OpenAI beweist, dass ETH falsch ist – und Crypto Twitter hat Fragen

OpenAI sagt, ETH sei falsch, und Crypto Twitter reagierte genau so, wie man es erwarten würde. „Verdammt, die Algo-Trader haben gerade $ETH abgeschlachtet“, postete ein Nutzer namens Takumi auf X, während Andrew Jiang witzelte: „Vitalik ist seit diesem Auftauchen ganz schön still geworden.“

Aber beruhigt euch, Degens, das fragliche ETH ist die Exponential Time Hypothesis, eine Vermutung aus der Informatik von 1999, die nichts mit Ethereum, seinem Preis oder Mitbegründer Vitalik Buterin zu tun hat. Also, Krypto-Bros, ihr könnt aufatmen.

OpenAI veröffentlichte ein 67-seitiges Papier, in dem es behauptet, seine KI habe einen Weg um die Hypothese herum gefunden, und die Personen, die sie vorgeschlagen haben, prüfen nun die Arbeit.

Die Informatiker Russell Impagliazzo und Ramamohan Paturi schlugen die ETH gemeinsam mit Francis Zane vor, und sie besagt, dass ein klassisches Logikrätsel namens 3-SAT (das Finden von Wahr-oder-Falsch-Einstellungen, die eine Reihe von Regeln erfüllen, jeweils drei Optionen auf einmal) nicht wesentlich schneller gelöst werden kann als durch das Ausprobieren jeder Kombination. Hunderte von Arbeiten setzen sie voraus, um zu zeigen, dass Probleme in der Graphentheorie, der computergestützten Biologie, Datenbanken und Geometrie nicht schnell gelöst werden können, laut OpenAI.

Mit anderen Worten: Die ETH ist eine Landkarte dessen, was Computer wahrscheinlich niemals schnell tun werden, und OpenAI sagt, sein Modell habe sie gerade neu gezeichnet. „Die Widerlegung der ETH eröffnet erneut Fragen dazu, wie viel schneller diese Aufgaben werden könnten“, schrieb das Unternehmen in seinem Blog, „und könnte helfen, die Suche nach besseren Algorithmen zu lenken.“

Die auf den 17. Oktober datierte und am 25. Oktober überarbeitete Arbeit beschreibt einen deterministischen Algorithmus (einen ohne Zufall), der jede erfüllende Belegung solcher Rätsel in subexponentieller Zeit zählt, was bedeutet, dass der Aufwand langsamer wächst als jede Exponentialfunktion in der Anzahl der Variablen. Das Zählen von Lösungen ist schwieriger als das Entscheiden, ob eine existiert, sodass die schwierigere Aufgabe die einfachere kostenlos mitbringt.

OpenAI sagt, seine KI habe den Gegenbeweis am 16. Oktober gefunden und er sei am 17. Oktober in Lean formalisiert worden, einer Software, die jeden logischen Schritt mechanisch überprüft. Beides befinde sich auf GitHub, derselbe Weg wie bei seinen 722 mathematischen Manuskripten Anfang dieses Monats, von denen nur 162 mit einem computergestützten Hauptergebnis einhergingen.

Impagliazzo, Paturi und Ryan Williams vom MIT leiten die unabhängige Prüfung und sind sich ihrer Rolle bewusst. „Unsere Beteiligung sollte nicht als Zertifizierung der Behauptung verstanden werden“, schrieben die drei in einem offenen Brief, und fügten hinzu, dass „ein Ergebnis dieser Bedeutung eine sorgfältige, unabhängige Prüfung erfordert und das Verständnis, dass andere es rekonstruieren, hinterfragen und darauf aufbauen können“.

BitcoinBTC · USD

$80.662−2,56%

20. Okt.22. Okt.24. Okt.25. Okt.27. Okt.

$84,8k$83,1k$81,3k$79,6k

24h-HochHoch$80.573

24h-TiefTief$79.416

VolVol$1,0 Mrd.

→

Bitcoin mit USDT kaufen

Bereitgestellt von Jupiter

Preisdaten von CoinGeckoCoinGeckoMehr Bitcoin-Nachrichten und Prognosen →

OpenAI gibt an, dass die Teilnehmer keine Geheimhaltungsvereinbarungen unterzeichnet haben und unbezahlt arbeiten, und das Unternehmen erklärte sich bereit, alle Rohdaten zu veröffentlichen und eine Konferenz über das Ergebnis zu finanzieren.

Praktische Vorteile sind noch weit entfernt: „Solche Algorithmen zu finden und theoretische Fortschritte in praktische Verbesserungen umzusetzen, wird erhebliche weitere Forschung erfordern“, schrieb OpenAI. Das Papier selbst besagt, dass das Ergebnis nicht zeigt, dass jedes NP-Problem in subexponentieller Zeit gelöst werden kann, sodass P versus NP – die Frage, ob jedes Problem mit einer leicht überprüfbaren Antwort auch leicht zu lösen ist – weiterhin offen bleibt.

Einfach ausgedrückt ist P die Klasse der Probleme, die Computer effizient lösen können, während NP die Klasse der Probleme ist, deren vorgeschlagene Lösungen effizient überprüft werden können. Die Frage P versus NP – ob jedes Problem, dessen Antwort leicht zu überprüfen ist, auch leicht zu lösen ist – bleibt also offen.

Anthropic, das die Mathematik-Kriege nicht verlieren wollte, veröffentlichte daraufhin ein Claude zugeschriebenes Paper mit dem Titel „A 2^o(n) Time Algorithm for 3-SAT“, datiert auf den 26. Oktober. Das Repository, das sich auch mit dem ETH-Problem befasst, gibt an, dass ein internes Forschungsmodell von Claude den Algorithmus entdeckt habe, und „das Ergebnis rein asymptotisch ist und nichts über das Lösen von Formeln in der Praxis aussagt.“

Claude formalisierte den Großen Fermatschen Satz im September in Lean, und Terence Tao sah diese Art von Überschneidung voraus. „Wir haben nun gesehen, dass selbst das Gerücht, jemand arbeite an einem Problem, eine massive KI-gestützte Anstrengung auslösen kann, um es zu erledigen, bevor das ursprüngliche Forschungsprojekt Zeit hat, sein volles Potenzial zu entfalten“, schrieb der Mathematiker im September.

OpenAIs jüngster Beitrag von 5 Millionen Dollar an die Simons Foundation wird Workshops, Konferenzen und Sonderprogramme finanzieren, um Forschern zu helfen, von KI erzeugte Ergebnisse zu untersuchen und darauf aufzubauen.