学问题的门槛？"